[发明专利]一种基于地面三维激光点云的边坡DEM生成方法

权利要求书

1.一种基于地面三维激光点云的边坡DEM生成方法，其特征在于，该方法的具体步骤如下：

步骤1，通过地面三维激光扫描系统获取边坡点云，并对其进行数据预处理，得到待空洞修补的原始三维激光点云；

步骤2，对原始三维激光点云进行曲面重构：结合移动最小二乘曲面拟合投影算法，通过定义流行曲面来逼近大规模数据所表示的曲面，并通过数据重采样的方法来控制逼近误差，拟合出点云曲面；

步骤3，从步骤2重构的点云曲面中提取出原始三维激光点云空洞处所需修补的空洞修复点云，并融合到原始三维激光点云中；

步骤4，通过移动最小二乘原理拟合出投影平面，利用投影平面进行点云法向量计算和三角化，构建边坡DEM；其中，在投影平面内三角化的过程中采用Delaunay的空间区域增长算法提高三角网的质量和构网效率，并采用半边数据结构对三角面片进行组织和管理，实现三角网的有效表达和拓扑关系的高效维护。

2.根据权利要求1所述的一种基于地面三维激光点云的边坡DEM生成方法，其特征在于，所述步骤2的具体流程如下：

步骤21，首先对原始三维激光点云建立k-dimensional树；

步骤22，设置点云局部表面法线计算的尺度值、多项式拟合运算阶数、曲率运算搜索半径和高斯参数，进行点云表面法向量计算，并保存结果；

步骤23，设置上采样半径和迭代步长，对点云插值密度进行控制，并进行点云曲面插值计算，得到插值重构的三维点云；

步骤24，使用基于邻域统计分析的滤波方法对曲面重构的地形表面点云的浮点或噪声点进行滤除，解决非封闭点云重构曲面边界拟合差的问题；该滤除过程遍历两次插值重构点云数据：在第一次遍历期间，计算每个点的K邻近平均距离，并通过计算出所有重构点的K邻近平均距离和标准偏差以确定其阈值；在第二次遍历中，如果重构点的平均相邻距离分别低于或高于阈值，则重构点将被分类为内点或外点，并滤除所述内点和外点。

3.根据权利要求2所述的一种基于地面三维激光点云的边坡DEM生成方法，其特征在于，所述步骤23中，上采样半径设置为6米，迭代步长设置为1.5米。

4.根据权利要求2所述的一种基于地面三维激光点云的边坡DEM生成方法，其特征在于，所述步骤3的具体流程如下：

步骤31，通过K最邻近搜索，以原始三维激光点云中的每一个点为查询点，从步骤2重构点云的数据中查询K个查询点的最邻近点，并保存其索引值和最近邻距离值；

步骤32，计算原始三维激光点云的平均距离分辨率，该分辨率的确定是通过计算原始三维激光点云中的每一个点的K个最邻近值进行查找，计算K个点最邻近点的距离，并求取距离的平均值实现；

步骤33，遍历每一个最近邻距离值，并判断每一个点的最近邻距离值是否小于所述原始三维激光点云的平均距离分辨率的值，若小于，则将当前查询点的索引存储在对象数组中，否则不存储；并检查所述对象数组中的重复索引，然后去除重复索引；

步骤34，重复步骤31至33，直到原始三维激光点云中所有点都遍历完成，依据索引值，在重构点云中提取出不在索引值中的点，即排除重构点云中的多余点集，保留空洞处的点云；将原始三维激光点云与空洞处的点云合并，完成点云空洞自适应修补，并保存修补数据。

5.根据权利要求4所述的一种基于地面三维激光点云的边坡DEM生成方法，其特征在于，所述步骤4的具体流程如下：

步骤41，设置搜索半径、最大搜索数量、三角形最大最小阈值和相邻两点的法向量角度阈值参数；

步骤42，自适应快速k邻近搜索操作：对经步骤21已建立k-dimensional树的三维激光点云数据，采用动态搜索邻近点的方式，进行自适应快速k邻近搜索操作；设置一个加权因子，当前搜索的范围中得到的邻近点数量不够时，通过与最近点的距离和加权因子的乘积重新设置半径来搜索，以保证搜索到足够数量的点，并克服点云密度不均匀对DEM构网的不利影响；

步骤43，三维点云法向量计算：遍历所有经步骤34修补后的激光三维点云，以任意点p开始执行步骤42的自适应快速k邻近搜索操作，利用MLS原理拟合出一个平面，计算该平面的法向量，将该法向量作为p点的法向量；如果搜索到的相邻点不符合法向量计算要求时，设其法向量为异常值；重复上述操作，获得点云中每个点的法向量；

步骤44，DEM构建及表达：再次遍历所有经步骤34修补后的激光三维点云，以任意一点q开始执行步骤42的自适应快速k邻近搜索操作，如果搜索到的相邻点的法向量为异常值，则跳过该点；将q点投影到其k个相邻局部点拟合的曲面相切的平面中，然后以q点为种子点，依据Delauney准则进行三角形构建；利用半边数据结构进行DEM三角网模型的数据组织与表达。