一种点云数据的滤波方法及装置与流程

文档序号:11135334
一种点云数据的滤波方法及装置与制造工艺

本发明实施例涉及数据处理技术领域,尤其涉及一种点云数据的滤波方法及装置。



背景技术:

机载激光探测与测量(Light Detection And Ranging,LiDAR),又称机载激光雷达,是一种新兴的三维数据获取方式,能够快速获取高时空分辨率的地物三维坐标,具有时间和空间分辨率高、观测范围大、作业效率高及能够穿透树林等优势,在基础测绘、城市规划、三维重建、林业调查和电力巡线等领域具有广泛应用。

激光雷达点云数据中同时包含地面点和非地面点,滤波是从点云数据中分离地面点和非地面点的过程,它是利用点云数据生成高精度的数字高程模型(Digital Elevation Model,DEM)和后续应用的基础性工作。关于滤波方法的相关研究有很多,如形态学滤波、基于坡度的滤波及基于表面的滤波等,但这些滤波方法在应用于地形较为平坦的地区时效果较好,但是对于地形起伏较大或地物类型较为复杂的地区则效果较差,尤其是茂密的森林地区,通常需要借助人工编辑才能达到理想的滤波效果,增加了人工成本。



技术实现要素:

本发明实施例的目的是提供一种点云数据的滤波方法及装置,以优化现有的机载激光雷达点云数据的滤波方案。

一方面,本发明实施例提供了一种点云数据的滤波方法,包括:

将点云数据转化为栅格数据,并获取所述栅格数据中的每个网格中的最低点作为初始点;

对所述栅格数据进行形态学开运算,得到初始地形表面;

对于每个初始点,确定当前初始点所落入的所述初始地形表面中的目标网格,计算所述当前初始点的高程值与所述目标网格的值的差值,当所述差值小于预设差值阈值时,将所述当前初始点确定为潜在地面种子点;

根据潜在地面种子点构建初始三角网模型;

基于不规则三角网滤波算法根据所述初始三角网模型确定地面点。

另一方面,本发明实施例提供了一种点云数据的滤波装置,包括:

初始点获取模块,用于将点云数据转化为栅格数据,并获取所述栅格数据中的每个网格中的最低点作为初始点;

初始地形表面获取模块,用于对所述栅格数据进行形态学开运算,得到初始地形表面;

潜在地面种子点确定模块,用于对于每个初始点,确定当前初始点所落入的所述初始地形表面中的目标网格,计算所述当前初始点的高程值与所述目标网格的值的差值,当所述差值小于预设差值阈值时,将所述当前初始点确定为潜在地面种子点;

初始三角网模型构建模块,用于根据潜在地面种子点构建初始三角网模型;

地面点确定模块,用于基于不规则三角网滤波算法根据所述初始三角网模型确定地面点。

本发明实施例中提供的点云数据的滤波方案,将点云数据转化为栅格数据,并获取栅格数据中的每个网格中的最低点作为初始点,对栅格数据进行形态学开运算,得到初始地形表面,对于每个初始点,确定其与所落入的目标网格的绝对高差,筛选出潜在地面种子点,根据潜在地面种子点构建初始三角网模型,并基于不规则三角网滤波算法根据初始三角网模型确定出最终的地面点。通过采用上述技术方案,能够合理的确定地面种子点,在确保初始三角网模型的准确度和精度的同时,提高滤波效率,从而快速准确的筛选出点云数据中的地面点。

附图说明

图1为本发明实施例一提供的一种点云数据的滤波方法的流程示意图;

图2为本发明实施例一提供的一种栅格示意图;

图3为本发明实施例一提供的一种腐蚀处理过程示意图;

图4为本发明实施例一提供的一种膨胀处理过程示意图;

图5为本发明实施例二提供的一种点云数据的滤波方法的流程示意图;

图6为本发明实施例三提供的一种点云数据的滤波方法的流程示意图;

图7为本发明实施例三提供的一种三角网模型示意图;

