[发明专利]一种基于布料模拟算法的倾斜摄影点云滤波方法

权利要求书

1.一种基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，包括如下步骤：

步骤1：建立布料模拟滤波最优参数库，所述布料模拟滤波最优参数库中包含通过人工实验获得的针对不同地势下不同地物的最优滤波参数；所述地势至少包括平地、缓坡和陡坡；所述地物至少包括无地物、树木、灌木植被、建筑和机械设备；所述滤波参数至少包括布料刚性系数、布料格网分辨率、布料粒子高程修正迭代次数和高程阈值；

步骤2：采用目标检测技术识别地物目标；

步骤3：设定所述地物目标的感兴趣区域；

步骤4：基于所述地物目标的感兴趣区域划分布料模拟滤波的三维格网；

步骤5：分析所述三维格网中点云的地势特征并划定类型，基于所述三维格网的属性标记从所述布料模拟滤波最优参数库中自适应选取最优滤波参数；

步骤6：基于所述最优滤波参数完成滤波及地面提取。

2.如权利要求1所述的基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，步骤1中，至少基于目标地物是否被滤除以及错误分类点多少判定滤波参数是否为最优滤波参数。

3.如权利要求1所述的基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，步骤2包括：

步骤2.1：使用图像标注软件标注倾斜摄影采集的场地影像，获取场地典型地物目标检测数据集；

步骤2.2：构建用于目标检测的深度学习神经网络模型，并基于步骤2.1中的数据集训练所述深度学习神经网络模型，获得准确率、召回率和检测精度满足要求的场地典型地物目标检测神经网络模型；

步骤2.3：将倾斜摄影获取的场地影像输入至步骤2.2训练得到的所述场地典型地物目标检测神经网络模型中，预测得到场地影像中典型地物的位置和类别，并输出预测框属性信息。

4.如权利要求3所述的基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，步骤3包括：

步骤3.1：对倾斜摄影三维点云索引并映射为像素空间的二维像素；

步骤3.2：基于欧式距离，将步骤3.1中二维像素的像素点与原始图像匹配，标记出步骤2.3中所述预测框内的像素点并索引回三维空间，得到预测框范围内的三维点云；

步骤3.3：根据步骤3.2中预测框范围内的三维点云，构建第一最小包围盒，定义该第一最小包围盒为三维点云空间中的地物目标感兴趣区域。

5.如权利要求4所述的基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，步骤4包括：

步骤4.1：根据倾斜摄影三维点云的边界构建第二最小包围盒，并对所述第二最小包围盒在水平面方向，进行等距三维格网划分；

步骤4.2：遍历步骤3.3中的各地物目标对应的感兴趣区域，判断其与三维格网的重叠关系，

响应于该地物目标的感兴趣区域全部位于某单个三维格网内，则保持三维格网布局不变；

响应于该地物目标的感兴趣区域横跨多个三维格网，则合并与该地物目标的感兴趣区域交叉的各三维格网；

对包含地物目标的三维格网标记其地物属性，不包含地物目标的格网不做地物标记；

步骤4.3：对步骤4.2中重新布局的各三维格网内的点云进行统计，计算各点的K近邻点的高程均值μ和方差σ，将K近邻内高程超出(μ-kσ，μ+kσ)(k＞0)范围的点作为粗差点剔除。

6.如权利要求5所述的基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，步骤4.1中，还包括对三维格网中有无点云进行判断，若有则构建三维格网，反之则取消三维格网的构建。

7.如权利要求5所述的基于布料模拟算法的倾斜摄影点云滤波方法，其特征在于，步骤4.1建立的三维格网中，相邻两个三维格网之间设置有重叠的缓冲区域，所述缓冲区域的长度为三维格网边长的1/10。