[发明专利]基于密度聚类的激光雷达点云快速分类滤波算法

权利要求书

1.基于密度聚类的激光雷达点云快速分类滤波算法，其特征是：以激光雷达点云的空间密度、地物类点云和地形类点云的特征属性为依据，首先根据点云的高程值进行聚类，再进行平面点云的筛选，从而达到降低数据样本数量和特征维度的目的，最后通过DBSCAN聚类，将原始点云分为噪音类、地物类、及地形类点云;

具体步骤如下：

(1)划分网格：将测区点云按平面坐标划分到不同的网格，由于一个大测区内地形高低起伏，而地物裹挟其中，点云大量堆砌的情况下，直接对大测区按高程聚类将导致聚类结果差，而先将大测区划分成长度为D的若干小测区可以充分保留地物特征；

(2)DBSCAN第一次聚类：逐网格对点云进行DBSCAN第一次聚类，以点的高程为特征属性，按(Epsilon1,MinPts)将点云分为若干个无属性类，其中MinPts要求大于数据的维度；因噪声具有无核心点、低密度的特征，聚类会将噪声分为单独的noise类，达到去噪的效果；

(3)选择初始地形类：测区中的最低类认定为地形类，汇总所有初始聚类结果形成初始地形类；由于地形和地物在高度上没有绝对的区别，高度只是作为判断的依据之一，此时的初始地形中仍可能包含地物点；

(4)计算最邻近点高差：搜索水平面最邻近点对并计算高差，地物与地形点云的一个共点是：在同一类别内，水平距离短时高度变化小；一个区别是：地物类的边界点在较短水平距离内会有较大高度变化；以(range1,range2)为阈值，若存在一对点，在range1水平距离内的高差不小于range2，即认为较高的一点为地物边界点；只要找到一地物类的任一边界点，通过聚类就能找到整个地物；

(5)DBSCAN第二次聚类：用突变点进行DBSCAN第二次聚类，找到的地物边界点称为突变点，以突变点为初始点按(Epsilon2,MinPts)在初始地形类中聚类；

(6)形成地形类：在得到聚类结果后，若点云有类属，则认为该点云是地物点，反之则为地面点，形成最终地形类，完成分类滤波。