一种在三维激光点云中自动编绘山区田坎的方法
【技术领域】
[0001]本发明涉及一种在三维点云中自动编绘山区田坎的方法，属于三维点云数据处理及测量绘图技术领域。
【背景技术】
[0002]在测绘工作中，三维激光扫描技术为地形测绘和地质研究提供了一种新的工具和手段，具有测量点位精度高、采集空间点的密度大、速度快等特点。
[0003]然而，在三维点云数据中如何自动化、高效地提取并编绘地物信息，目前的办法不多。一些软件中对地物特征提取和编绘的功能只适用于一些城市中规则建筑物轮廓线的自动提取，对于贵州山区测绘项目中的地物，特别是对于一些不规则形状的地物就束手无策，例如土坎、地类界、山崖等。常规的做法都是内业人员采用人工的方式在三维点云数据里面手动提取和编绘，这是一项非常繁琐的工作，并且由于三维空间二维空间的区别，在采集地物特征过程中，错误率非常高，严重降低了测绘工作效率。
[0004]同时，在贵州山区的地物中，尤以梯田特别多见，利用三维激光扫描仪进行测图时，要花大量的时间来提取梯田田坎的特征线。而梯田较其他不规则地物又有一定的规律可循，例如，梯田田坎的高程会有突变，梯田的田坎呈一定的形状、密度进行分布等特征。目前，还没有一种专门针对山区田坎自动提取与编绘的方法。
【发明内容】
[0005]为了能够在三维点云中自动编绘田坎边界，本发明针对山区田坎的基本特征，利用一种新的基于概率论的三维空间聚类算法，提出了一种在三维点云中自动编绘山区田坎的方法。
[0006]本发明的技术方案如下:
获取山区野外点云数据，并进行数据预处理；
以Delaunay三角网边长和顶点高程作为约束条件，提出了一种基于概率论的三维空间聚类方法，对三维点云数据进行空间聚类；
判断点云簇类型，区分田坎和田埂；
将坎顶点连接成线，按照一定的规则进行拟合；
赋予田坎或田埂符号并输出。
[0007]上述方案中，所述数据预处理包括以下步骤:
(1)点云数据拼接；
(2)通过现场布置发射片的方式，赋予点云三维坐标信息；
(3)去除地表植被和噪点；
(4)对点云数据按照一定密度过滤；
(5)将点云数据转换成.DNG格式；
上述方案中，所述利用基于概率论的三维空间聚类方法，对点云数据进行空间聚类的步骤，具体包括:
(1)对所有点云Pi进行检索，比较P#其一阶临近点P&间的高程之差ΛΙ，如果高程之差满足以下条件:①AHpHt;②八^有正有负；③两点之间边长临近正态分布平均边长，则判定此点为坎中点。其中氏表示山区田坎最低高差；
(2)删除所有坎中点，将剩余点云构建Delaunay三角网；
(3)求出三角网的正态分布平均边长ND_Mean_Distance；
(4)根据正态分布平均边长准则从三角网中删除长边；
(5)比较被删除长边的相邻两顶点的高程，将高程大的点判断为田坎顶点，将高程小的点判断为田坎底点。
[0008]上述方案中所述的判断点云簇类型，区分田坎和田埂，具体步骤包括:
(1)对三角网中的点云Pi进行检索，比较Pi与其周边点P N之间的高程只差的他H i，如果氏都为正，判定此点为坎顶点；
(2)根据坎顶点和坎底点的高差将高差在(H-25CM)之间判断为田埂，其他判断为田坎。
[0009]上述方案中所述的将坎顶点连接成线，按照一定的规则进行拟合，具体步骤包括:
(1)将各自的坎顶点连接成线；
(2)根据最小二乘原理进行拟合；
上述方案中所述的对拟合后的田坎线赋予符号，并输出，具体步骤包括:
(1)对田坎和田埂分布赋予符号，根据田坎的坎顶点和坎底点，判断田坎符号方向；
(2)输出。
[0010]有益效果:
该方法的优点在于:
1、本发明提供的这种在三维激光点云中自动编绘山区田坎的方法，实现了在三维点云中对山区田坎的自动编绘，可以有效提高目前田坎编绘的精度和效率。
[0011]2、提出了基于概率论的三维空间聚类算法，根据田坎点云的三角网边长的正态分布分布规律和高程信息，通过聚类的方式，实现了田坎点云的自动提取。这种算法不仅顾及了三维点云的高程特征，而且根据正态分布平均边长而定的聚类准则，降低了由于点云空洞和噪点的影响。
[0012]3、本发明提供的这种在三维激光点云中自动编绘山区田坎的方法，可以根据区分田坎和田埂，分别自动化编绘。
[0013]
【附图说明】
[0014]图1是本发明的操作流程图。
【具体实施方式】
[0015]下面结合附图和实施例对本发明作进一步的详细说明。
[0016]实施例: 如图1所示，本发明一种在三维激光点云中自动编绘山区田坎的方法，该方法具体步骤如下:
步骤101:获取山区田坎点云数据，并进行数据预处理，包括进行数据拼接和数据格式转换，去除地表植被和噪点；
