[发明专利]基于不规则三角网的LiDAR点云数据边缘检测方法

摘要

本发明公开了一种基于不规则三角网的LiDAR点云数据边缘检测方法：读取目标区域原始LiDAR点云数据；剔除粗差噪声点；将剔除粗差噪声后的LiDAR点云数据进行Delaunay三角剖分；计算不规则三角网中每个空间三角形的形变量并保存；计算三角形的形变量阈值；将得到的形变量大于形变量阈值的空间三角形标记为边缘三角形；计算狭长三角形；比较各三角形的狭长度Li和狭长度阈值；确定边缘点，得到LiDAR点云数据的边缘图像。本发明的方法利用三角剖分过程中三角形的形状变化进行具有高程突变的边缘点检测，利用狭长三角形进行数据空白区域的边缘点检测，实现了在原始数据中进行边缘检测保留LiDAR点云数据更多的信息。

主权项

一种基于不规则三角网的LiDAR点云数据边缘检测方法，其特征在于，具体包括如下步骤：步骤1：读取目标区域原始LiDAR点云数据；步骤2：剔除粗差噪声点；步骤3：将步骤2得到的剔除粗差噪声后的LiDAR点云数据进行Delaunay三角剖分，生成xoy平面上的不规则三角网；在不规则三角网上加上各点的高程信息后形成xyz空间不规则三角网TIN；步骤4：计算不规则三角网中每个空间三角形的形变量并保存；步骤5：计算三角形的形变量阈值；步骤6：将步骤4得到的形变量大于形变量阈值的空间三角形标记为边缘三角形；如果形变量大于形变量阈值,进入步骤8，否则进入步骤7；步骤7：计算狭长三角形，比较各三角形的狭长度Li和狭长度阈值Thresd，如果Li大于Thresd，则该三角形为狭长三角形，将该三角形标记为边缘三角形，其中，Thresd不小于100；步骤8：确定边缘点，得到LiDAR点云数据的边缘图像，具体步骤如下：801：粗边缘点的确定：对于步骤6得到的每个边缘三角形利用式1计算高程阈值H(G)，并分别对每个边缘三角形中的顶点进行粗边缘点的选取：其中，H(A)、H(B)、H(C)分别是A、B、C点的高程信息，单位：m；H(G)为高程阈值，单位：m；若边缘三角形的三个顶点A,B,C中有任意两点A,B的高程均大于H(G)且|H(A)‑H(B)|≤σ，σ取0.5‑2.5m，则将A,B两点均取为粗边缘点，否则，将A,B,C三点中高程最大的点取为粗边缘点；对步骤7得到的每个边缘三角形的三个顶点都确定为粗边缘点；802：删除所有粗边缘点中的孤立点，将剩余的粗边缘点作为最终的边缘点输出， 即得到LiDAR点云数据的边缘图像。