更全的杂志信息网

单站地面激光点云中孤立噪声的快速检测方法*

更新时间:2016-07-05

0 引言

在地面激光三维扫描过程中,由于受行人、车辆、飞鸟等外界因素和目标对象反射特性差异等因素的影响,原始单站扫描数据中会存在大量和目标对象无关的扫描点[1],这些点被称为孤立噪声点(或粗差)。这些孤立噪声的存在,势必会影响到后续的点云数据处理。因此,非常有必要去除这些孤立噪声。一般来说,可以通过点云数据处理软件,以人机交互的方式来完成此项工作。但是,对于大量广泛分布的孤立噪声,人机交互的方式存在效率低、自动化程度低和易遗漏等问题。因此,实现孤立噪声的自动检测,在地面激光三维扫描工作中具有重要意义。

关于孤立噪声自动检测的方法,目前业内学者已经提出了许多解决方法,例如:Sotoodeh在2006年提出了基于局部离群因子(Local Outlier Factor,LOF)的粗差探测方法[2],该方法通过构建KD-Tree来加速三维邻域点的查找,但该方法的时间代价仍然很大;Sotoodeh在2007年提出了基于层次聚类的粗差探测方法,该方法首先利用EMST(the Euclidean Minimum Spanning Tree)数据结构消除具有较大尺度的全局性粗差,然后利用GG(Gabriel Graph)结构剔除局部性粗差[3]。该算法需要预EMST结构和GG图,时间开销较大;罗德安等提出基于切片技术的粗差探测算法,该算法将三维点云经过切片降为二维点,有助于解决三维环境下邻域搜索效率低的问题[1],但是该方法通过二维切片,剥离了点云数据原有的空间邻接关系,使得与建筑物连接的部件经切片后可能成为孤立点集(例如建筑物内部的柱子等),并且没有提出如何自动确定切片的方向,因此算法的有效性和通用性不高。

在地面激光三维扫描中,扫描仪以固定的经差和纬差实现阵列式扫描,因而这种阵列式扫描所获得的点云数据具有规则化的栅格结构[4];另外,在地面激光三维扫描中,孤立噪声一般由临时移动目标遮挡所造成。由于遮挡,移动目标与主体目标对象之间,存在明显的距离突变,也就是深度不连续,由此产生的边界称为是遮挡边界。遮挡边界将孤立噪声与主体目标对象分割成两个不同的目标区域。本文利用单站地面激光点云数据的栅格结构,根据孤立噪声所具有的突变特性,提出在遮挡边界检测和遮挡边界空间聚类的基础上,快速检测单站点云数据中孤立噪声的方法。

1 基于遮挡边界检测的孤立噪声检测方法

1.1 遮挡边界检测

针对遮挡边界检测,在单站点云数据中,原则上可将激光点到扫描仪中心的距离按式(1)归化为二维灰度图像[5],然后利用图像处理领域中的Canny[6]、Sobel[7]等算子提取灰度突变边界信息。当场景范围较大时,式(1)中分母较大;边界突变较小时,分子较小,经归化后形成的灰度值较小,图像难以有效反应突变信息。因此,利用传统边界提取算子难以获得理想效果。

(1)

由于pmn=(x0y0z0)点到八邻域Ngh = {ptj=(xjyjzj)|0<j<8}的深度差dj=|pmn|-|ptj|,当dj>dthresholdpmn为被遮挡点,当dj<0且|dj|>dthresholdpmn为遮挡点。因此,针对任意一个有效点,计算其栅格结构中八邻域的深度差,设定阈值,确定遮挡边界与被遮挡边界。

1.2 点集空间聚类

点集空间聚类是以标题1.1中所探测到的遮挡边界为界限,对点云数据进行空间聚类。也就是以第一个非空、非边界点(命名为内部点)作为种子点,利用单站数据的栅格结构,在该种子点的八邻域中搜索内部点,并将其加入到当前聚类结点中,并以八邻域中新增内部点作为新的当前点,以迭代的方式向外生长下去,直到搜索不到内部点,算法采用递归的方式实现,具体步骤如下:

第一步,标识所有内部点为待分类点;

第二步,在栅格结构中,采取从左向右,从上到下的顺序,在栅格结构中的非边界点中选取一待分类点pmn,由该点创建聚类结点ci,改变该点标识为分类点;

对照组患者均进行常规内科治疗,维持水电解质及酸碱平衡,根据患者的实际情况给予脑细胞代谢促进剂、赋能剂、抗感染类药物等;实行高压氧治疗,压力表控制在2ATA;进舱90 min,前20 min加压,后持续稳压50 min,最后20 min减压;每日进舱一次,10 d一个疗。观察组在此基础上联合依达拉奉进行治疗,30 mg依达拉奉注射液注入250 mL生理盐水静脉滴注,2次/d,共治疗14 d。

试想一觉醒来,发现自己的脸盘或腿围大了一圈,你的第一反应会是什么?如果在唐朝,你必定欢喜雀跃。可放在崇尚“精瘦”的当代,对很多人来说,这就是一件“恐怖”的事。可是偏偏就有不少人“喝水都要变胖”,以至于时常饿着肚子质问镜子中的自己:我这是肿了吗?

