[发明专利]一种考虑局部点云密度的自适应阈值3D变化检测方法

说明书

本申请涉及一种考虑局部点云密度的自适应阈值3D变化检测方法，它包括S101：获取两帧不同时相的3D点云数据，一帧3D点云数据作为目标点云，另一帧3D点云数据作为参考点云；S102：计算目标点云和参考点云中对应点的欧氏距离；S103：计算目标点云的全局k‑邻域平均距离和局部点云密度；S104：在获得全局k‑邻域平均距离和局部点云密度的基础上，结合欧氏距离对目标点云进行变化检测。本发明可计算出目标点云中每个点的自适应距离阈值，克服了固定阈值或者点云平均距离阈值进行变化检测的不足，提高了点云3D变化检测的有效性。

技术领域

本申请涉及摄影测量与遥感技术领域，具体涉及一种考虑局部点云密度的自适应阈值3D 变化检测方法。

背景技术

随着社会与科技的发展，城市场景的变化检测已经成为摄影测量和遥感领域中的研究重点以及研究热点之一。及时、准确地监测城市环境中的动态变化信息，在城市地理空间信息的管理与更新、城市规划、城市精细化管理以及灾害救援等工作具有非常重要的应用。3D变化检测是将2D变化检测扩展到三维空间进行，获得场景的3D变化信息。随着智慧城市的不断发展，对城市3D模型的建立与管理的需求越来越高。

随着三维激光扫描技术的出现和不断进步以及点云数据处理方法的不断改善，通过航空激光扫描仪(airbone laser scanning，ALS)或者移动点云数据(mobile laserscanning，MLS) 已经开始逐步用来进行3D建筑物等的变化检测。

目前基于点云的3D变化检测方法主要有：

(1)基于高程差的3D变化检测：该方法首先将多时相的点云数据转换成DSM(Digital Surface Model，数字表面模型)，然后再根据不同时相DSM之间的高程差异检测城市环境下建筑物的变化。这类方法简单，易实现，适用于建筑物的变化检测中，但是易受噪声的影响，并且只能检测地物高度上的变化，而对地物侧面的变化无法进行检测。

(2)基于分类后的比较法：该方法在将点云数据转换成DSM之后，再进行图像分类，将点云数据分类为建筑物、树木等地物，然后分别对不同的地物进行变化检测。该方法易实现，并且在图像分类过程中可以融入3D信息，有助于提高分类精度，适用于城市建筑物的变化检测。但是变化检测的好坏在很大程度上依赖于图像分类结果。

(3)基于3D距离差值的变化检测方法：通过两个时相下的3D点云之间的距离进行比较。在前后两个时相的点云数据进行配准之后，计算两个点云中对应点的3D欧氏距离，并通过设定的阈值，提取点云中的变化区域。基于3D距离差值的方法能够直接获得点云的3D变化信息，但是该方法对点云密度变化非常敏感。

此外，阈值的确定也是该方法的关键技术之一，其选取对变化检测结果影响很大。现有已有方法主要是采取经验性的固定阈值或者是点云的平均距离作为阈值，而没有考虑点云内部的不均匀性。

发明内容

本发明的目的在于，提供一种考虑局部点云密度的自适应阈值3D变化检测方法，消除点云密度的不均匀性对检测结果的影响，克服了固定阈值或者点云平均距离阈值进行变化检测的不足，提高检测结果可靠性，用于城市3D模型的更新，建筑检测等领域。

本发明采用的技术方案是：一种考虑局部点云密度的自适应阈值3D变化检测方法，包括如下步骤：

S101：获取两帧不同时相的3D点云数据，一帧3D点云数据作为目标点云，另一帧3D点云数据作为参考点云；

S102：计算所述目标点云和参考点云中对应点的欧氏距离；

S103：构建所述目标点云的全局k-邻域，计算所述目标点云的全局k-邻域平均距离和局部点云密度；

S104：在获得全局k-邻域平均距离和局部点云密度的基础上，结合欧氏距离对目标点云进行变化检测。