[发明专利]辅以多特征聚类的复杂地形区点云层次滤波方法

说明书

本发明公开了一种辅以多特征聚类的复杂地形区点云层次滤波方法。该方法包括如下步骤：步骤1.将原始点云数据格网化，依次对每个独立格网内的点云进行多特征聚类，以提高复杂环境中相邻地物/地面的有效划分，将得到的聚类结果映射到三维空间，得到点云簇的三维坐标分布；步骤2.利用顾及断裂地形的准则从点云簇的三维坐标分布中识别出地面簇，避免了地形细节损失，提升了地面点簇识别率；步骤3.利用捕捉到的地面簇中的地面点作为地面种子点，构建初始地面参考面，结合多尺度层次滤波进一步精化原始点云中的地面点。本发明在地形断裂等复杂地形区滤波精度高，有效地区分了复杂地形下的地物点和地面点。

技术领域

本发明涉及一种辅以多特征聚类的复杂地形区点云层次滤波方法。

背景技术

机载激光雷达(Light Detection and Ranging，LiDAR)技术作为一种主动式的遥感对地观测手段，在大范围实景三维地理信息获取中发挥着支撑性作用。

随着机载LiDAR系统的快速发展，LiDAR点云已广泛应用于实景三维建设、城市智能管理、生态环境保护等诸多领域。然而，原始LiDAR点云混杂有地面信息及植被、建筑物、车辆等非地面信息，因此，点云滤波是上述领域应用的前提和关键步骤。

近二十年来，国内外学者提出了多种滤波算法。总结起来可归纳为五类：基于形态学的滤波、基于插值的滤波、基于坡度的滤波、基于分块的滤波和基于机器学习的滤波等。其中，相比其他滤波算法，基于插值的滤波整体适用性较好，能有效的滤除非地面点。

然而，由于现实场景地形地物的高复杂性、交错性、多态性，以及部分坐落于丘陵的建筑物与地形存在高程相似性，传统插值滤波算法在复杂地形区仍无法有效区分地面点和地物点，极大影响了滤波质量。此外，传统插值滤波算法仅利用了点云的三维空间坐标信息，缺少对回波强度、颜色、回波次数等物理属性信息的充分利用。因此，传统插值滤波算法在地形断裂等复杂环境下滤波精度低，难以有效区分复杂地形下的地物点和地面点。

发明内容

本发明的目的在于提出一种辅以多特征聚类的复杂地形区点云层次滤波方法，以解决现有滤波方法在地形断裂等复杂地形区滤波精度低的技术问题。

本发明为了实现上述目的，采用如下技术方案：

辅以多特征聚类的复杂地形区点云层次滤波方法，包括如下步骤：

步骤1.将原始点云数据格网化，依次对每个独立格网内的点云进行多特征聚类，得到多特征聚类结果，将聚类结果映射到三维空间，得到点云簇的三维坐标分布；

步骤2.利用顾及断裂地形的准则从点云簇的三维坐标分布中识别出地面簇；

步骤3.利用步骤2捕捉到的地面簇中的地面点作为地面种子点，构建初始地面参考面，并结合多尺度层次滤波方法进一步精化原始点云中的地面点。

本发明具有如下优点：

如上所述，本发明述及了一种辅以多特征聚类的复杂地形区点云层次滤波方法，首先结合点云几何和物理信息多特征聚类，以提高复杂环境中相邻地物/地面的有效划分；接着采用顾及断裂地形的准则识别地面点簇，避免地形细节损失，提升地面点簇识别率；最后利用点到对应插值点的高差代替点到地面参考面网格的高差，克服了陡坡处点云空间位置误差影响。本发明在地形断裂等复杂地形区滤波精度高，有效地区分了复杂地形下的地物点和地面点。

附图说明

图1为本发明实施例中辅以多特征聚类的复杂地形区点云层次滤波方法的流程图；

图2为地面与地物相互连通区示意图；

图3为采样点与其对应的3×3邻近网格关系图；

图4为多特征聚类结果图；

图5为点云簇的三维坐标分布示意图；