[发明专利]基于机载LiDAR点云数据缺失区域边界提取方法

权利要求书

1.一种基于机载LiDAR点云数据缺失区域边界提取方法，其特征在于，所述方法包括以下步骤：

对原始机载LiDAR点云数据进行网格化处理，获取网格化后的带有缺失区域的矩阵，将矩阵定义为网格；采用种子方法对网格进行遍历，获取可以相互区分的缺失区域；

对每一缺失区域进行外扩，获取包围缺失区域的网孔集合，统计网孔内的点云数据，作为该缺失区域的初始边界特征点集合；

采用Kd-Tree的方法建立机载LiDAR点云数据之间的拓扑关系，获取待判断的k邻域点；

通过对初始边界特征点集合内的每一点及其k邻域点的分布均匀性判断该点是否为边界特征点；采用最近点搜索方法对散乱边界特征点进行连接，获取机载LiDAR点云数据中缺失区域的有序边界特征点；

所述采用种子方法对网格进行遍历，获取可以相互区分的缺失区域具体为：

采用种子方法与栈结构的结合，且采用四方向搜索定位缺失区域；

设缺失区域的集合为L，对于任意缺失区域l∈L而言，种子方法定位缺失区域的执行过程如下：

1)设m_ij∈M为寻找到的缺失区域l的首个空孔，利用四方向搜索寻找其相邻网孔中的空孔m_ij，建立栈结构S保存搜索到的空孔作为缺失区域的下一步搜索方向；

2)保存空孔m_ij至缺失区域l中，将m_ij设为实孔；

3)弹出栈结构S的首个空孔s₁，保存空孔s₁至缺失区域l中并将其设为实孔，对s₁执行四方位搜索，同时将搜索到的空孔压入栈结构中；

4)重复步骤3)至栈结构S为空，判断缺失区域l中所保存的空洞个数，若小于给定阈值，则清空l；

所述对每一缺失区域进行外扩，获取包围缺失区域的网孔集合具体为：

采用种子方法与栈结构的结合，且采用八方向搜索获取缺失区域边界网孔；

所述通过对初始边界特征点集合内的每一点及其k邻域点的分布均匀性判断该点是否为边界特征点具体为：

采用最大角度差法对待判断点是否为边界特征点进行判断；

设缺失区域边界网孔中所包含点云数据的集合为B，其中任意点云数据表示为B_i，Q_mn为B_i在XOY平面的k邻域点；

首先，取点B_i在其k邻域点中的最近点Q_m作有向向量并将其设为起始向量，分别计算除Q_m以外的其他向量其中j∈[1,2,…,k]，j≠m，按顺时针或逆时针的方向旋转到所经过的角度α，从而得到一个角度序列S＝(α₁,α₂,…,α_k-1)；利用快速排序方法对角度序列S进行升序排列并加入两个极值角度0和2π，

从而得到新的角度序列S′＝(0,α₁′,α₂′,…,α_k-1′,2π)，并且在新的角度序列的基础上计算出角度序列差D：

D＝α_i+1′-α_i′,i∈[0,1,…,k]

通过最大角度D_max来判别边界特征点，当D_max超过某一阈值时，B_i为边界特征点；

对点云数据集B遍历执行以上步骤，得到缺失区域的边界特征点；

采用最近点搜索方法对边界特征点排序，步骤如下：

(1)在所有的无序边界特征点中任取一点P_s作为起点，找到无序边界特征点中距离P_s的最近点P_e将其作为生长终点；

(2)对于P_s(P_e)端，查找距离P_s(P_e)的最近点P，计算P到P_s和P_e的距离d_s和d_e，如果d_s(d_e)≤d_e(d_s)，则将P插入到P_s(P_e)之前，并将点P作为新的起点；否则往另一端生长；

(3)点集中所有点是否判断完成，是则结束排序；否则转到(2)。