2)点集空间聚类。以遮挡边界为界,实现不同点集的空间聚类。

第四步,对ci中所有成员执行步骤三,对ci扩展,直到ci成员不再增加。则聚类集合C=Cci

第五步,对当前所有待分类点执行步骤二至步骤四,直到将所有待分类点归类完毕。

1.3 孤立噪声点集确定

本文基于遮挡边界检测的孤立噪声检测方法可描述为以下过程:

1.4 算法流程

完成点集空间聚类后,可根据经验值人工设定阈值自动检测孤立噪声,或人工选定点集作为孤立噪声点集。

1)遮挡边界检测。在单站栅格数据中,通过检测邻域距离突变点,实现遮挡边界检测。

第三步,将pmn八邻域中非边界点中的待分类点pi加入ci,并改变其分类标识;

这个假期虽然很短,阅读的路却很长。希望孩子们通过这个小小的活动,养成阅读的习惯,坚持下去,在阅读的长长的路上,享受生命的成长。

3)孤立噪声确定。根据设定阈值确定孤立噪声点集。

应提升对预算编制方面的重视,充分发挥预算管理的实效性,让预算管理工作能够为企业的各项经济活动提供基础性参考,与企业的其他部门之间进行密切的沟通与联系[13]。对于仓储类型较为复杂的企业而言,应当对粮食的存货类型及存货量进行合理的规划,结合当前的市场环境,对未来一段时间内的粮食需求情况进行预判,做好充分的计划准备,通过全面预算的推行,以及存货预算管理水平的提升,对企业的资金进行合理化利用,提升企业的创效能力[14]。

这群军中白衣天使,医治的不仅是战士们的伤口,更有战士们的心灵。因有了她们的存在,在炮火飞溅的战场,每个硬汉心中也赫然绽放着一朵朵红玫瑰。

其中,遮挡边界检测C++实现代码如下:

Void get0ccludingBoundaryPoint(const

tagSurBlock &R_Station,float distThreshold,std::vector&flagArray)

建筑工程设计管理工作开展中,为逐渐提升BIM的应用水平,需要管理人员对BIM在工程设计管理中的应用过程加以控制,针对性地落实好控制工作,及时处理细节问题,使其满足BIM在建筑工程设计管理中应用水平提升方面的要求。

四季柚幼苗栽植要求正、浅、实、浇。正,将定干好的柚苗,栽入定植穴中,以植株上部为正,进行种植;浅,苗要浅栽,嫁接口要露出土墩2 cm左右;实,定植苗木时土墩要踩实,墩面再盖些松土;浇,定植好的苗木,一定要浇足定根水,以保持根系水分,提高苗木成活率。

{

//获取单站栅格点云的行、列信息

贾宝玉这才猛然发现自己一直低看了这位衣着朴素的穷亲戚,也难怪《红楼梦》著名评论家陈其泰会把邢岫烟称为“书中第一流人物”了。

if(!getPointValue(R_SurStation,ii,jj,pt))

unsigned col = R_SurStation.col;

int iiCol = 11 + jj;

王楙在世,早陈振孙30多年,据其所言,其时犹藏通行宋本,即《崇文》本。而这个本子即是贺方回家藏写本,后为王楙所得者。

{

for(int jj=0;ii

{CCVector3 pt;//按行列信息获取点坐标

unsigned rew = R_SurStation.row;

continue;

float norm = pt.norm();

if(fabs(norm)<0.0000001)

continue;//跳过空点

for(int 11 = -1;11 <= 1;11++)

{

for(int mm = -1;mm <= 1;mm++){//遍历非空点的八领域

for(int ii=0;ii

int iiRow = mm + jj;

if(fabs(norm - nghPtNorm)>distThreshold)//遮挡边界点标记

if(!getPointValue(R_SurStation,iiRow,iiCol,nghPt))

continue;

float nghPtNorm = nghPtNorm();

CCVector3 nghPt;

flagArray.push_back(ii * col + jj);}}

}

由图6可知,紫菜的水分含量随着微波时间的增长而降低。在18 min时水分含量最低为3.3%。这是由于堆积厚度、微波功率不变的前提下,微波时间越久,紫菜受热时间越久,水分散发越多,所以水分含量逐渐降低。综合感官评分和水分含量选定微波时间为6,9,12 min作为正交试验的3个水平。

}

2 实验

为了验证本文所述算法的有效性,利用RIEGL VZ-1000对某室外场景以全景扫描方式进行数据采集,获得的单站点云数据的强度反射图像,如图1所示。算法实施采用单PC环境,内存配置为8GB,CPU为i7-2760QM,主频为2.4GHz。操作系统环境为Windows 7 64bit专业版,算法采用C++语言,以VS.NET2010为平台。

