[发明专利]一种顾及邻近波形信息的机载激光波形数据分解算法

摘要

本发明公开了一种顾及邻近波形信息的机载激光波形数据分解方法，包括A、波形数据的预处理；B、波形数据的脉冲波峰探测；C、基于广义高斯模型的显著脉冲波峰提取；D、顾及邻近波形的候选脉冲波峰提取；E、基于区域生长策略的待分析波形列表生成；F、波形分解结果输出。本发明采用高、低双阈值，可以克服单阈值难以合适选取的缺陷，有效考虑波形数据中的微弱脉冲信号；波形分解过程中，通过区域生长的方式，不断利用邻近波形显著脉冲波峰所提供的可靠信息，对待分析波形的候选脉冲波峰进行分析，可以实现这类微弱脉冲波峰信息的稳健提取，获取更加完整的点云信息。

主权项

一种顾及邻近波形信息的机载激光波形数据分解方法，其特征在于：包括以下步骤：步骤1、波形数据的预处理：利用一维高斯模板对原始波形数据进行平滑处理；利用一阶微分算子计算经过平滑处理后的波形数据的一阶导数；计算每一个波形数据对应的近似物方平面坐标，并根据近似物方平面坐标建立k‑d树索引；步骤2、波形数据的脉冲波峰探测：通过计算步骤1中得到的一阶导数零交叉点，确定波形的脉冲波峰中心的初始位置，采用高、低双阈值对波峰强度进行分析，确定出显著脉冲波峰和候选脉冲波峰，并剔除伪脉冲波峰；步骤3、基于广义高斯模型的显著脉冲波峰提取：对当前所确定的显著脉冲波峰，采用广义高斯模型和非线性最小二乘Levenburg‑Marquardt算法进行波形数据的拟合，提取显著脉冲波峰的参数，并统计波形数据拟合的单位权中误差；步骤4、顾及邻近波形的候选脉冲波峰提取：以含有候选脉冲波峰的波形为中心，通过k‑d树索引搜索设定半径范围内的邻近波形，并计算邻近波形的显著脉冲波峰提供的高程值与设置为中心的波形的候选脉冲波峰的高程值的高程差，若高程差小于给定阈值，则认为该候选脉冲波峰与邻域环境相容，将该候选脉冲波峰重新认定为显著脉冲波峰，采用广义高斯模型和非线性最小二乘Levenburg‑Marquardt算法进行重新认定的显著脉冲波峰的参数的提取，并将重新认定为显著脉冲波峰的对应的波形加入到已更新波形列表中；步骤5、基于区域生长策略的待分析波形列表生成：以已更新波形列表中的波形为中心，通过k‑d树搜索设定半径范围内的邻近波形，如果邻近波形中含有候选脉冲波峰，将该邻近波形加入到待分析波形列表中，当待分析波形列表不为空时，返回步骤4；当待分析波形列表为空时，则进入步骤6；步骤6、波形分解结果输出：利用所获取的显著脉冲波峰的参数，计算其对应激光点的三维空间坐标，输出点云。