没有合适的资源?快使用搜索试试~ 我知道了~
基于多特征自适应的单光子点云去噪算法.docx
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 123 浏览量
2023-02-23
16:46:19
上传
评论 1
收藏 802KB DOCX 举报
温馨提示
试读
26页
基于多特征自适应的单光子点云去噪算法.docx
资源推荐
资源详情
资源评论
0. 引 言
激光雷达(Light Detection and Ranging,LiDAR)是集激光、全球定位系统和惯性导
航系统于一体的高效对地观测系统,能够获取地面及地面目标的高精度三维信息
[1]
。在
2018 年,美国 NASA 发射的 ICESat-2 搭载了先进的地形测绘系统(Advanced Topographic
Laser Altimeter System, ATLAS),它采用多波束微脉冲光子技术,3 对强弱波束以 10 kHz
的高重频、沿轨向 0.7 m 间隔获取全球范围内的高精度三维信息
[2]
。ATLAS 具有高重频、
微脉冲、小光斑、高效率、轻量化等优势,但是易受太阳背景噪声的影响,数据中混杂了
大量的噪声,使得有效信号的提取变得困难
[3]
。ATLAS 数据沿轨道成条状分布,光子点云
密度不均匀,因此需要研究合适的光子点云去噪算法
[4]
。
国内外学者针对单光子点云去噪算法开展了很多研究,Magruder 等于 2012 年首先介
绍了 3 种光子点云去噪方法,包括 Canny 边缘检测、基于概率密度函数和局部统计分析的
信号提取
[5]
,可分为基于图像处理和局部统计的两类点云去噪算法。现有基于图像处理的
去噪算法中主要以直方图为主,在 ATLAS 官方发布的系列产品中,ATL03 产品采用的是
基于直方图的滤波算法,但是在复杂地形区域性能较差
[6]
。David 等针对存在坡度的地区
实行倾斜直方图算法,但是其倾斜直方图的斜率是通过已获得信号线性拟合得到
[7]
。基于
局部统计的去噪算法种类较多,且发展出多种自适应点云去噪算法。ATL08 产品采用的算
法为差分、回归和高斯自适应最近邻算法(Differential,Regressive,and Gaussian Adaptive
Nearest Neighbor, DRAGANN),在噪声水平相同的情况下具有较强的自适应,但是对于
局部噪声水平变化不敏感
[8]
。许艺腾等提出了基于地形相关和最小二乘曲线拟合的单光子
激光数据处理技术,同样是将噪声考虑为均匀分布
[9]
。曹彬才等提出基于空间密度自适应
的单光子激光点云去噪算法,通过将局部密度拟合为两个高斯函数对噪声和信号进行自适
应阈值分割,但是其局部密度由圆形半径的确定
[10]
。Zhang 等提出改进的 DBSCAN 算法
(Density Based Spatial Clustering of Applications with Noise),考虑到地面点云在水平方向
更为集中,将传统的圆形改进为水平椭圆,但是这也会导致在坡度大的区域效果较差
[11]
。
谢锋等提出方向自适应的光子计数激光雷达滤波方法,采用密度最大的方向作为最佳的滤
波方向,这可能会使地面附近的噪声被识别为信号
[12]
。光子去噪算法逐渐成熟,但在结果
中不可避免地会出现一些靠近地面的噪声点被误分为信号光子和信号密度较低识别不出来
的问题
[13]
。
综上所述,目前单光子点云的噪声滤除主要难点是在坡度较大和噪声水平不一致的区
域难以取得很好的结果,为此文中提出了一种基于多特征自适应的单光子点云去噪算法。
1. 数据处理算法
下载: 全尺寸图片 幻灯片
1.1 滤波核形状选择
ATLAS 沿轨道每 0.7 m 采样一次,由地面或地面目标反射的点云具有高度的空间自相
关性,现有的点云去噪算法都是基于空间自相关的地面点云密度大于噪声点云密度进行噪
声去除和信号提取的。由于单光子逐脉冲的采样特征,传统的圆形和椭圆滤波核在平坦地
区和坡度较大地区所包含的信号数量具有较大的不一致,如图 2(a)和(b)所示。平坦
