[发明专利]局部拟合滤波方法

摘要

本发明提供了局部拟合滤波方法，具体步骤包括：初始地面种子点获取、加密地面种子点的获取、合并初始地面种子点和加密地面种子点，并输出地面种子点云数据，最后通过最小距离滤波与加权平均算法结合完成三维激光地面种子点云数据滤波程序。本发明的滤波算法既能减少数据量又能保证滤波质量。

主权项

1.一种局部拟合滤波方法，其特征在于：具体包括以下步骤：步骤1：初始地面种子点获取：根据单次和末次回波点云密度在区域内建立格网，格网大小由点云密度和单个格网内必须含有的最少点数量阈值决定；在每一格网内分别选取最低点作为初始地面种子点；步骤2：加密地面种子点的获取：根据当前的点云密度重新建立格网，对于每一个已经在步骤1中确定的初始地面点O_i(x_i，y_i，z_i)，搜索其邻域内待定的单次和末次回波点云R_j(x_j，y_j，z_j)，其中，邻域范围可根据获取地面种子点格网设置；根据所述初始地面点O_i(x_i，y_i，z_i)和其邻域内待定点R_j(x_j，y_j，z_j)坐标计算其坡度；若坡度在阈值范围内，则认为该末次回波点为加密地面种子点，若坡度超出阈值，则认为该末次回波点为待判断点；步骤3：通过步骤2获取加密地面种子点后，将其与步骤1中获取的初始地面种子点合并，通过遍历检查、去除重复点，输出地面种子点云数据以及还未确定的单次回波点云、末次回波点云数据；步骤4：将步骤3中输出的地面种子点云数据以及还未确定的单次回波点云、末次回波点云数据通过最小距离滤波与加权平均算法结合完成三维激光地面种子点云数据滤波程序；其中，所述最小距离滤波算法的执行过程具体为：步骤101：采集数据并对数据进行预处理：首先进行异常值剔除，然后进行零均值处理，其次为去除趋势项部分，最后是提取周期项形成时间序列数据；步骤102：对步骤1中预处理后的时间序列数据建模并整定模型参数：具体包括：建立系统模型：时间序列线性模型的参数估计是指在辨识得到模型类别和阶数的基础上，求出模型中的自回归系数和滑动平均系数的数值；检验模型的适用性：时间序列线性模型的适用性检验是指用样本的数据检验按上面的方法确定的模型是否适用，即检验残差序列是否为白噪声序列；步骤103：对每个系统模型设计卡尔曼滤波器并应用基于最小化矢量距离的有限模型算法对模型进行在线实时切换；具体包括：对每一个建立的系统模型设计卡尔曼滤波器，在辨识出的系统模型的基础上给定系统噪声和观测噪声阵；对每一个系统模型根据基于极小化矢量距离准则拟合评价函数来评定系统模型的准确度；根据所述评价函数将待选择的模型中准确度最高的系统模型的滤波结果作为最终的结果输出；其中，所述加权平均算法具体为：步骤201：假设有N个单位元件，首先按数据加权平均进行运算；步骤202：如果输入值为K时，恰好单位元件N‑K，N‑K+1，....N‑1，N被选中，那么计数器C1工作，计数结果加1，否则保持原计数结果；步骤203：当计数器C1计数值达到预设值时，另外一个计数器C2工作，计数结果加1，同时将计数器C1被置为0，否则计数器C2保持原计数结果；步骤204：如果计数器C2的计数值达到单位元件数N，则计数器C2计数结果被置为0；步骤205：桶式移位寄存器以计数器C2的计数值为移位位数，将第一步中的运算结果循环右移得到新的结果去轮转选择该N个单位元件。