图8为本发明实施例三提供的一种初始三角网模型示意图;

图9为本发明实施例四提供的一种点云数据的滤波方法的流程示意图;

图10为本发明实施例四提供的一种基于不规则三角网滤波算法进行地面点判定的示意图;

图11为本发明实施例五提供的一种点云数据的滤波装置的结构框图;

图12为本发明实施例七提供的一种终端的结构框图;

图13为本发明实施例四提供的一种加密示意图。

具体实施方式

为了方便理解本发明实施例的技术方案以及相应的有益效果,首先对现有技术中常见的点云数据的滤波方案进行介绍:

1)数学形态学滤波。该算法基于形态学开运算及闭运算等操作,通过移动窗口滤除地物点,较适用于城区点云数据的滤波,而不适用于茂密林区点云数据的滤波,且滤波结果依赖于移动窗口尺寸。

2)基于坡度的滤波算法。该算法的基本思想是当相邻两个点的高程差异很大的时候,认为这种高程差异是由地形突变引起的可能性很小,所以其中较高的点可能是非地面点。算法的实现过程简单,但是需要预先知道地形坡度大小,滤波结果对坡度变化非常敏感。

3)不规则三角网(Triangular Irregular Network,TIN)滤波算法。该算法的基本思想是通过移动窗口寻找最低点并形成粗糙的地形表面,通过距离阈值和角度阈值迭代更新加入新的地面点,该算法对于断裂和悬崖的点云数据的处理结果较差。

4)基于聚类/分割的滤波。该方法的基本思想是使得同一类别的类内相似性最大,类间相似性最小。该算法在地形较为平坦的地区表现效果较好,但是对于地形起伏较大或地物类型较为复杂的地区表现效果较差,尤其是茂密的森林地区。

下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。

在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各步骤描述成顺序的处理,但是其中的许多步骤可以被并行地、并发地或者同时实施。此外,各步骤的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。

实施例一

图1为本发明实施例一提供的一种点云数据的滤波方法的流程示意图,该方法可以由点云数据的滤波装置执行,其中该装置可由软件和/或硬件实现,一般可集成在计算机等终端中。如图1所示,该方法包括:

步骤110、将点云数据转化为栅格数据,并获取栅格数据中的每个网格中的最低点作为初始点。

示例性的,对点云数据进行栅格化处理,得到栅格数据。例如,可以矩形网格规则划分点云数据,得到栅格数据。本实施例中在进行栅格化处理时的精度可根据实际需求进行设定,例如每个网格的大小可以为1米*1米。图2为本发明实施例一提供的一种栅格示意图,在进行栅格化处理后,点云数据会被划分成格网形式,如图2所示,图中的黑点代表点云数据(若不考虑Z值,那所有点就全部落在XY平面),按照一定的间隔进行划分,每个小格子可被称为一个网格或者一个格网,将栅格数据中每个网格的最低点的高程值记为所对应的网格的值。

步骤120、对栅格数据进行形态学开运算,得到初始地形表面。

示例性的,形态学开运算可指先腐蚀后膨胀的过程,开运算具有消除细小物体,在纤细处分离物体和平滑较大物体边界的作用。与开运算相对应的是闭运算,闭运算可指先膨胀后腐蚀的过程,闭运算具有填充物体内细小空洞,连接邻近物体和平滑边界的作用。图3为本发明实施例一提供的一种腐蚀处理过程示意图,如图3所示,腐蚀算法具体可包括:用3×3的结构体扫描图像的每一个像素,将结构体的中心置于待处理像素(左侧图像中的*处代表待处理像素),每个网格中的字母表示该网格的值,将待处理像素周围的8个网格的值中的最小值赋给待处理像素,假设最小值为A1,则结果图像(右侧图像)中与待处理像素相对应的像素为A1。图4为本发明实施例一提供的一种膨胀处理过程示意图,如图4所示,膨胀算法具体可包括:用3×3的结构体扫描图像的每一个像素,将结构体的中心置于待处理像素(左侧图像中的*处代表待处理像素),每个网格中的字母表示该网格的值,将待处理像素周围的8个网格的值中的最大值赋给待处理像素,假设最大值为A8,则结果图像(右侧图像)中与待处理像素相对应的像素为A8。

