申请/专利权人：桂林理工大学

申请日：2023-03-27

公开（公告）日：2024-06-14

公开（公告）号：CN116165635B

主分类号：G01S7/495

分类号：G01S7/495;G06T5/70;G06V10/762;G06V10/75

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2023.06.13#实质审查的生效;2023.05.26#公开

摘要：本发明涉及多级滤波算法的日间条件下不同波束光子云数据去噪方法，包括：通过读取日间光子点云数据并转换为沿轨距离‑高程的形式，基于RANSAC算法进行第一级粗去噪，并对去噪处理后的所述日间光子点云数据进行点云特征分析获取其水平方向连续性参数，从而自适应的改进第二级精去噪算法，即OPTICS算法和RANSAC算法结合的多级滤波算法的搜索域参数，并给出三种滤波方向方案，即水平方向、组内统一方向和各光子自适应方向应用于第二级滤波算法处理，对第二级结果进行判断，如若为弱波束则进行异常数据处理，完成日间光子点云数据去噪。本发明能够更好实现日间高背景噪声光子点云数据精确去噪，适用性更强。

主权项：1.多级滤波算法的日间条件下不同波束光子云数据去噪方法，其特征在于，包括：步骤1：输入日间光子点云数据，读取其经纬度、高程信息，将数据转化为沿轨距离-高程的形式，基于RANSAC算法进行第一级去噪，即粗去噪；步骤2：基于粗去噪后的所述日间光子点云数据，进行点云特征分析，获取各窗口下的水平方向连续性参数，并以所述水平方向连续性参数为参考依据，自适应的改进第二级去噪算法，即精去噪，搜索域的形状、大小和方向参数；步骤3：基于OPTICS密度聚类算法和RNR-KNNB算法组合的多级滤波算法对粗去噪后的所述日间光子点云数据进行第二级去噪，并获取可达距离排序和局部距离统计值，采用最大类间方差的方法对所述可达距离排序和所述局部距离统计值进行阈值分割，根据阈值分割结果设定去噪阈值，基于所述去噪阈值，去除噪声光子，并对第二级去噪后的所述日间光子点云数据进行判定；步骤4：判定输入数据是否为日间弱波束数据，如若是则对步骤3精去噪结果采用RANSAC算法进行异常数据去除，当第二级去噪后的所述日间光子点云数据判断为日间强光束时，则对所述日间光子点云数据不做处理；所述步骤1包括如下步骤：步骤1.1：日间光子点云数据读取，采用NASA所发布的ICESat-2ATLAS数据产品中的ATL03和ATL08，其中：ATL03数据提供了每个光子的时间，经纬度以及高程信息；ATL08数据则是基于ATL03数据进行去噪分类后得到的；其中，针对ATL03数据确定滤波方向并进行滤波处理，ATL08数据则是作为标准结果进行精度对比，所述日间光子点云数据可通过HDFView、PhoReal软件或者自行编程读取，并将数据转化为沿轨距离-高程的形式；步骤1.2：基于RANSAC算法对步骤数据1.1所读取数据进行第一级去噪包括：S1.通过等沿轨距离的方法对所述日间光子点云数据进行分窗口处理，将所述日间光子点云数据转化为沿轨距离-高程的形式，并按预设沿轨距离间隔进行划分；S2.随机从各窗口内选择不重复的点作为子集，根据所述子集进行模型拟合，获取模型参数并建立三参数曲线拟合模型；S3.基于所述三参数曲线拟合模型对所有点进行检查，并更新所述模型参数及所述模型参数对应的内点个数；S4.重复S1-S3，直到满足预设最大迭代次数，统计各个所述三参数曲线拟合模型所获取到的内点个数，将内点数量最多的所述三参数曲线拟合模型记为最优模型并输出；所述步骤2包括：步骤2.1：将目标点作为原点，以所述目标点的横坐标作为X轴，所述目标点的纵坐标作为Y轴，将第一级去噪后的所述日间光子点云数据划分成四个象限，分别在四个象限内找到与所述目标点最邻近的点作为邻近点，最后统计所述邻近点与所述目标点连线与水平方向的夹角；步骤2.2：对所述夹角进行归纳统计，对归纳统计后的所述夹角进行去除垂直方向处理，剔除垂直方向并进行归一化处理，对归一化处理后的所述夹角进行计算，获取所述水平方向连续性参数；步骤2.3：将算法搜索域改进为椭圆形状，并基于该水平方向连续性参数，自适应改进第二级滤波算法的搜索域大小参数，以目标点为圆心建立搜索域，通过旋转的方式获取各方向下的点云密度，设定搜索域方向参数；获取所述模型参数并建立所述三参数曲线拟合模型的方法为：y＝A*eBx+C其中，x和y分别表示光子点沿轨距离和高程值，A、B、C为模型拟合参数，e为自然常数；对归一化处理后的所述夹角进行计算的方法为： 其中，t为方向参数，θ为方向角，rθ代表方向角度数为θ的占比；对第二级去噪后的所述日间光子点云数据进行判定包括：步骤5.1预设判断阈值，根据所述判断阈值对第二级去噪后的所述日间光子点云数据进行强弱光束判断；步骤5.2当第二级去噪后的所述日间光子点云数据判断为弱光束时，则对所述日间光子点云数据基于滑动重叠窗口的RANSAC算法进行异常值去除，当第二级去噪后的所述日间光子点云数据判断为强光束时，则对所述日间光子点云数据不做处理。

全文数据：

权利要求：

百度查询： 桂林理工大学 多级滤波算法的日间条件下不同波束光子云数据去噪方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD