申请/专利权人:桂林理工大学
申请日:2023-03-27
公开(公告)日:2023-05-26
公开(公告)号:CN116165635A
主分类号:G01S7/495
分类号:G01S7/495;G06T5/00;G06V10/762;G06V10/75
优先权:
专利状态码:在审-实质审查的生效
法律状态: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光子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,完成光子云数据去噪。本发明能够更好实现日间高背景噪声光子云数据精确去噪,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光子云数据判断为日间强光束时,则对所述光子云数据不做处理。
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。