[发明专利]一种迭代极小值激光雷达点云滤波方法

说明书

本发明公开了一种迭代极小值的激光雷达点云滤波方法，首先对雷达点云数据进行预处理；然后按点云高程进行排序，将高程最小的点云确定为初始地面点，同时将该高程最小点云的高度阈值范围内的点云标记为地面参考点，将该高程最小点云高度阈值范围外的其他点云标记为非地面参考点，对没有被标记过的点云重复上述步骤，直到所有的点云都进行了初始分类；再以地面参考点点集构建地面参考面，对点云数据精分类；最后去除地面边缘处孤立点，确定滤波结果。本发明的激光雷达点云滤波方法，能有效的将地面点与非地面点进行分离，设置参数较少，且阈值具备一定的自适应性，对于绝大多数场景具备普适性。

技术领域

本发明涉及激光雷达数据处理技术领域，具体涉及激光雷达点云地面点滤波，尤其是涉及一种迭代极小值激光雷达点云滤波方法。

背景技术

激光雷达(Light Detection and Ranging，LiDAR)是一种高效获取空间三维信息的探测技术，它使得更直接、更方便地获取地球三维表面信息成为可能。目前已被广泛应用于城市三维建模、地质灾害监测、森林资源调查、矿山测量和文物保护等。点云滤波是将非地面点从点云数据中剔除的过程，是获取地面点并生成地面高程模型的关键步骤。

在过去二十年中，行业内提出了许多著名的滤波方法，由于地形的多样性和地物的复杂性，激光雷达点云滤波仍处于研究和发展阶段，存在许多困难，大多数滤波算法在平面和简单的场景中表现良好，然而，当遇到陡峭的景观与茂密的植被时，大多数滤波算法存在问题。目前LiDAR点云滤波方法主要有数学形态学的算法、地形坡度的算法和不规则三角网的算法等。传统的数学形态学滤波是使用固定大小的结构元素窗口对点云进行运算，通过计算点云滤波前后的高程差变化确定点云属性，但难以根据不同地形特征自动调整滤波窗口大小。文献“Vosselman（G. Vosselmann, “Slope Based Filtering of LaserAltimetry Data,” International Archives of Photogrammetry and Remote Sensing,Amsterdam, Vol. 33(B3), 2000, pp. 935-942.”中提出了基于坡度的滤波算法，该方法能将地形细节特征较好的保留，但坡度阈值需根据不同地形设定，自适应性较差，且在地形突变区域效果差。文献“Axelsson, P. (2000) DEM Generation from Laser ScannerData Using Adaptive TIN Models. International Archives of Photogrammetry andRemote Sensing, 33, 111-118.”中提出了一种基于不规则三角网（TIN）的逐渐加密滤波算法，对于不同密度数据都有一定的适用性。但滤波计算量大，对于不同地形需要分块处理，设置不同的滤波阈值。此外，文献“Zhang, W., J. Qi, P. Wan, H. Wang and G. J.R. S. Yan (2016). An Easy-to-Use Airborne LiDAR Data Filtering Method Basedon Cloth Simulation. 8(6): 501.”中提出的布料模拟滤波算法(cloth simulationfiltering，CSF)，其相较于传统滤波方法参数较少且易于设置，在处理各类地形上更具便利性，受到广泛关注。

尽管现有滤波算法在相关数据测试和实际应用中取得了较为理想的效果，众多滤波算法也在不同类型的场景中体现出各自的优势，但仍然存在一些缺陷。目前滤波算法精度容易受滤波参数影响，较好的滤波效果在多数情况下均需要人为设置滤波参数，且参数设置较为复杂，同时滤波算法缺乏普适性，在一种场景中表现优异的算法，可能在另一种场景中很难达到预期效果。

发明内容

本发明的目的在于提供一种迭代极小值激光雷达点云滤波方法，以解决现有技术存在的上述缺陷。本发明充分考虑了不同场景对于滤波算法的影响，尽可能的减少滤波参数，提高滤波参数的自适应性。

为了实现上述目的，本发明提供了一种迭代极小值激光雷达点云滤波方法，包括如下步骤：