示例性的,对栅格数据进行形态学开运算后得到的图像即为本实施例中的初始地形表面。

步骤130、对于每个初始点,确定当前初始点所落入的初始地形表面中的目标网格,计算当前初始点的高程值与目标网格的值的差值,当差值小于预设差值阈值时,将当前初始点确定为潜在地面种子点。

在确定了初始地形表面后,可利用初始地形表面对初始点进行进一步的筛选,得到潜在地面种子点,用于后续构建初始三角网模型。本实施例中,对于每个初始点,可根据当前初始点的平面坐标来确定当前初始点处于初始地形表面中的哪个网格内,将该网格记为目标网格。具体的筛选方式可以为:计算当前初始点的高程值与目标网格的值的差值,当该差值小于预设差值阈值时,将当前初始点确定为潜在地面种子点。其中,预设差值阈值可根据实际情况进行设置,例如可根据点云数据对应的区域特点进行设置。示例性的,预设差值阈值可设置为0.5米。

步骤140、根据潜在地面种子点构建初始三角网模型。

示例性的,将潜在地面种子点中的所有点进行两两连线,每三个相邻的点会形成一个三角形,整体上会形成一张三角网,从而构建初始三角网模型。

步骤150、基于不规则三角网滤波算法根据初始三角网模型确定地面点。

示例性的,可根据实际情况从除了初始三角网模型以外的点中选择待判定的点,然后基于不规则三角网滤波算法依次判定每个待判定的点是否需要被加入三角网模型中,成为地面点。具体的判定方式可以是:计算当前待判定点到目标三角网格所在平面的距离以及当前待判定点与目标三角网格的三个顶点的连线与目标三角网格所在平面的夹角的最大值;当距离小于预设距离阈值且夹角的最大值小于预设角度阈值时,将当前待判定点加入三角网模型中。其中,对于当前判定点来说,其平面坐标所落入的三角网格可视为目标三角网格。

本发明实施例一提供的点云数据的滤波方案,将点云数据转化为栅格数据,并获取栅格数据中的每个网格中的最低点作为初始点,对栅格数据进行形态学开运算,得到初始地形表面,对于每个初始点,确定其与所落入的目标网格的绝对高差,筛选出潜在地面种子点,根据潜在地面种子点构建初始三角网模型,并基于不规则三角网滤波算法根据初始三角网模型确定出最终的地面点。通过采用上述技术方案,能够合理的确定地面种子点,在确保初始三角网模型的准确度和精度的同时,提高滤波效率,从而快速准确的筛选出点云数据中的地面点。

实施例二

图5为本发明实施例二提供的一种点云数据的滤波方法的流程示意图,本实施例以上述实施例为基础进行优化,在本实施例中,将步骤“根据潜在地面种子点和初始地面种子点构建初始三角网模型”进行了优化。

相应的,本实施例的方法包括如下步骤:

步骤510、将点云数据转化为栅格数据,并获取栅格数据中的每个网格中的最低点作为初始点。

步骤520、对栅格数据进行形态学开运算,得到初始地形表面。

步骤530、对于每个初始点,确定当前初始点所落入的初始地形表面中的目标网格,计算当前初始点的高程值与目标网格的值的差值,当差值小于预设差值阈值时,将当前初始点确定为潜在地面种子点。

步骤540、对于每个潜在地面种子点,获取当前潜在地面种子点邻域的预设数量的潜在地面种子点并进行平面拟合,将所拟合的平面平移到当前潜在地面种子点所在位置,计算残差,当残差小于预设残差阈值时,将当前潜在地面种子点确定为初始地面种子点。

