机载激光雷达点云数据滤波算法的研究与应用

【摘要】：机载激光雷达数据处理是Lidar应用系统的重要组成部分,大约有80%的工作量都集中在这上面,其中数据滤波DEM生产技术是最基础的数据处理工作,它对后续的数字产品生产、应用保障都起到关键作用,也是Lidar技术发展与研究的前沿性课题。本文围绕机载Lidar数据滤波技术,结合点云数据结构特征,进行了深入的研究和探索。本文的主要工作和创新点是: 1.系统的阐述了机载Lidar的定位原理及其结构组成,介绍Lidar的主要数据结构及地物特征,分析数据处理的难点,为实际工程应用和后续的滤波算法设计提供理论依据。 2.分析原始机载Lidar点云数据噪声点的形成原因,介绍新设备数据噪声形成的特点,针对传统高差阈值法需要大量的统计分析和实验判断的缺点,提出一种高程平面拟合与邻近点密度相结合的判断准则,采用迭代计算-自适应改变阈值参数的方式检测噪声点,改善了噪声剔除效果。 3.改进了基于虚拟格网结构的形态学滤波方法。采用虚拟格网的数据组织方式,避免对原始数据进行内插格网损失精度。利用形态学梯度作为数据点是否进行开运算的阈值条件,提高对陡坎突变地形判断的准确性,对前后两次形态学开运算的结果进行二次判断,利用地物数据集区域的边缘特性作为地物识别特征,提高滤波的准确度,避免简单的阈值判断对地形数据的损失。实验分析证明,算法具有很强的适应性,在非城区的自然复杂地形数据具有良好的滤波效果。 4.设计一种基于八叉树数据结构的点云聚类分割算法。利用八叉树的数据组织结构完成点云数据的聚类分割,对八叉树节点采用分割-融合两个步骤整合零散区域,改进区域分割的结果,提高准确性。同时在建立八叉树节点的过程中完成原始数据的索引组织结构,方便数据点集之间的查询计算,提高滤波效率。 5.基于上述分割结果,提出一种结合区域拓扑结构信息与高差不连续性的滤波准则。对于分割结果的区域数据设计了一种拓扑结构信息,在区域块数据集类别判断上,考虑了区域之间高差不连续性及之间的拓扑结构关系双重判断标准,运用迭代计算的方式,逐渐剔除地物区域数据集以最终达到滤波的目的。该方法改善了传统聚类滤波中的地物判断缺点,在城区地形数据具有良好的表现。 6.设计一种波形宽度阈值的全波形数据滤波方法。针对全波形数据的特点,用数学推导的方式证明其是高斯模型的波形叠加,采用最小二乘迭代优化的方式估计波形参数,利用波形宽度作为植被点和地形点的分类阈值,完成植被区域数据点的滤波。