[发明专利]机载LiDAR点云中玻璃板漫反射噪声的去噪方法和系统

权利要求书

1.一种机载LiDAR点云中玻璃板漫反射噪声的去噪方法，其特征在于，包括：

S1、估计点云中噪声点的高程范围I_noise并构建候选噪声点集合S_cand，具体包括：

S11、在投影坐标系下将点云集合S_all内的点垂直投影到XY平面，计算S_all内点的X坐标最大值x_max和最小值x_min，Y坐标最大值y_max和最小值y_min，并基于XY坐标构建点云二维空间索引；

S12、对点云在XY平面的投影区域进行栅格化，每个栅格为边长是d_cell的正方形，D为平均点密度；设X方向的栅格数为N_col，Y方向的栅格数为N_row；为向上取整运算符；

每个栅格的中心点为二维噪声检测点，第i行第j列的二维噪声检测点cell_ij(x_dtc,y_dtc)坐标的计算方法是：

S13、构建可能噪点集合S_pn；利用点云二维空间索引在S_all中搜索以二维噪声检测点cell_ij为圆心，d_cell/2为半径的圆形邻域内的点，设搜索到的点构成集合s_ij，计算s_ij内点的最小高程z_minij和最大高程z_maxij，得到高程差△z_ij：△z_ij＝z_maxij-z_minij；

如果△z_ij大于等于高程差阈值△z_thre，则将s_ij内的点放入可能噪点集合S_pn；

将可能噪点集合S_pn中点的高程范围[z_minpn,z_maxpn]以粗粒度均匀划分为多个粗子区间，统计S_pn落入每个粗子区间的点数，取点数最多的L个粗子区间的并集作为噪声点的第一高程范围I₁；

将第一高程范围I₁以细粒度均匀划分为多个细子区间，统计S_pn落入每个细子区间的点数，取点数最多的K个细子区间的并集作为噪声点的高程范围I_noise；

S14、构建候选噪声点集合S_cand，所述候选噪声点集合S_cand由点云集合S_all中同时满足如下条件的点组成：

条件一：高程位于I_noise范围内；

条件二：回波强度位于预设的强度范围[it_min,it_max]内；

条件三：回波序号属于预设的回波序号S_echo；

对候选噪声点集合S_cand内的点建立点云三维空间索引；

S2、对候选噪声点集合S_cand内的点进行时间约束的三维欧几里得聚类，构建聚类集合S_allcluster，具体包括：

S21、为候选噪声点集合S_cand中的每个点添加状态标签，并初始化为未使用；建立聚类集合S_allcluster；

S22、遍历S_cand中的点，对于其中状态标签为未使用的点p₀构建聚类S_cluster，具体步骤包括：

S221、将p₀的状态标签设置为已使用，建立聚类S_cluster、种子点集合S_seed、扩张点集合S_new，将p₀加入S_cluster和S_seed；

S222、清空扩张点集合S_new，遍历S_seed内的点，对于其中点p_current，建立邻域点集合S_neighb，使用点云三维空间索引将S_cand中以p_current为中心，R为半径的球形邻域内除p_current外的点加入S_neighb中；

将S_neighb中状态标签为未使用，且与p_current的时间差小于时间差阈值△t_thre的点的状态标签设置为已使用，加入扩张点集合S_new中；

S223、在遍历完S_seed内的点后，如果S_new不为空，将S_new的点加入S_cluster，更新种子点集合S_seed为S_new；跳转至步骤S222进行新的扩张；

如果S_new为空，判断S_cluster内的点数是否位于[N_min,N_max]范围内，如是，则S_cluster为有效聚类，加入聚类集合S_allcluster中；N_min和N_max分别为预设的聚类最小点数阈值、聚类最大点数阈值；

跳转至步骤S221，为S_cand中下一个状态标签为未使用的点构建聚类；

S3、判断聚类集合S_allcluster中每个聚类是否为噪声点聚类，并将噪声点聚类从点云S_all中去除，具体包括：

S31、对非聚类点集合S_nocluster内的点，依据其XY坐标重新构建点云二维索引，所述非聚类点集合S_nocluster由S_all去除聚类集合S_allcluster中的所有点得到，即：

S_nocluster＝S_all-S_allcluster；

S32、遍历S_allcluster内的每个聚类，判断每个聚类是否为噪声，包括：

S321、设当前聚类为S′_cluster，S′_cluster∈S_allcluster，将S_c′_luster所有点垂直投影到XY平面，计算其二维边界，寻找位于二维边界上的点，设S_c′_luster位于二维边界上的点构成集合S_bound，共N_bound个点；

S322、对S_bound内的点进行遍历，设其中第u个点为利用点云二维空间索引在S_nocluster中搜索以为圆心，d_cell2为半径的圆形邻域内的邻域点，设这些邻域点构成集合

计算内点的最大高程和最小高程以及和内点的最小高程差其中min(·)为计算最小值函数；

S323、对S_bound内的所有N_bound个点，计算的平均值

S324、如果大于等于高程差阈值△z_thre，则认为S′_cluster内的点均为噪声，将S′_cluster内的点从点云S_all中去除；跳转至步骤S321处理S_allcluster内的下一个聚类；

S4、对去除噪声点聚类后的点云采用点状噪声去噪法去噪。