本步骤中对潜在地面种子点进行了进一步的筛选(滤波),可提高初始三角网模型的准确度。其中,预设数量可记为K,K的具体数值根据实际情况来选定,例如K=10。本实施例中的平面拟合方式优选为最小二乘平面拟合。

示例性的,可利用如下公式来计算残差:

其中,r为残差,k为邻近点的个数(上文中的预设数量),Pi为每个点,Fb为拟合的平面,dis(Pi,Fb)为点到平面的距离。

步骤550、根据初始地面种子点构建初始三角网模型。

步骤560、基于不规则三角网滤波算法根据初始三角网模型确定地面点。

本发明实施例二在上述实施例的基础上,对潜在地面种子点进行了进一步的筛选,可提高初始三角网模型的准确度,并进一步提高滤波效率,更加准确的确定地面点。

实施例三

图6为本发明实施例三提供的一种点云数据的滤波方法的流程示意图,本实施例以上述实施例为基础进行优化,在本实施例中,将步骤“根据初始地面种子点构建初始三角网模型”进行了优化。

相应的,本实施例的方法包括如下步骤:

步骤610、将点云数据转化为栅格数据,并获取栅格数据中的每个网格中的最低点作为初始点。

步骤620、对栅格数据进行形态学开运算,得到初始地形表面。

步骤630、对于每个初始点,确定当前初始点所落入的初始地形表面中的目标网格,计算当前初始点的高程值与目标网格的值的差值,当差值小于预设差值阈值时,将当前初始点确定为潜在地面种子点。

步骤640、对于每个潜在地面种子点,获取当前潜在地面种子点邻域的预设数量的潜在地面种子点并进行平面拟合,将所拟合的平面平移到当前潜在地面种子点所在位置,计算残差,当残差小于预设残差阈值时,将当前潜在地面种子点确定为初始地面种子点。

步骤650、在水平方向上确定所有初始地面种子点构成的边界。

示例性的,图7为本发明实施例四提供的一种三角网模型示意图,图7中的矩形轮廓为本步骤中的边界。本实施例中对边界的形状不做限定,可根据点云数据中各点的分布情况来确定。

步骤660、将边界向外延展第一预设距离,得到缓冲边界。

图8为本发明实施例四提供的一种初始三角网模型示意图,如图8所示,在图7中边界的基础上向外延展了d1(第一预设距离),得到了最外层的矩形轮廓(缓冲边界)。其中,第一预设距离可根据实际情况进行设置,例如可根据边界所围成的面积来确定,示例性的,可为15米。缓冲边界和边界之间的区域可认为是缓冲区域。

步骤670、在缓冲边界上以第二预设距离为间隔均匀设置多个缓冲点。

对于每个缓冲点,当前缓冲点的高程值与距离该缓冲点最近的初始地面种子点的高程值相同。

如图8所示,在缓冲边界上以d2(第二预设距离)为间隔均匀设置多个缓冲点,每个缓冲点的高程值与距离该缓冲点最近的地面种子点的高程值相同。其中,第二预设距离可根据实际情况进行设置,例如可根据缓冲边界的周长来确定,示例性的,可为30米。

步骤680、根据初始地面种子点和多个缓冲点构建初始三角网模型。

图7中显示了未添加缓冲点的情况下构建的三角网模型,图8中显示了添加缓冲点的情况下构建的三角网模型,对比图7和图8可以看出,图8中避免了初始三角网模型中出现狭长的不合适的初始三角形,更加有利于地面点的判定。

步骤690、基于不规则三角网滤波算法根据初始三角网模型确定地面点。

本发明实施例三在上述实施例的基础上,在构建初始三角网模型时加入了缓冲点,从而避免了初始三角网模型中出现狭长的不合适的初始三角形,有利于地面点的判定,进一步提高滤波效率。

实施例四

图9为本发明实施例四提供的一种点云数据的滤波方法的流程示意图,本实施例以上述实施例为基础进行优化,在本实施例中,将步骤“基于不规则三角网滤波算法根据初始三角网模型确定地面点”进行了优化。

