[发明专利]一种点云数据生成数字高程模型的处理方法、装置及终端设备

权利要求书

1.一种点云数据生成数字高程模型的处理方法，其特征在于，包括：

对获取的激光点云数据进行质量检测，筛选出符合标准的初始激光点云数据；

对初始激光点云数据进行点云数据加载操作；

对加载后的初始激光点云数据进行去噪处理，得到去噪后的激光点云数据；

对去噪后的激光点云数据实施地面点分类，得到分类后的目标点云数据；再次对目标点云数据进行质量检测，判断质量是否合格；若是，则基于目标点云数据生成数字高程模型。

2.根据权利要求1所述的处理方法，其特征在于，质量检测包括对激光点云数据的点云密度信息和高程精度信息检测，具体包括如下操作步骤：

获取激光点云数据的点云密度信息，识别得到当前激光点云数据的点云密度，判断当前激光点云数据的点云密度是否大于标准点云密度，若是，则判定为点云密度质量检测合格；

获取激光点云数据的高程精度信息，识别得到当前激光点云数据的高程中误差，判断当前激光点云数据的高程中误差是否小于标准误差，若是则判定为高程精度质量检测合格；

当点云密度信息和高程精度信息的检测均为合格时，则当前的激光点云数据为符合标准的初始激光点云数据。

3.根据权利要求1所述的处理方法，其特征在于，若初始激光点云数据是LAS/ASCII/PLY格式的点云数据，则进行将其转化为LiData点云格式的加载操作。

4.根据权利要求1所述的处理方法，其特征在于，对加载后的初始激光点云数据进行去噪处理，得到去噪后的激光点云数据，具体包括如下执行步骤：

对初始激光点云数据的高位粗差进行识别噪声点，识别确定噪声点后，进行滤除操作；同时还包括对初始激光点云数据的低位粗差进行识别噪声点，识别确定噪声点后，进行滤除操作。

5.根据权利要求4所述的处理方法，其特征在于，高位粗差以及低位粗差均基于距离平均值算法识别噪声点，具体包括如下操作步骤：

在初始激光点云数据中随机确定一个基本点，以基本点为基础，在预设邻域内搜索预设点个数的相邻点；

计算基本点到相邻点的距离平均值，计算距离平均值的中值和标准差；

判断当前基本点的距离平均值是否大于最大距离，如果判定为大于，则认定当前基本点为噪声点；其中，最大距离＝中值+标准差倍数*标准差。

6.根据权利要求5所述的处理方法，其特征在于，在执行对高位粗差以及低位粗差均基于距离平均值算法识别噪声点的同时，还包括对标准差倍数以及预设点个数的设定参数信息进行调整修改操作。

7.根据权利要求5所述的处理方法，其特征在于，预设邻域的预设点个数为10个，标准差倍数为5。

8.根据权利要求1所述的处理方法，其特征在于，对去噪后的激光点云数据实施地面点分类，其中地面点的分类是指通过点云滤波分离出地面点与非地面点。

9.一种点云数据生成数字高程模型的处理装置，其特征在于，包括数据检测模块、加载模块、去噪模块和生成模块；

数据检测模块，用于对获取的激光点云数据进行质量检测，筛选出符合标准的初始激光点云数据；

加载模块，用于对初始激光点云数据进行点云数据加载操作；

去噪模块，用于对加载后的初始激光点云数据进行去噪处理，得到去噪后的激光点云数据；

生成模块，用于对去噪后的激光点云数据实施地面点分类，得到分类后的目标点云数据；再次对目标点云数据进行质量检测，判断质量是否合格；若是，则基于目标点云数据生成数字高程模型。

10.一种终端设备，其特征在于，包括：处理器和存储器，存储器存储有计算机程序，处理器用于执行计算机程序以实施根据权利要求1至8中任一项所述的点云数据生成数字高程模型的处理方法。