立體匹配點(diǎn)云數(shù)據(jù)融合去噪算法

左志奇++盧坤

摘 要本文基于模型立體匹配得到的點(diǎn)云數(shù)據(jù)，針對(duì)不同模型間點(diǎn)云差異問題，提出了一種多模型點(diǎn)云融合去噪策略，該策略可以進(jìn)一步剔除點(diǎn)云數(shù)據(jù)中的噪聲，得到一致性好、精度高的區(qū)域DSM數(shù)據(jù)。實(shí)驗(yàn)證明，本文算法可以有效提高DSM的精度和可靠性。

【關(guān)鍵詞】匹配點(diǎn) 云數(shù)據(jù) 去噪算法

1 前言

通常情況下，影像密集匹配以模型為單位，為了獲得整個(gè)區(qū)域的DSM，需要融合所有模型的立體匹配點(diǎn)云數(shù)據(jù)。雖然在模型密集匹配過程中采用了多種策略剔除粗差，如中值濾波、小面積區(qū)域剔除、視差一致性檢查，但由于影像質(zhì)量以及匹配精度等方面的局限性，匹配結(jié)果經(jīng)常存在少量噪聲，模型間點(diǎn)云或多或少存在不一致的現(xiàn)象，需要通過融合去噪來得到高精度的區(qū)域DSM。

同時(shí)，考慮到半全局優(yōu)化密集匹配算法等模型密集匹配算法獲得的三維點(diǎn)云數(shù)據(jù)量非常龐大，不同模型間點(diǎn)云數(shù)據(jù)重疊度大，且存在點(diǎn)云數(shù)據(jù)不一致的問題，因此本文設(shè)計(jì)了一種多模型間的立體匹配點(diǎn)云數(shù)據(jù)融合去噪算法，該算法對(duì)點(diǎn)云中的粗差剔除效果明顯，精度可以滿足后續(xù)生產(chǎn)的需求。

2 多模型點(diǎn)云融合去噪算法

本文的融合去噪算法步驟如下：

2.1 區(qū)域點(diǎn)云數(shù)據(jù)分塊

本文的區(qū)域點(diǎn)云分塊是將點(diǎn)云數(shù)據(jù)按一定間距分塊處理，分塊處理的原因是點(diǎn)云數(shù)據(jù)量一般很大，整個(gè)區(qū)域點(diǎn)云數(shù)據(jù)難以一次性處理。

2.2 點(diǎn)云數(shù)據(jù)格網(wǎng)化與格網(wǎng)最優(yōu)點(diǎn)獲取

將每個(gè)公里網(wǎng)的點(diǎn)云數(shù)據(jù)按一定格網(wǎng)間距建立格網(wǎng)索引，即記錄每個(gè)格網(wǎng)內(nèi)的所有點(diǎn)索引號(hào)，然后采用中值濾波算法獲得格網(wǎng)最優(yōu)點(diǎn)，即對(duì)格網(wǎng)內(nèi)所有點(diǎn)的高程值進(jìn)行中值濾波，以濾波后得到的中值點(diǎn)作為該格網(wǎng)的最優(yōu)點(diǎn)。需要注意的是采用的格網(wǎng)間距不能太小，每個(gè)格網(wǎng)中的點(diǎn)數(shù)均值一般應(yīng)大于20個(gè)，點(diǎn)數(shù)太少噪聲去除效果不明顯，格網(wǎng)間距也不能太大，否則會(huì)過多丟失細(xì)節(jié)，本文中的格網(wǎng)大小按平均格網(wǎng)內(nèi)點(diǎn)數(shù)20個(gè)計(jì)算獲得。

2.3 基于不規(guī)則三角網(wǎng)的點(diǎn)云數(shù)據(jù)加密

經(jīng)過步驟2.2得到的格網(wǎng)最優(yōu)點(diǎn)一般較為稀疏，會(huì)造成一定的細(xì)節(jié)丟失，可以采用漸進(jìn)三角網(wǎng)加密的方式獲得細(xì)節(jié)更加豐富的點(diǎn)云數(shù)據(jù)。具體方法是首先采用格網(wǎng)最優(yōu)點(diǎn)構(gòu)建不規(guī)則三角網(wǎng)，作為初始的DSM表面，然后遍歷三角網(wǎng)中每一個(gè)三角形，對(duì)落在三角形平面內(nèi)的原始點(diǎn)逐個(gè)判斷，將距離和角度小于設(shè)定閾值的點(diǎn)添加進(jìn)來作為最終的融合結(jié)果，其中漸進(jìn)三角網(wǎng)加密算法的詳細(xì)介紹見文獻(xiàn)[3]。

3 實(shí)驗(yàn)結(jié)果

為了驗(yàn)證方法的有效性，本文選取了某區(qū)域航空影像數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，立體模型匹配采用半全局優(yōu)化密集匹配，采用點(diǎn)云剖面圖的形式展示點(diǎn)云融合去噪效果，結(jié)果如圖1所示。其中（a）區(qū)域整體概覽圖，A和B為選擇的剖面對(duì)比區(qū)域，（b）為區(qū)域A的剖面圖，灰色為去除的噪聲點(diǎn)，（c）為區(qū)域A保留的點(diǎn)云數(shù)據(jù)，（d）為區(qū)域B的剖面圖，灰色為去除的噪聲點(diǎn)，（e）為區(qū)域B保留的點(diǎn)云數(shù)據(jù)。可以看出融合去噪后剔除了不一致的噪聲點(diǎn)云數(shù)據(jù)，保留的點(diǎn)云數(shù)據(jù)在光滑性和一致性方面明顯改善。

4 結(jié)論

為了解決模型之間匹配不一致的情況，本文研究了一種多模型點(diǎn)云融合去噪算法，該算法可以有效剔除多模型點(diǎn)云數(shù)據(jù)中的噪聲點(diǎn)，改善了DSM的質(zhì)量。通過航空影像數(shù)據(jù)的實(shí)驗(yàn)表明，本文算法可以得到質(zhì)量高、可靠性強(qiáng)的DSM產(chǎn)品，具有廣闊應(yīng)用前景。

參考文獻(xiàn)

[1]Hirschmuller H.Stereo Processing by Semiglobal Matching and Mutual Information[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2008，30（02）：328-341.

[2]Haller I，Nedevschi S.GPU optimization of the SGM stereo algorithm [C].IEEE International Conference on Computational Photography （ICCP），2010：197-202.

[3]Axelsson P.DEM generation from laser scanner data using adaptive TIN models.[J].2000.

[4]張祖勛，張劍清.數(shù)字?jǐn)z影測(cè)量學(xué)[M].武漢：武漢測(cè)繪科技大學(xué)出版社，1996.

作者單位

中國人民解放軍61175部隊(duì) 湖北省武漢市 430000