相应的,本实施例的方法包括如下步骤:

步骤910、将点云数据转化为栅格数据,并获取栅格数据中的每个网格中的最低点作为初始点。

步骤920、对栅格数据进行形态学开运算,得到初始地形表面。

步骤930、对于每个初始点,确定当前初始点所落入的初始地形表面中的目标网格,计算当前初始点的高程值与目标网格的值的差值,当差值小于预设差值阈值时,将当前初始点确定为潜在地面种子点。

步骤940、对于每个潜在地面种子点,获取当前潜在地面种子点邻域的预设数量的潜在地面种子点并进行平面拟合,将所拟合的平面平移到当前潜在地面种子点所在位置,计算残差,当残差小于预设残差阈值时,将当前潜在地面种子点确定为初始地面种子点。

步骤950、在水平方向上确定所有初始地面种子点构成的边界,将边界向外延展第一预设距离,得到缓冲边界,在缓冲边界上以第二预设距离为间隔均匀设置多个缓冲点,根据初始地面种子点和多个缓冲点构建初始三角网模型。

其中,对于每个缓冲点,当前缓冲点的高程值与距离该缓冲点最近的初始地面种子点的高程值相同。

步骤960、对于低于初始三角网模型的每个点,确定当前点与所对应的三角网格的距离值;将最大距离值对应的点加入初始三角网模型,并更新初始三角网模型。

本实施例中,为了避免遗漏地面点,可以初始三角网模型为分界面,先判断分界面以下是否有遗漏的地面点,即先向下加密。具体的判断方式可以是,对于低于初始三角网模型的每个点,确定当前点与所对应的三角网格的距离值,将最大距离值对应的点加入初始三角网模型,并更新初始三角网模型。

步骤970、基于不规则三角网滤波算法对更新后的初始三角网模型进行至少一次向上加密操作,得到最终三角网模型。

具体的,本步骤可包括:将当前三角网模型以上的待判定点按照高程值从小到大的顺序进行排序,得到待判定点序列;根据待判定点序列确定本次加密操作对应的待判定点;对于每个待判定点,若当前待判定点所对应的目标三角网格中不存在本次加密加入的待判定点,则基于不规则三角网滤波算法判断是否将当前待判定点加入当前三角网模型中,其中,对于第一次加密操作来说,当前三角网模型为更新后的初始三角网模型;对当前三角网模型进行更新;若更新后的三角网模型与更新前的三角网模型相同,则停止加密,并将更新后的三角网模型作为最终三角网模型。其中,至少一次向上加密操作可理解为向上迭代加密操作。

在向上加密的每次加密过程中,可按照高程值从小到大的顺序依次对每个待判定点进行判定,如果一个三角网格中已经加了一个待判定点(即之前经过判定被认为是地面点的待判定点),那么在本次加密过程中,就不会在该三角网格中增加新的地面点,待本次加密完成后,对三角网模型进行更新,然后再进行下一次加密,从而减少计算量,提高加密效率。

进一步的,基于不规则三角网滤波算法判断是否将当前待判定点加入当前三角网模型中,可具体包括:计算当前待判定点到目标三角网格所在平面的距离以及当前待判定点与目标三角网格的三个顶点的连线与目标三角网格所在平面的夹角的最大值;当距离小于预设距离阈值且夹角的最大值小于预设角度阈值时,将当前待判定点加入当前三角网模型中。

如图8所示,圆形曲线所圈选的三角网格中的点为当前待判定点,该三角网格为目标三角网格801。图10为本发明实施例五提供的一种基于不规则三角网滤波算法进行地面点判定的示意图,如图10所示,计算待判定点1001到目标三角网格所在平面的距离S,再计算判定点1001与目标三角网格的三个顶点1002的连线与目标三角网格所在平面的夹角θ1、θ2和θ3,经比较找到三个夹角中的最大夹角θ,当S小于预设距离阈值且θ小于预设角度阈值时,将该待判定点加入当前三角网模型中。

