[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

说明书

本发明涉及一种基于布料模拟算法的倾斜摄影点云滤波方法，包括：步骤1：建立布料模拟滤波最优参数库；步骤2：采用目标检测技术识别地物目标；步骤3：设定地物目标的感兴趣区域；步骤4：基于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：分析地势特征，基于三维格网的属性标记从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：基于最优滤波参数完成滤波及地面提取。本发明预先建立某场景下各类地势、地物对应的滤波最优参数库，进而通过地物识别与地势分析，自动从参数库中选取对应的最优滤波参数，从而实现在复杂地形或有复杂地物覆盖的场景下滤波算法参数的自适应选取，提高滤波自动化程度、效率及地面提取精度。

技术领域

本发明涉及土木工程施工、测绘工程技术领域，尤其涉及一种基于布料模拟算法的倾斜摄影点云滤波方法。

背景技术

近年来，随着硬件设备和算法的快速发展，无人机倾斜摄影测量技术取得了长足的进步，已被广泛应用在三维城市重建、历史建筑数字化等领域。通过在无人机平台上搭载多镜头传感器，从一个垂直方向和四个倾斜方向多视角同时采集地面影像，可以快速生成地面三维模型，获取三维空间数据。相比于三维激光扫描等其他类型的实景数据采集方式，倾斜摄影技术数据采集效率更高、成本更低、适用范围更广，因此成为了目前工程建设、国土测绘等诸多行业的主流数据获取技术。

倾斜摄影点云是其数据成果的主要形式之一，一般用来生成数字地面模型(DTM)、工程土方算量、标高控制等。然而相较于机载激光雷达(LiDAR)点云，倾斜摄影点云具有不能穿透植被、密度大等特点，并且点云不仅包含地面点，还包含植被、建筑等非地面点。这些非地面点在精确地面点云应用中，对应用精度产生较大影响，因此往往需要进行滤波处理。

现有的点云滤波算法，如基于数学形态学的滤波算法、基于坡度的滤波算法、基于曲面拟合的滤波算法和基于不规则三角网的点云滤波算法等，大多针对LiDAR点云设计，对倾斜摄影点云适用性较差，并且普遍具有复杂地形自适应性差、参数设置复杂等缺陷。

布料模拟滤波算法将地表点云翻转，使用“弹簧-质点”布料模型自上而下覆盖在倒置点云上，依据布料模型和地表点云之间的高程差实现点云滤波。算法参数设置简单，仅需要选择合适的布料刚性系数、布料格网分辨率、迭代次数和高度阈值参数，在倾斜摄影点云数据上具有较好的应用可行性。但该算法的关键参数均为全局变量，不能根据地形区域自适应调整，针对大面积复杂地形或地物覆盖的场景，其全局变量参数难以兼顾复杂情况，导致滤波效果较差。

发明内容

本发明提供一种基于布料模拟算法的倾斜摄影点云滤波方法，以解决上述技术问题。

为解决上述技术问题，本发明提供一种基于布料模拟算法的倾斜摄影点云滤波方法，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。

较佳地，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。

较佳地，步骤2包括：