地区和坡度为 45°地面信号总数量一样,但是在圆形和椭圆滤波核中包含的数量不一致,
这是由于倾斜的地面点云与平坦的地面点云具有相同的水平采样频率,倾斜的地面点云投
影到水平方向的范围随着坡度的增大而减小,相应包含的脉冲数量随之减少。
式中:L 为椭圆或圆包含倾斜信号的水平范围,即在水平方向的投影范围;r 为圆的
半径或椭圆的半长轴;θθ 为地面相对于水平方向的坡度。由公式(1)可知,随着坡度的
上升,L 会随之下降,即滤波核包含地面点云的脉冲数量会随着坡度的升高而降低。特别
地,当 2r 设置为 35 m,坡度为 45°时,L 仅为 24.75 m,包含信号光子的数量大大降低。
光在后向散射方向被反射的概率分布会因不同的斜率而变化,当斜坡越陡时,到达探
测器的信号光子会更少
[14]
,如图 2(c)所示。传统的圆形和椭圆滤波核在坡度较大地区包
含很少的信号光子,其局部密度特征会受到很大的限制。在点云数据中定义一个以点 p 为
中心沿坡度平行的平行四边形区域,如图 2(d)所示,由方向不变的垂直方向作为平行四
边形的底边长 2b,高为沿轨水平方向 2a,则任意一个点 q 是否在该平行四边形内可以用以
下公式进行判断:
∣∣∣dis(hp,q,θ)b∣∣∣=∣∣∣hq−hp−(xq−xp)sin(θ)b∣∣∣|dis(hp,q,θ)b|=|hq−hp−(xq−xp)sin(θ)b|
(2)
∣∣∣dis(xp,q)a∣∣∣=∣∣∣xq−xpa∣∣∣|dis(xp,q)a|=|xq−xpa|
(3)
式中:hphp、hqhq 分别表示 p、q 点的高程;xpxp、xqxq 分别代表 p、q 点的沿轨距
离;dis(hp,q,θ)dis(hp,q,θ)表示 q 点高程与过 p 点沿坡度方向直线在垂直方向的距离,对此
距离取绝对值,即平行四边形在垂直方向跨度的一半为 b,当∣∣∣dis(hp,q)b∣∣∣|dis(hp,q)b|小于
1 时,q 在平行四边形内,当其大于 1 时,q 在平行四边形外; dis(xp,q)dis(xp,q)表示 p、q
两点之间的水平距离,对此距离取绝对值即平行四边形在水平方向跨度的一半为 a,当
∣∣∣dis(xp,q)a∣∣∣|dis(xp,q)a|小于 1 时,q 在平行四边形内,当其大于 1 时,q 在平行四边形
外。
已经有研究表明,50 束脉冲和 100 束脉冲的高程剖面对比时,通过 50 束脉冲反演海
拔高度对地表细节更加敏感
[15]
。文中采用 50 束脉冲距离即 35 m 作为平行四边形的高 2a,
平行四边形的底边长 2b 为 6 m。已有研究中将椭圆长轴和短轴分别设置为 35 m 和 3 m
[16]
,
文中滤波核判断时对应到公式(2)、(3)中 a 为 17.5 m,b 为 3 m。
1.2 坡度自适应
传统的圆形不需要求解坡度进行坡度自适应,但是在信号密度高时,所使用的大半径
滤波核会将信号附近的噪声错分为信号。随之出现改进圆形滤波核为椭圆核的算法,椭圆
滤波核需要进行坡度自适应,谢锋等将滤波核中光子数量最大的方向作为最佳滤波方向,
这可能会导致密集信号附近的噪声被误识别为信号的情况
[12]
。王玥等采用粗去噪后得到的
地表坡度作为最佳滤波方向,由于粗去噪本身采用的是特定沿轨距离直方图统计进行的,
采用的坡度是将沿轨距离内的坡度平滑后得到的,并不能精确反映各位置实际的坡度
[17]
。
针对以上问题,文中提出通过点左右等边平行四边形(正方形)高程中值实现坡度自
适应,正方形是特殊的平行四边形,可以保证垂直方向和沿轨方向拥有相同的距离,其中
值可以明显反映点云分布特征,如图 3 和图 4 绿色点所示。当识别信号需要用多束脉冲集
合区分信号和噪声时,信号光子高程分布区间会随着坡度的增大而增大,但是每束脉冲中
剩余25页未读,继续阅读
资源评论
罗伯特之技术屋
- 粉丝: 3530
- 资源: 1万+
下载权益
C知道特权
VIP文章
课程特权
开通VIP
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功