若更新后的三角网模型与更新前的三角网模型相同,可说明没有新的待判定点满足加入三角网模型的条件,此时可停止加密,并将更新后的三角网模型作为最终三角网模型。

步骤980、将最终三角网模型中包含的点确定为地面点。

可以理解的是,最终三角网模型中包含的缓冲点为虚构的点,不是地面点,而剩余的点为地面点。

在本实施例中,采用先向下加密再向上加密的方式,提高加密精度和准确度。图13为本发明实施例四提供的一种加密示意图,如图13所示,黑色的实心点为地面种子点,P1、P2、P3、P4和P5为待判断的点,如果直接进行向上加密,按照距离和角度阈值进行判断的话,P2将被加入三角网模型中,这种情况下得到的地形表面将高于真实的地形表面;而如果先进行向下加密,那么P3将被加入三角网模型中,后续向上加密的过程中P4和P5也将被加入。由此可以得出,本实施例中的先向下加密再向上加密的方式能够更加准确的确定地面点。

本发明实施例四在上述实施例的基础上,为了避免遗漏地面点,采用先向下加密再向上加密的方式进行判定,逐渐对三角网模型进行加密,提高精度和准确度。

在上述实施例的基础上,提出一种改进的渐进加密三角网滤波算法(Improved Progressive Triangulated irregular network Densification,IPTD),该算法可通过执行上述实施例中的各个步骤对点云数据进行滤波。本发明实施例提出的IPTD滤波算法已在15个不同的森林地区进行了验证,这些研究区具有不同的地形起伏(高程和坡度)和植被条件(冠层覆盖度和树高)。通过与7种已有的滤波算法(形态学滤波、基于坡度的滤波算法以及基于插值的滤波算法等)进行比较,IPTD算法在其中9个研究区具有最高的精度。

实施例五

图11为本发明实施例五提供的一种点云数据的滤波装置的结构框图,该装置可由软件和/或硬件实现,一般集成在计算机等终端中,可通过执行点云数据的滤波方法来对点云数据进行滤波。如图11所示,该装置包括:初始点获取模块1101、初始地形表面获取模块1102、潜在地面种子点确定模块1103、初始三角网模型构建模块1104和地面点确定模块1105。

其中,初始点获取模块1101,用于将点云数据转化为栅格数据,并获取所述栅格数据中的每个网格中的最低点作为初始点;初始地形表面获取模块1102,用于对所述栅格数据进行形态学开运算,得到初始地形表面;潜在地面种子点确定模块1103,用于对于每个初始点,确定当前初始点所落入的所述初始地形表面中的目标网格,计算所述当前初始点的高程值与所述目标网格的值的差值,当所述差值小于预设差值阈值时,将所述当前初始点确定为潜在地面种子点;初始三角网模型构建模块1104,用于根据潜在地面种子点构建初始三角网模型;地面点确定模块1105,用于基于不规则三角网滤波算法根据所述初始三角网模型确定地面点。

本发明实施例五提供的点云数据的滤波装置,能够合理的确定地面种子点,在确保初始三角网模型的准确度和精度的同时,提高滤波效率,从而快速准确的筛选出点云数据中的地面点。

在上述实施例的基础上,所述初始三角网模型构建模块可包括:

初始地面种子点确定单元,对于每个潜在地面种子点,获取当前潜在地面种子点邻域的预设数量的潜在地面种子点并进行平面拟合,将所拟合的平面平移到所述当前潜在地面种子点所在位置,计算残差,当所述残差小于预设残差阈值时,将所述当前潜在地面种子点确定为初始地面种子点;

模型构建单元,用于根据初始地面种子点构建初始三角网模型。

在上述实施例的基础上,所述模型构建单元可包括:

边界确定子单元,用于在水平方向上确定所有初始地面种子点构成的边界;

边界延展子单元,用于将所述边界向外延展第一预设距离,得到缓冲边界;

