全文摘要
本发明公开了一种基于往期DEM辅助的TIN滤波改进算法，属于机载激光雷达数据处理技术领域。该算法利用往期DEM数据提取地形高程信息和地形梯度信息辅助，改进渐进加密不规则三角网中初始地面种子点选取方法，优化地面点判断参数，并对往期DEM数据和现势LiDAR点云数据之间的地形变化进行检测和处理，适用于不同坡度地形条件的复杂地形，滤波效果好。整个处理过程中充分利用往期DEM数据的有用信息，改进滤波过程，实现往期DEM辅助下的无参数自适应的LiDAR点云滤波处理。
主设计要求
1.一种基于往期DEM辅助的TIN滤波改进方法，其特征在于，包括以下步骤：(1)通过坐标系统一、点云数据组织和点云噪声剔除对LiDAR点云数据进行预处理；(2)将点云数据按DEM地形面约束分为非地面点和待分类点，分别加入非地面点集合VNon-Ground和待分类点集合VNon-Classfication；(3)利用DEM数据的高程信息，从点云数据中选取准确可信的地面点，加入地面点集合VGround；具体为：(3-1)先对LiDAR点云数据建立规则格网索引，然后在每个格网内选择高程值最小点作为地面种子点加入地面点集合VGround；(3-2)从DEM数据中提取出断裂线区域，将落入断裂线区域的格网划分为更小的格网，再分别在每个小格网内选择高程值最小点作为种子点加入地面点集合VGround；(4)以步骤(3)所得地面点作为地面种子点构建初始地形TIN模型，利用DEM数据的坡度信息对地面点判断参数进行优化，再在所述初始地形TIN模型的基础上对待分类点集合VNon-Classfication进行地面点的判别，并加入地面点集合VGround；具体为：(4-1)以步骤(3)所得地面点作为地面种子点构建初始地形TIN模型；(4-2)遍历所述待分类点集合VNon-Classfication中的每一个点，按式1计算该点处的相对地面高度阈值Td和地形角阈值Tθ，并计算该点与TIN模型中所在三角形的相对地面高度d和地形角θ，判断是否满足d＜Td且θ＜Tθ，若满足条件，则该点标记为地面点，加入地面点集合VGround，插入到TIN模型中并更新；所述式1为其中，a0、a1、b0、b1分别为常数系数；为某激光数据点所处位置的DEM地形梯度，其中fx、fy分别为x和y方向上的坡度值；为地形梯度向量的模；(4-3)重复步骤(4-2)，直至不再有新的点满足条件；(5)利用TIN模型对步骤(2)所得非地面点进行分析处理，将非地面点集合VNon-Ground中的地形凸起变化区域地面点重新分类到地面点，并加入地面点集合VGround。
设计方案
1.一种基于往期DEM辅助的TIN滤波改进方法，其特征在于，包括以下步骤：
(1)通过坐标系统一、点云数据组织和点云噪声剔除对LiDAR点云数据进行预处理；
(2)将点云数据按DEM地形面约束分为非地面点和待分类点，分别加入非地面点集合VNon-Ground<\/sub>和待分类点集合VNon-Classfication<\/sub>；
(3)利用DEM数据的高程信息，从点云数据中选取准确可信的地面点，加入地面点集合VGround<\/sub>；具体为：
(3-1)先对LiDAR点云数据建立规则格网索引，然后在每个格网内选择高程值最小点作为地面种子点加入地面点集合VGround<\/sub>；
(3-2)从DEM数据中提取出断裂线区域，将落入断裂线区域的格网划分为更小的格网，再分别在每个小格网内选择高程值最小点作为种子点加入地面点集合VGround<\/sub>；
(4)以步骤(3)所得地面点作为地面种子点构建初始地形TIN模型，利用DEM数据的坡度信息对地面点判断参数进行优化，再在所述初始地形TIN模型的基础上对待分类点集合VNon-Classfication<\/sub>进行地面点的判别，并加入地面点集合VGround<\/sub>；具体为：
(4-1)以步骤(3)所得地面点作为地面种子点构建初始地形TIN模型；
(4-2)遍历所述待分类点集合VNon-Classfication<\/sub>中的每一个点，按式1计算该点处的相对地面高度阈值Td<\/sub>和地形角阈值Tθ<\/sub>，并计算该点与TIN模型中所在三角形的相对地面高度d和地形角θ，判断是否满足d＜Td<\/sub>且θ＜Tθ<\/sub>，若满足条件，则该点标记为地面点，加入地面点集合VGround<\/sub>，插入到TIN模型中并更新；
所述式1为
设计说明书
技术领域
本发明属于机载激光雷达数据处理技术领域，更具体地说，涉及一种基于往期DEM(数字高程模型)辅助的TIN(不规则三角网)滤波改进算法。
背景技术
