[发明专利]一种机载激光点云数据的快速滤波方法

说明书

技术领域

本发明涉及遥感测绘领域，尤其是一种机载激光点云快速滤波方法。

背景技术

LiDAR（激光扫描）系统集GNSS（全球导航卫星系统）、INS（惯性导航系统）、激光扫描系统于一体，能够直接测得空间点三维坐标，可高效快捷获取数字表面模型。现在的机载LiDAR技术可获取15-20cm水平分辨率的数据，一条航带测得的点数往往超过一千万。如此巨大的数据量，如何快速处理就成为一个值得研究的问题。另外，实际应用中一些关键领域也对数据的快速处理提出了要求，如地震区地形的提取，为了尽快制定出救援方案减小伤亡，必须在最短时间内得到地震区的地形数据。

点云滤波是LiDAR数据处理过程中的重要一步，它将激光点分成地面点和非地面点如建筑物、树木等，是生成DEM（数字高程模型）并获取地形信息的关键步骤。研究人员提出了很多自动滤波算法，如基于数学形态学的滤波方法、基于线性预测的方法、基于渐进三角网的方法、基于分割的方法等。Sithole和Vosselman在2004年ISPRS大会上对常见的几种算法的做了一下对比，同时指出没有哪一种算法能处理好所有地形。近年来研究人员仍然在研究这个问题，如D. Costantino、 F. Crosilla将高阶矩引入点云的分类，取得了不错的结果。面对巨大的数据量，研究人员也开始注意数据处理的效率。Shan和Sampath、Han等分别提出了一维的滤波算法。相对于目前大多数二维滤波算法，一维滤波算法效率更高，速度更快。同时，并行计算方法也被引入用以加快处理速度。如计算机集群、GPU（图形处理器）、云计算、FPGA（现场可编程门阵列）等都有应用。相对于其他技术，GPU更常见更便宜，目前几乎所有的计算机中都装有GPU。另外，自NVIDIA公司发布CUDA（统一计算设备架构）后，GPU编程变得更加灵活和简单。其强大的并行计算能力使一些应用获得了上百倍的加速。CUDA中的线程以层状结构进行组织，多个线程组成一个线程块，多个线程块又组成一个网格。GPU上的存储器分为全局存储器、共享存储器等。一个线程块中的线程可以通过高速的共享存储器进行通信，线程块间的线程只能通过访问延迟比较大的全局存储器进行通信。执行在GPU上的函数称为核函数。

发明内容

本发明主要是解决存在的上述问题，提出了一种一维快速滤波方法，并利用GPU对其进行加速，提高处理速度。

本发明的技术方案是，一种机载激光点云数据的快速滤波方法，包括以下步骤：

步骤1，读取激光点云数据，并按扫描线组织激光点云数据中包含的点；

步骤2，对每一条扫描线进行滤波处理，具体方式如下，

根据地物尺寸沿扫描线设置一个窗口，找出窗口内最低点，然后沿扫描线移动这个窗口，最终得到一系列局部最低点，将这些局部最低点标记为地面点；

以这些局部最低点为种子点，分别向左右两边进行生长，判断相邻点的高差和坡度是否均在预设的阈值范围内，不是则将该相邻点标记为非地面点，停止向该相邻点方向的判断；是则将该相邻点标记为地面点，并以这个点为基础继续判断相邻点的高差和坡度是否均在预设的阈值范围内，直到相邻点为非地面点或边界点或是已被判断处理过的点为止；所述边界点是该扫描线最左边的点或最右边的点。

而且，将激光点云数据由内存拷贝到显存，利用图形处理器对步骤2进行加速，对所有扫描线进行滤波处理完成后将各点的标记由显存拷贝回内存；图形处理器通过同时对多条扫描线进行滤波处理实现加速，包括以下步骤，

步骤a，通过执行第一个核函数，计算每条扫描线上所有相邻的点之间坡度和高差；

步骤b，设置移动窗口，通过执行第二个核函数，找出窗口内局部最低点；

步骤c，通过执行第三个核函数，以步骤b所得局部最低点为种子点，分别向左右两边进行生长，根据步骤a所得计算结果判断相邻点的高差和坡度是否均在预设的阈值范围内，不是则将该相邻点标记为非地面点，停止向该相邻点方向的判断；是则将该相邻点标记为地面点，并以这个点为基础继续判断相邻点的高差和坡度是否均在预设的阈值范围内，直到相邻点为边界点或是已被判断处理过的点为止。

本发明直接处理原始数据而不是重采样后的数据，因而没有几何精度的损失；它属于一维滤波方法，不需要计算复杂的二维邻接关系，简单高效；而且各条扫描线单独处理，非常适合并行计算处理，利用GPU强大的并行处理能力，可获得十几倍的加速。

附图说明

图 1 为本发明的扫描线滤波方法示意图。

图 2为本发明实施例的GPU（CUDA）加速示意图。