[发明专利]一种基于空间密度和聚类的分步点云噪声去除方法

说明书

本发明公开了一种基于空间密度和聚类的分步点云噪声去除方法，包括：S1，抽取点云数据总量预设比例的点云计算其点云密度，作为整个点云数据的平均密度，统计其r×r×r立方体空间中点云平均数量Q，将Q作为空间密度去噪法密度阈值的参考值，并定义阈值O；S2，遍历点云数据中的每一个点，求取该点的r×r×r立方体空间中的点云数量K，若K小于阈值O，则判定为点状噪声点并去除；若K大于等于阈值O，则保留，以获得去除了点状噪声点的初次去噪点云数据；S3，对初次去噪点云数据进行聚类，读取点云数据集合；S4，统计每个集合中的点云数量M，若M小于参考值Q，则判定为簇状噪声点并去除；若M大于等于参考值Q，则保留以得到最终去噪结果。本发明能够同时滤除点状噪声和簇状噪声。

技术领域

本发明涉及地理空间信息系统技术领域，特别是涉及一种基于空间密度和聚类的分步点云噪声去除方法。

背景技术

机载激光雷达(LiDAR，Light Detection and Ranging)系统是一种集激光测距技术、计算机技术、惯性测量单元(IMU)/DGPS差分定位技术于一体的主动式对地观测系统。该系统不仅可以量测地面物体的三维坐标，还能获取该激光点的反射强度信息。具有自动化程度高、受天气影响小、数据生产周期短、精度高、不受外界条件影响等优点，因此被广泛应用于获取地表空间信息。但在其获取地表空间信息时，由于LiDAR系统自身或是测区环境的原因，获取的点云数据中往往包含着噪声。

噪声点根据其聚集特性可分为两类，第一类为点状噪声，点状噪声又分为高位噪声和低位噪声，特点为无规律且离散分布于整个测区。这类噪声由于LiDAR系统在激光发射和返回时产生距离异常值或是接收了多次无效的激光漫反射造成；第二类为簇状噪声点，特点为少数几个噪声点成簇状聚集，这类噪声大部分是由于激光脉冲信号打在飞行物上所导致的。

噪声点对点云数据的后续处理会造成很大影响，例如在大部分LiDAR点云数据滤波算法中是以局部高程最低点为地面点这一假设进行的，如果低位噪声没有去除，就会使得部分地形点被误判为地物点而被滤除。在三维建模中，噪声点的存在同样也会影响建模的精度。

为了避免噪声点对点云数据滤波、建模等后续工作的影响，现有技术提供了多种去噪方法，例如：①基于距离的去噪方法，该方法主要基于噪声点和有效点不同的分布特点进行去噪。由于噪声点分布散乱，其与邻近点的距离较有效点与邻近点的距离大得多，从而可设置距离阈值将其区别并剔除。②基于数学形态学的去噪方法，该方法主要利用开运算和闭运算进行滤波，当窗口大小设置得非常小时可用于滤除噪声点。

但上述这些去噪方法都只能去除部分噪声点，在去除簇状噪声上的表现不够理想，即存在无法同时滤除点状噪声和簇状噪声的问题。

发明内容

本发明的目的在于解决无法同时滤除点状噪声和簇状噪声的问题，提出一种基于空间密度和聚类的分步点云噪声去除方法。

一种基于空间密度和聚类的分步点云噪声去除方法，包括以下步骤：

S1，抽取点云数据总量预设比例的点云计算其点云密度，将该点云密度作为整个点云数据的平均密度，统计其r×r×r立方体空间中点云平均数量Q，将Q作为空间密度去噪法密度阈值的参考值，并根据该参考值定义阈值O；

S2，遍历点云数据中的每一个点，求取该点的r×r×r立方体空间中的点云数量K，若K小于阈值O，则判定为点状噪声点并去除；若K大于等于阈值O，则保留，以获得去除了点状噪声点的初次去噪点云数据；

S3，对上述初次去噪点云数据进行聚类，读取点云数据集合；

S4，统计每个集合中的点云数量M，若M小于参考值Q，则判定为簇状噪声点并去除；若M大于等于参考值Q，则保留以得到最终去噪结果。

其中，所述步骤S1具体包括以下步骤：