传统的渐进加密不规则三角网滤波算法可以概括为四个步骤：1、对LiDAR点云数据进规则格网划分，格网尺寸一般要不小于测区内建筑物最大直径；2、选择对每个格网分块中的最低点作为地面点的初始种子点，构建初始地形TIN模型；3、根据地面点判断准则，逐点判断余下的数据点是否为地面点，若是地面点则添加到TIN模型中，并将数据点标记为地面点；4、迭代进行步骤3，直到没有新的数据点满足地面点判断条件或迭代次数达到限值。渐进加密TIN滤波的稳定性和滤波效果都比较好，能够适应相对复杂的地形，滤波效果具有较强的鲁棒性，但初始种子点的选取对滤波结果影响较大，在不同的坡度地形条件下需要输入不同的地面点判断参数才能获得较好的效果。
发明内容
发明目的：针对现有技术存在的上述问题，本发明的目的在于提供一种基于往期DEM辅助的TIN滤波改进算法，实现往期DEM辅助下的LiDAR点云自适应滤波处理。
技术方案：为了解决上述问题，本发明所采用的技术方案如下：
一种基于往期DEM辅助的TIN滤波改进算法，包括以下步骤：
(1)通过剔除点云噪声对LiDAR点云数据进行预处理；
(2)将点云数据按DEM地形面约束分为非地面点和待分类点，分别加入非地面点集合VNon-Ground<\/sub>和待分类点集合VNon-Classfication<\/sub>；
(3)利用DEM数据的高程信息，从点云数据中选取准确可信的地面点，加入地面点集合VGround<\/sub>；
(4)以步骤(3)所得地面点作为地面种子点构建初始地形TIN模型，利用DEM数据的坡度信息对地面点判断参数进行优化，再在所述初始地形TIN模型的基础上对待分类点集合VNon-Classfication<\/sub>进行地面点的判别，并加入地面点集合VGround<\/sub>；
(5)利用TIN模型对步骤(2)所得非地面点进行分析处理，将非地面点集合VNon-Ground<\/sub>中的地形凸起变化区域地面点重新分类到地面点，并加入地面点集合VGround<\/sub>。
所述步骤(2)具体为：
(2-1)遍历点云数据中的每一个点，若其不是仅一次回波点或多次回波中的末次回波点，则将该点分类为非地面点，加入非地面点集合VNon-Ground<\/sub>，否则保留为待分类点，加入待分类点集合VNon-Classfication<\/sub>；
(2-2)遍历步骤(2-1)得到的所述待分类点集合VNon-Classfication<\/sub>中的每一个点，计算该点与相同平面坐标位置的DEM地形面的高程差；
(2-3)设定高差阈值Hthreshold<\/sub>，并判断每一个点与DEM的高程差值是否超过阈值，若超过阈值，则判断为待定非地面点，加入非地面点集合VNon-Ground<\/sub>，否则保留为待分类点，加入待分类点集合VNon-Classfication<\/sub>。
优选的，所述高差阈值Hthreshold<\/sub>的设定值为2m。
所述步骤(3)具体为：
(3-1)先对LiDAR点云数据建立规则格网索引，然后在每个格网内选择高程值最小点作为地面种子点加入地面点集合VGround<\/sub>；
(3-2)从DEM数据中提取出断裂线区域，将落入断裂线区域的格网划分为更小的格网，再分别在每个小格网内选择高程值最小点作为种子点加入地面点集合VGround<\/sub>。
优选的，所述格网的尺寸为5～10m。
所述步骤(4)具体为：
(4-1)以步骤(3)所得地面点作为地面种子点构建初始地形TIN模型；
(4-2)遍历所述待分类点集合VNon-Classfication<\/sub>中的每一个点，按式1计算该点处的相对地面高度阈值Td<\/sub>和地形角阈值Tθ<\/sub>，并计算该点与TIN模型中所在三角形的相对地面高度d和地形角θ，判断是否满足d＜Td<\/sub>且θ＜Tθ<\/sub>，若满足条件，则该点标记为地面点，加入地面点集合VGround<\/sub>，插入到TIN模型中并更新；
所述式1为
其中，a0<\/sub>、a1<\/sub>、b0<\/sub>、b1<\/sub>分别为常数系数； 申请码:申请号:CN201910055755.4 申请日:2019-01-22 公开号:CN109410265A 公开日:2019-03-01 国家:CN 国家/省市:84(南京) 授权编号:CN109410265B 授权时间:20191105 主分类号:G06T 7/521 专利分类号:G06T7/521;G01S7/48 范畴分类:40B; 申请人:江苏省测绘工程院 第一申请人:江苏省测绘工程院 申请人地址:210013 江苏省南京市北京西路75号 发明人:徐地保;王朝辉;万红;郑斌;虞秀花;杨婷;羌鑫林 第一发明人:徐地保 当前权利人:江苏省测绘工程院 代理人:邱兴天 代理机构:32274 代理机构编号:南京申云知识产权代理事务所（普通合伙） 优先权:关键词:当前状态:审核中 类型名称:外观设计 标签：高程系统论文; 设计图
相关信息详情