[发明专利]基于噪声邻域密度的光子计数激光点云自适应去噪方法

说明书

本发明公开了一种基于噪声邻域密度的光子计数激光点云自适应去噪方法，首先将点云投影到沿飞行方向和激光雷达测量视线方向的二维平面内；然后，计算每个点周围矩形搜索区域内所有点的最佳拟合直线，依据最佳拟合直线修改搜索区域为平行四边形，计算平行四边形搜索区域内的点数量，即邻域密度；对所有点的邻域密度进行直方图统计，然后采用高斯函数拟合第一个波峰，确定噪声点邻域密度的均值和标准差；最后，依据噪声点邻域密度的均值和方差确定噪声点邻域密度阈值并进行点云去噪。本发明可以自适应点云密度和目标形态，自适应确定去噪参数，适合在没有先验知识的情况下，大范围自适应点云去噪，具有较高的识别率和准确率。

技术领域

本发明属于光子计数激光雷达点云数据处理技术领域，尤其涉及一种基于噪声邻域密度的光子计数激光点云自适应去噪方法。

背景技术

光子计数激光雷达是今年发展起来的新技术体制激光雷达，目前已经应用到星载对地遥感领域。光子计数激光雷达采用高重频微脉冲激光器发射激光脉冲，采用单光子探测器接收反射的回波脉冲，通过测量发射和接收脉冲的时间差，实现高精度测距。光子计数激光雷达相对传统线性体制激光雷达，所需激光器单脉冲能量小，适合多波束高重频探测，实现高空间分辨率探测。

光子计数激光雷达灵敏度达到单光子量级，造成其点云数据中包含大量噪声点。光子计数激光雷达目标处的信号点云密度大且集中，而噪声点比较分散，目标处沿轨方向点云密度比高度方向密度大。与成熟的机载激光雷达点云相比，点云特性明显不同因此，需要研究适合光子计数激光雷达点云的去噪方法。

针对光子计数激光雷达点云数据的去噪算法主要分为两类。一类是将点云栅格化为二维图像，采用图像处理算法进行去噪。该方法在栅格化过程中会造成有效信息丢失，并且不能充分利用点云的分布特征。另一类根据点云的分布特征，利用点云的局部统计特征进行去噪和分类，可以利用点云的分布特征，但在参数选取方面主要依赖经验，算法精度和适应性难以保障。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种基于噪声邻域密度的光子计数激光点云自适应去噪方法，旨在现有光子计数激光雷达点云数据去噪算法中点云栅格化所导致的信息缺失，点云局部统计特征去噪存在的依赖经验参数的问题。

为了解决上述技术问题，本发明公开了一种基于噪声邻域密度的光子计数激光点云自适应去噪方法，包括：

步骤1，将原始点云投影到二维平面，其中，二维平面的x方向为：沿轨飞行方向，y方向为：激光雷达测量视线方向；

步骤2，以原始点云中各点为中心，选取一矩形搜索区域，分别计算得到各点在周围矩形搜索区域内的最佳拟合直线；

步骤3，根据各点的最佳拟合直线，将矩形搜索区域修改为平行四边形搜索区域，并计算平行四边形搜索区域内点的数量，得到各点的邻域密度；

步骤4，对得到的所有点的邻域密度进行直方图统计，并通过高斯拟合得到噪声点邻域密度的均值μ和标准差σ；

步骤5，对噪声点邻域密度均值μ进行判断；其中，当噪声点邻域密度均值μ满足10≥μ≥5时，执行步骤6；当噪声点邻域密度均值μ不满足10≥μ≥5时，则对平行四边形搜索区域进行等比例缩放，返回执行步骤3，直至噪声点邻域密度均值μ满足10≥μ≥5；

步骤6，根据噪声点邻域密度的标准差σ，计算噪声判定阈值m_P，将邻域密度小于噪声判定阈值m_P的点作为噪声点。

在上述基于噪声邻域密度的光子计数激光点云自适应去噪方法中，将原始点云中的点投影到飞行方向和激光雷达测量视线方向组成的二维平面内，原始点云中的点在二维平面内的坐标为：(x_i，y_i)。