图1 单站点云二维栅格强度反射图像 Fig.1 The reflective intensity image of point cloud of single station in 2D raster structure

该场景的主体对象为某单位办公楼,办公楼前面是一个花园,含有丰富的植被特征,因而也容易产生多种遮挡和孤立点集。此外在数据采集过程中,场景中还有较多的行人通过,也产生了许多临时遮挡。由于建筑物长宽高约为30 m×15 m×20 m,扫描仪立于目标对象中间部位,且垂直距离扫描对象约为5 m,因此,目标对象上的点距离扫描仪距离不会大于30 m。因此,可采用距离阈值约束法对原始单站数据进行粗略去噪,效果如图2所示。

图2 距离阈值约束效果图 Fig.2 The de-noise effect with distance threshold

然后,利用单站点云数据的栅格结构,对经过粗略去噪的点云数据进行遮挡边界检测,在该过程中,遮挡阈值设为0.5 m,检测效果如图3所示。以遮挡边界作为聚类边界,对点云数据进行空间聚类,聚类效果如图4所示。设定500作为孤立点集数目阈值,被滤除掉的孤立点集如图5和图6中彩色点云所示。滤除孤立点集后的点云数据如图7所示。从实验结果来看,本文算法能够有效滤除场景中大部分的孤立点集。

脊柱术后脑脊液漏会出现很多不良后果,会延缓手术切口的一期愈合,甚至无法一期愈合,可以出现假性硬脊膜囊肿并产生神经组织崁顿及神经功能障碍,增加椎管内感染、颅内感染的风险,从而危及生命等。

图3 遮挡边界检测效果图(距离阈值为0.5 m) Fig.3 The detection effect of occluding edge with 0.5 m distance threshold

图4 二维栅格中点云空间聚类效果图 Fig.4 The spatial cluster effect diagram of point cloud in 2D raster structure

图5 二维栅格中孤立点集探测结果图(点集数目阈值500) Fig.5 The detection effect of isolated noise sets with the number threshold of point sets of 500 in 2D raster structure

图6 三维空间中孤立点集探测结果图(点集数目阈值500) Fig.6 The detection effect of isolated noise sets with the number threshold of point sets of 500 in 3D space

图7 三维空间中孤立点集滤除后结果图 Fig.7 The effect after filtering isolated point sets in 3D space

3 结论

本文介绍了一种激光点云数据孤立噪声的检测方法。该方法利用单站数据的栅格结构,提高了传统孤立噪声检测方法中相邻点检索的效率(如空间格网、八叉树、R树、KD树等),省去了空间数据结构的构建,节省了存储空间,邻域点搜索更加方便快捷,从而提高了遮挡边界检测和空间聚类的效率。实验结果表明,本文所提出的方法能够有效检测单站点云数据中的孤立噪声。

[ ]

[1] 罗德安,宋晓华,廖丽琼,吴志群.基于切片技术的激光点云粗差探测[J].测绘通报,2011(5):1-4.

目前,越来越多的终末期肾病患者选择PD治疗,PD患者这一特殊的群体也受到越来越多医护人员的关注。本研究结果表明,与传统的健康教育相比,动机性访谈干预可以有效提高腹膜透析患者的运动依从性。在今后的工作中,我们如何将多种形式的健康教育方式融入临床护理工作中,切实提高患者的生活质量成为我们下一步的工作重点。

[2] Sotoodehs.Outlier detection in laser scanner point clouds[J].ISPRS,2006,36(5):297-302.

[3] Sotoodehs.Hierarchical clustered outlier detection in Laser Scanner Point Clouds[J].ISPRS,2007,36(3):383-388.

[4] 王晏民,郭明.大规模点云数据的二维与三维混合索引方法[J].测绘学报,2012,41(4):605-612.

油膜自然破裂边界位于最小油膜厚度hmin之后的某个位置φ2处,在数值求解过程中,当计算出某节点Pi,j为负时,则取为0,并以此点作为该行上破裂边界近似位置,经过ξ次迭代后,破裂边界就会逐渐向自然破裂边界逼近 [7-8]。

[5] 李鹏程,王慧,张勇,等.基于距离图像的分块曲面LiDAR点云滤波方法[J].测绘科学技术学报,2010,27(6):443-445.

[6] 王植,贺赛先.一种基于Canny理论的自适应边缘检测方法[J].中国图象图形学报,2004,9(8):957-962.

[7] 袁春兰,熊宗龙,周雪花,等.基于Sobel算子的图像边缘检测研究[J].激光与红外,2009,39(1):85-87.

殷义程,石宏斌,王利华
《地矿测绘》 2018年第01期
《地矿测绘》2018年第01期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息