专利名称：基于GPGPU的数学形态学LiDAR点云快速滤波方法
技术领域：
本发明属于摄影测量与遥感技术领域，涉及机载LiDAR (激光雷达，LightDetection And Ranging)测量技术与GPGPU (通用计算图形处理器，GernelPurposeComputing on Graphics Processing Units),尤其涉及基于 GPGPU 的数学形态学LiDAR点云快速滤波方法。
背景技术：
LiDAR点云数据滤波表示将LiDAR系统获取的分布在地形表面不同目标上的、不规则分布的离散点进行处理和识别，最基础的工作是将分布在地面上的点(称为地面点)与落在地面其他目标上的点(如建筑物、车辆、树木及植被等，称为非地面点)进行区分。基于传统的数学形态学理论对LiDAR点云数据进行滤波相比其他方法而言，由于不需要解算方程，因而速度快，效率较高。但是，传统的方法可能需要对原始点云数据进行格网内插处理，现有的数学形态学方法难以根据不同地面目标和不同地形特点而自动调整滤波窗口的大小，而对于较小的山包或者山坡地形要求较小和动态的窗口的问题，传统的数学形态学算法很难兼顾，且采用串行计算技术，使得滤波方法的耗时较长。1.GPGPU 技术传统上，人们只将GPU应用于处理图形渲染计算任务，未充分考虑到GPU具有极高计算性能，这无疑是对计算资源的极大浪费。2003年，随着GPU的可编程性不断提高，GPGPU的概念由美国计算机绘图专业组织提出，使我们能够将GPU用于图形渲染以外领域的计算。这是GPU发展最具历史意义的里程碑。由于CPU的核心数也受到各种因素的限制，如成本、散热等技术难题。且近年来，GPU的性能有了显著的提高，其通用计算能力已经远远超过CPU。面对消费者对图像快速处理的需求，可编程GPU已发展成为一种具有杰出计算能力的高性能计算机平台。2.机载 LiDAR 技术机载LiDAR技术是指一种高度集成激光测距、动态GPS差分以及惯性导航姿态测定的技术。其中，激光测距用于测量激光雷达信号发射参考点到地面激光脚点之间的距离；动态差分GPS用于确定激光雷达信号发射参考点的空间位置；惯性导航用于测定扫描装置的主光轴姿态参数。通过这三者同步、协调的工作，实现了对地面目标三维坐标的直接获取。相比航空摄影测量，它是主动式测量方式、时效性强、激光脉冲穿透能力强、作业效率高、生产成本低。滤波及其配套的质量控制是机载LiDAR数据后处理生成数字高程模型(DEM)过程中最关键也是最耗时的一步，几乎占到了后处理流程60% 80%的时间。
发明内容
本发明的目的是提供一种基于GPGPU的数学形态学LiDAR点云快速滤波方法，解决传统串行滤波方法耗时较长的问题。
为实现上述目的，本发明的基于GPGPU的数学形态学LiDAR点云快速滤波方法技术方案如下:该方法以CPU作为主机进行逻辑性强的任务处理和串行计算，以GPU为协同处理器进行高度线程并行化的并行任务处理，滤波方法的步骤如下:(1)输入原始LiDAR点云数据到GPU显存中，然后GPU将LiDAR点云数据分配给不同线程并行执行以下操作:计算LiDAR点云数据的格网行列坐标，并将数据分配到各自对应的格网；(2)使GPU架构中的每一个block对应计算一个格网内的数据，block内的各线程对应计算各格网中的每个激光脚点按照一定的判断准则与阈值作比较，将大于阈值的激光脚点判断为粗差点进行剔除；(3)根据步骤(2)剔除粗差点后的格网，将所有的激光脚点根据其平面坐标，分配到各自对应的规则格网中，由此建立一个能够索引到每一个激光脚点的虚拟规则格网。(4)将所述虚拟规则格网中的数据拷贝到显存空间，并绑定为纹理内存，将所述虚拟规则格网内所有激光脚点的点位分配给不同线程分别使用尺寸为I1的窗口对绑定到纹理内存的各数据进行数学形态学开运算，并判断运算结果对应的数据是否是地面激光脚点，并滤除非地面激光脚点；(5)根据CPU端传入的窗口大小和高差阈值参数，在GPU端增大所述窗口尺寸，重复步骤(4)的操作，直到窗口尺寸大于最大建筑物为止；(6)根据经过步骤(2)后的格网内的激光脚点与经过步骤(4)后的虚拟规则格网内的激光脚点的高程差，判断步骤(2)格网中的激光脚点是否具有与经过步骤(4)后的虚拟规则格网激光脚点同样的属性，如此遍历所有离散激光脚点，去掉步骤(2)中格网内的非地面激光脚点，完成滤波。步骤(1)中，将每个格网单元的最小高程值作为代表点，如果格网单元内没有激光脚点数据，则取其最邻近点的高程值。步骤1)中格网行列坐标的计算公式为
权利要求
