[发明专利]基于机载LiDAR点云数据缺失区域边界提取方法

说明书

本发明公开了一种基于机载LiDAR点云数据缺失区域边界提取方法，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；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；通过待判断点及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。本发明能够获得细节完整、且相互独立的机载LiDAR点云数据缺失区域边界。

技术领域

本发明涉及机载激光雷达三维点云数据处理领域，尤其涉及一种基于机载LiDAR点云数据缺失区域边界提取方法。

背景技术

随着科学技术的进步及社会的发展，“数字地球”这一概念已经深入到各行各业中，人们逐渐认识到，想要实现信息化社会，空间地理信息是必不可少的，可以说空间地理信息是一切地理信息应用的基础。现阶段，空间地理信息主要通过传统的摄影测量方式获取，但是通过传统的摄影测量方式获取空间地理信息，其生成周期慢、数据质量差，已不能满足日益增长的社会需求，如何能够快速、准确、实时的获取空间地理信息已成为测绘领域的发展难题。

激光扫描测距技术(LiDAR，Light Detection and Ranging)的出现，弥补了传统摄影测量的缺点。LiDAR作为一种主动式遥感技术，可以快速获取地表物体的三维空间信息，且与传统摄影测量不同的是，其不受天气、光照等自然因素的影响，可以直接获取目标点在三维空间的位置，实现真正的全天时、全天候的数据获取。

但是在机载LiDAR点云数据的获取过程中，由于地表物体的遮挡以及水体吸收等原因，会造成获取的数据中出现缺失区域，不能为后续处理及应用提供完整的数据源，因此在数据的后续处理及使用过程中，需对其进行修补。缺失区域的边界提取作为后续缺失区域修补的首要工作，其提取结果的优劣将直接影响着修补的效果，进而影响整个点云数据后续应用。

发明内容

本发明提供了一种基于机载LiDAR点云数据缺失区域边界提取方法，本发明通过将机载LiDAR点云数据栅格化，快速的定位缺失区域，并且所提取出的边界与缺失区域一一对应，为机载LiDAR点云数据的处理提供了一种全新研究思路和方法，详见下文描述：

一种基于机载LiDAR点云数据缺失区域边界提取方法，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。

所述对原始机载LiDAR点云数据进行网格化处理具体为：

将点云数据投影至平面；根据一定条件确定网格划分规模；对每一个点云数据按照其在平面投影中的位置，将其分配到网格M中的各个网孔。

其中，每个网格中包含2～3个点云数据。

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。

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：