利用激光扫描仪在山区多田坎地区进行数据采集，用相关软件RISCAN PRO软件将数据进行拼接，去除地表植被和噪点，并且按一定参数过滤点云数据，然后将数据转换成.DGN格式的数据。
[0017]步骤102:在Mircrostat1n v8的基础上，进行二次开发，利用基于概率论的三维空间聚类算法，自动寻找坎顶点；
该算法的主要步骤如下:
(1)对所有点云？1进行检索，比较？1与其一阶临近点PN2间的高程之差，如果高程之差ΛΗ) Ht(本实例中，Ht的值为8CM);同时ΛL有正有负；且两点之间边长临近正态分布平均边长，则判定此点为坎中点，删除；
(2)删除所有坎中点，将剩余点云构建Delaunay三角网；
(3)求出三角网的正态分布平均边长ND_Mean_Distance；
(4)根据正态分布平均边长准则(本实例中，K值为2)， Long_Distance=2*ND_Mean_Distance，将满足此准则的长边删除；
(5)比较删除长边的相邻两顶点的高程，将高程大的点判断为田坎顶点，将高程小的点判断为田坎底点。
[0018]步:103:判断点云簇类型，区分田坎和田埂；
(1)对三角网中的点云Pi进行检索，比较Pi与其周边点P 间的高程之差Λ H i，如果都为正，判定此点为坎顶点；
(2)根据坎顶点和坎底点的高差将高差在(8-25CM)之间判断为田埂，其他判断为田坎。
[0019]步骤104:将坎顶点连接成线，按照一定的规则进行拟合；
(1)将各自的坎顶点连接成线；
(2)根据最小二乘原理进行拟合；
步骤105:对拟合后的田坎线赋予符号，并输出，具体步骤包括:
(1)对田坎和田埂分布赋予符号，根据田坎的坎顶点和坎底点，判断田坎符号方向；
(2)输出。
[0020]当然，以上只是本发明的具体应用范例，本发明还有其他的实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明所要求的保护范围之内。
【主权项】
1.一种在三维激光点云中自动编绘山区田坎的方法，其特征在于该方法包括:获取山区野外点云数据，并进行数据预处理；将点云数据构建Delaunay三角网，以Delaunay三角网边长和顶点高程作为约束条件，按照三维空间聚类方法对三维点云数据进行空间聚类；判断点云簇类型，区分田坎和田埂；将坎顶点连接起来，按照一定的规则进行拟合；赋予田坎或田埂符号并输出。2.根据权利要求1所述的在三维激光点云中自动编绘山区田坎的方法，其特征在于:所述三维空间聚类算法是借助基于概率论中的正态分布理论和三维点云高程信息两方面的内容，对满足这两种聚类特征的点云进行聚类分析；三维空间聚类算法具体步骤如下: (1)对所有点云P1进行检索，比较其一阶临近点间的高程之差AH1，如果高程之差满足以下条件:①Λ H1SHt;②Λ H 1有正有负；③两点之间边长临近正态分布平均边长，则判定此点为坎中点；其中氏表不山区田坎最低尚差； (2)删除所有坎中点，将剩余点云构建Delaunay三角网； (3)求出三角网的正态分布平均边长； (4)根据正态分布平均边长准则从三角网中删除长边； (5)比较被删除长边的相邻两顶点的高程，将高程大的点判断为田坎顶点，将高程小的点判断为田坎底点。3.根据权利要求2所述的在三维激光点云中自动编绘山区田坎的方法，其特征在于:所述的正态分布平均边长，其定义为:对所有三角网的边长进行正态分布统计分析，将最频繁出现的边长范围区间的平均值定义为正态分布平均边长。4.根据权利要求1所述的在三维激光点云中自动编绘山区田坎的方法，其特征在于:所述判断点云簇类型，区分田坎和田埂方法，其具体步骤为:对三角网中的点云P1进行检索，比较P1与其周边点P ?之间的高程之差Λ H i，如果H1都为正，判定此点为坎顶点；然后根据坎顶点和坎底点的高差，将高差在Ht -25CM之间判断为田埂，其他判断为田坎；其中氏表不山区田坎最低尚差。
【专利摘要】本发明公开了一种在三维激光点云中自动编绘山区田坎的方法，该方法包括：获取山区野外点云数据，并进行数据预处理；以Delaunay三角网边长和顶点高程作为约束条件，提出了一种基于概率论的三维空间聚类方法，对三维点云数据进行空间聚类；判断点云簇类型，区分田坎和田埂；将坎顶点连接起来，按照一定的规则进行拟合；赋予田坎或田埂符号并输出。本发明实现了三维点云田坎编绘的自动化，提高山区多田坎地区的三维点云数据处理效率和精度，在三维点云数据处理和测量绘图技术领域里具有较好的实用价值和应用前景。
【IPC分类】G06T7/00
【公开号】CN105321168
【申请号】CN201510209024
【发明人】徐锐, 罗天文, 吴恒友, 王陆军
【申请人】贵州省水利水电勘测设计研究院
【公开日】2016年2月10日
【申请日】2015年4月29日