1.一种基于GPGPU的数学形态学LiDAR点云快速滤波方法，其特征在于，该方法以CPU作为主机进行逻辑性强的任务处理和串行计算，以GPU为协同处理器进行高度线程并行化的并行任务处理，滤波方法的步骤如下: (1)输入原始LiDAR点云数据到GPU显存中，然后GPU将LiDAR点云数据分配给不同线程并行执行以下操作:计算LiDAR点云数据的格网行列坐标，并将数据分配到各自对应的格网； (2)使GPU架构中的每一个block对应计算一个格网内的数据，block内的各线程对应计算各格网中的每个激光脚点按照一定的判断准则与阈值作比较，将大于阈值的激光脚点判断为粗差点进行剔除； (3)根据步骤(2)剔除粗差点后的格网，将所有的激光脚点根据其平面坐标，分配到各自对应的规则格网中，由此建立一个能够索引到每一个激光脚点的虚拟规则格网。
(4)将所述虚拟规则格网中的数据拷贝到显存空间，并绑定为纹理内存，将所述虚拟规则格网内所有激光脚点的点位分配给不同线程分别使用尺寸为I1的窗口对绑定到纹理内存的各数据进行数学形态学开运算，并判断运算结果对应的数据是否是地面激光脚点，并滤除非地面激光脚点； (5)根据CPU端传入的窗口大小和高差阈值参数，在GPU端增大所述窗口尺寸，重复步骤(4)的操作，直到窗口尺寸大于最大建筑物为止； (6)根据经过步骤(2)后的格网内的激光脚点与经过步骤(4)后的虚拟规则格网内的激光脚点的高程差，判断步骤(2)格网中的激光脚点是否具有与经过步骤(4)后的虚拟规则格网激光脚点同样的属性,如此遍历所有离散激光脚点,去掉步骤(2 )中格网内的非地面激光脚点，完成滤波。
2.根据权利要求1所 述的方法，其特征在于:所述步骤(I)中，将每个格网单元的最小高程值作为代表点，如果格网单元内没有激光脚点数据，则取其最邻近点的高程值。
3.根据权利要求1所述的方法，其特征在于，所述步骤(I)中格网行列坐标的计算公式1- Xmm)/me为p =，其中，(I, J)为格网行列坐标；(X，Y)为原始点云平面坐标！Xniin, Ymin 11.= I /-Jn分别是点云中横坐标与纵坐标的最小值；c为采样间距；m为常数，表示采样间距的倍数；n为单位面积内激光脚点数目。
4.根据权利要求1所述的方法，其特征在于，所述步骤(2)中粗差判断准则为:若I Vp-UI >T,则激光脚点P被判断为粗差点；反之则不认为P为粗差，其中激光脚点P的高程差值Vp = Mp-Hp, Mp为激光脚点P的代表值；ΗΡ为激光脚点P的高程值；标准偏差^ =-U、2/{η- ，算术平均值{/ = |>丨/ , η为激光脚点的总个数，T为阈值。 f I— I=J
5.根据权利要求4所述的方法，其特征在于:所述T设置为SD的3倍。
6.根据权利要求1所述的方法，其特征在于:步骤(4)中判断地面激光脚点的准则为:设Clhiu为激光脚点P开运算前后的高程之差，dhT；1为第一次开运算的高程差阈值，如果Clhiu ( dhT,1； P点判断为地面激光脚点；否则为非地面激光脚点Mhmaxahl为开运算前后地形表面最大高程差，如果ClhllMhniaxau，地面激光脚点的部分会被保留，而非地面点的部分会被去除。
7.根据权利要求6所述的方法，其特征在于:所述确定高程差阈值dhT，k公Clhtl为初始高程差阈值；c为点云平均间距；dhmax为最大高程差阈值，第k次迭代前后地形的最大高程差dhMX(t)，k与窗口尺寸Wk和地形坡度s的关系为$ =.:.......；■......上土气7.;..°
8.根据权利要求1-7中任一项所述的方法，其特征在于，所述步骤(5)中窗口尺寸的增大方式为wk = 2kb+l或Wk = 2bk+l，其中，k为迭代次数;wk为第k次窗口尺寸；b为初始窗口尺寸。
9.根据权利要求4所述的方法，其特征在于，所述虚拟规则格网中每个格网有且只有一个 激光脚点。
全文摘要
本发明涉及基于GPGPU的数学形态学LiDAR点云快速滤波方法，该方法以CPU作为主机进行逻辑性强的任务处理和串行计算，以GPU为协同处理器进行高度线程并行化的并行任务处理，采用GPU并行技术对原始LiDAR点云数据进行虚拟规则格网的建立、粗差剔除、虚拟格网的数学形态学滤波和判断所有点的属性，完成滤波；本方法利用基于GPU的并行技术，加速滤波中的数学形态学运算，有效缩短计算运行时间，实现快速滤波。
文档编号G06T1/20GK103177417SQ201310003968
公开日2013年6月26日 申请日期2013年1月6日 优先权日2013年1月6日
发明者王慧, 闸旋, 张勇, 李鹏程, 王利勇, 李烁, 刘忠滨, 武海洋, 胡志定 申请人:中国人民解放军信息工程大学