[发明专利]一种最小豪斯多夫距离面特征约束的点云航带平差方法

说明书

本发明公开了一种最小豪斯多夫距离面特征约束的点云航带平差方法，主要包括：使用渐进三角网加密滤波算法对每条航带点云进行处理，得到地面点与非地面点；通过半抑制模糊C均值聚类与区域增长从非地面点中探测到每条航带中建筑物点；根据每条航带最小外包矩形确定相邻航带重叠区域内建筑物点，并对重叠区域内建筑物点进行处理得到单栋建筑物；使用由粗到精的方法从单栋建筑物中分割出面片；使用最小豪斯多夫距离与法向量约束从相邻航带重叠区域内探测出同名面片；使用同名面片构建误差方程并解算相邻航带转换参数。本发明以数据驱动的方式对航带点云进行平差处理，可为后续各类应用提供可靠数据。

技术领域

本发明属于机载激光雷达数据处理技术领域,尤其涉及一种最小豪斯多夫距离面特征约束的点云航带平差方法。

背景技术

机载激光雷达(Airborne Light Detection And Ranging，LiDAR)是一种主动式航空遥感对地观测系统，其不受天气环境影响，可以获取高精度、高密度的点云数据，其为高时空高分辨率的地球空间信息提供了一种全新的技术手段。

在实际应用中，LiDAR以单条航带的方式搜集测区内地形数据，其中单条航带的范围远远小于整个测区范围，因此一般需要多条航带才能完整覆盖整个测区。在实际应用中，LiDAR系统需要在搜集数据前由系统提供商和最终用户进行校准，以消除系统各部件之间集成而引起的系统误差。由于缺少精确的系统校准或者不规范的操作，在实际获取的相邻数据中仍存在偏差。因此要获取高精度的最终产品，如DEM，则必须进行航带拼接，以消除航带间偏差。然而由于机载点云密度低，很难从点云中直接获取同名点，因此如何获取高精度的同名特征是航带平差中的一个难点。另外，传统的基于人工手动选取同名特征的方式耗时不准确，其难以适应当今数据自动处理的需要。

发明内容

本发明针对基于点云数据本身的航带平差方法中难以自动搜索同名特征的问题，在此提出一种最小豪斯多夫距离面特征约束的点云航带平差方法，实现机载LiDAR航带间自动平差计算，消除由系统检校不完全而引起的误差。

实现本发明所说的一种最小豪斯多夫距离面特征约束的点云航带平差方法的技术方案具体如下：

步骤1：引入多条机载激光雷达航带点云数据；

步骤2：将每条机载激光雷达航带点云数据使用渐进三角网加密滤波算法进行滤波处理，获取每条机载激光雷达航带点云数据中非地面点云以及每条机载激光雷达航带点云数据中地面点云；

步骤3：将每条机载激光雷达航带点云数据中非地面点云通过半抑制模糊C均值聚类方法得到每条机载激光雷达航带点云数据中多个初始建筑物种子点，将每条机载激光雷达航带点云数据中多个初始建筑物种子点通过区域增长聚类方法，得到每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点；

步骤4：搜索每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点的X轴坐标最大值、X轴坐标最小值、Y轴坐标最大值、Y轴坐标最小值，根据X轴与Y轴最大值与最小值确定两边平行于X轴与Y轴的包含每条机载激光雷达航带的最小外包矩形，将相邻两条机载激光雷达航带的最小外包矩形进行相交处理得到相邻两条机载激光雷达航带的重叠区域，将相邻两条机载激光雷达航带的重叠区域进行格网化处理得到相邻两条机载激光雷达航带的重叠区域二值图像，将相邻两条机载激光雷达航带的重叠区域二值图像通过四连通区域标签法进行处理得到相邻两条机载激光雷达航带的重叠区域多个图像块，在相邻两条机载激光雷达航带的重叠区域每个图像块中搜索步骤3所述的每条机载激光雷达航带点云数据中非地面点云中的多个建筑物点，得到相邻两条机载激光雷达航带的重叠区域每个图像块中多个建筑物点；