缓冲点设置子单元,用于在所述缓冲边界上以第二预设距离为间隔均匀设置多个缓冲点,对于每个缓冲点,当前缓冲点的高程值与距离该缓冲点最近的初始地面种子点的高程值相同;

模型构建子单元,用于根据所述初始地面种子点和所述多个缓冲点构建初始三角网模型。

在上述实施例的基础上,所述地面点确定模块可包括:

向下加密单元,用于对于低于所述初始三角网模型的每个点,确定当前点与所对应的三角网格的距离值;将最大距离值对应的点加入所述初始三角网模型,并更新所述初始三角网模型;

向上加密单元,用于基于不规则三角网滤波算法对更新后的初始三角网模型进行至少一次向上加密操作,得到最终三角网模型;

地面点确定单元,用于将所述最终三角网模型中包含的点确定为地面点。

在上述实施例的基础上,所述加密单元可包括:

排序子单元,用于将当前三角网模型以上的待判定点按照高程值从小到大的顺序进行排序,得到待判定点序列;

待判定点确定子单元,用于根据所述待判定点序列确定本次加密操作对应的待判定点;

加密子单元,用于对于每个待判定点,若当前待判定点所对应的目标三角网格中不存在本次加密加入的待判定点,则基于不规则三角网滤波算法判断是否将所述当前待判定点加入当前三角网模型中,其中,对于第一次加密操作来说,所述当前三角网模型为更新后的初始三角网模型;

模型更新子单元,用于对所述当前三角网模型进行更新;

最终三角网模型确定子单元,用于在更新后的三角网模型与更新前的三角网模型相同时,则控制所述加密子单元停止加密,并将更新后的三角网模型作为最终三角网模型。

实施例六

本发明实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种点云数据的滤波方法,该方法包括:

将点云数据转化为栅格数据,并获取所述栅格数据中的每个网格中的最低点作为初始点;对所述栅格数据进行形态学开运算,得到初始地形表面;对于每个初始点,确定当前初始点所落入的所述初始地形表面中的目标网格,计算所述当前初始点的高程值与所述目标网格的值的差值,当所述差值小于预设差值阈值时,将所述当前初始点确定为潜在地面种子点;根据潜在地面种子点构建初始三角网模型;基于不规则三角网滤波算法根据所述初始三角网模型确定地面点。

可选的,该计算机可执行指令在由计算机处理器执行时还可以用于执行本发明任意实施例所提供的点云数据的滤波方法的技术方案。

通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。

实施例七

本发明第七实施例提供了一种终端,包括本发明任意实施例所提供的点云数据的滤波装置。

具体的,图12为本发明实施例七提供的一种终端的结构框图,如图12所示,本发明实施例提供一种终端,该终端包括处理器1200、存储器1201、输入装置1202和输出装置1203;终端中处理器1200的数量可以是一个或多个,图12中以一个处理器1200为例;终端中的处理器1200、存储器1201、输入装置1202和输出装置1203可以通过总线或其他方式连接,图12中以通过总线连接为例。

存储器1201作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的点云数据的滤波方法对应的程序指令/模块(例如,点云数据的滤波装置中的初始点获取模块1101、初始地形表面获取模块1102、潜在地面种子点确定模块1103、初始三角网模型构建模块1104和地面点确定模块1105)。处理器1200通过运行存储在存储器1201中的软件程序、指令以及模块,从而执行终端的各种功能应用以及数据处理,即实现上述的点云数据的滤波方法。

存储器1201可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器1201可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器1201可进一步包括相对于处理器1200远程设置的存储器,这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置1202可用于接收输入的数字或字符信息,以及产生与终端的用户设置以及功能控制有关的键信号输入。输出装置1203可包括显示屏等显示设备。

上述实施例中提供的点云数据的滤波装置、存储介质及终端可执行本发明任意实施例所提供的点云数据的滤波方法,具备执行该方法相应的功能模块和有益效果。未在上述实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的点云数据的滤波方法。

注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。

再多了解一些
当前第1页1 2 3 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1