基于PCL平台的激光雷达点云数据特征提取
来源:用户上传
作者:
摘 要：激光雷达扫描系统是一种能够精确可靠地获取三维数据的系统。以英国MLD公司VS1500三维空间激光扫描定位系统获取的点云数据为研究基础，使用数字统计滤波（Statistical Outlier Removal）对点云数据进行滤波，利用法线提取出云数据的特征，测试结果表明，法线对于形状特征具有明显的提取效果。
关键词：PCL平台;点云数据;特征提取
中图分类号：P22.5 文献标识码：A
doi：10.14031/j.cnki.njwx.2020.09.008
0 引言
点云数据是重建三维模型的数据基础，但是激光雷达扫描技术拥有三高优点，即分辨率超高、精度高、效率超高，包括不碰触测量的优点，也是采集云数据最核心手段之一。但是在实际应用中，利用激光雷达扫描系统获取的点云数据中都存在不同程度的噪声干扰，包含不同的孔洞，初始点的云数据如果径直使用在三维重建上，不但会使结果变得畸形失真，而且还特别严重制衡了云数据的三高优点。因此，对于点云数据的预处理和特征提取具有十分重要的意义。
1 点云数据预处理
由于获取的点云数据通常是密度不均的，而且，测量误差也会造成零零散散的离群点，影响了点云后期的处理，比如点云特征的提取、校准、切割等。不符合条件的点云存在会导致后期结果的偏差甚至是错误的计算和结果。
在尝试计算任一点以及它的近邻的特征的时候，首先研究此点的周围邻近点的相关局部曲面的性质是不可或缺的步骤。如果在开始时就设置一个简单的距离阈值，虽然这样的方式比较简单快捷，但是只能局限在一定的应用范围内，有很强的约束范围。但是如果在采样的位置上进行全面的相关的特征分析，效果相对直接设置简单的距离阈值会更好一些。然而我们研究的目的是为了通用性，要满足数据分析的普遍性，因此，本文给出了理论上可以适用于任何点云数据集合的具有通适性的分析方法及数字统计分析技术，求解符合要求的点云计算公式如下
P*={ρ*i∈PμK-α·σk ≤
d≤μk+α·σk}
（1）
其中，d为k近邻域的平均距离，σk为标准差，μk为平均距离，d为每个点的距离，P*为符合条件点的集合，P为一点的邻域集合，α为密度限制因素。我们可以假设查找位置的临近值的数字为50，同时离群点的数值为1。将邻域点数改成100，阈值改成2后，滤波后的点云可视化与第一次结果相比，差别不大。
通过改变阈值和近邻点个数两个条件，点云数据总量变化如下表。
通过实验可以得出，阈值不变情况下，增大邻域点数，可以略微减少离群点，领域点数增大同等倍数的情况下，阈值设置越小，濾波点数减少的越少;在临近点数不变的情况下，减少阈值，可以减少滤波点数。
2 用法线的方法进行特征提取
在诸多研究的领域中，利用表面法线几何体表面这一属性被大量使用。举个例子，假设我们已经了解并知道了一个几何体表面，可以以垂直点外表矢量为依据，通常特别容易推测判断出外表的任意一点的法线指向，相对来说，比较便捷的办法是从云数据中径直推断外表法线。
可以从图1的结果看出，法线的指向都统一指着视点，视图中的视点都指着所在场景的桌面，法线在桌面上的杯子处，且与桌面平行，但是在桌面上的点集的法线，不仅垂直于桌面还指着点云本身获得的视点，积分图像的规律是详细到任意点的部分领域的协方差举证建立积分图像来测算此点的法线，建立6个积分图像来测算左右前后方向的平滑后的三维梯度，同时利用两个梯度之间的向量积分得出法线，最终建立只有一种的积分图像，在平均深度中，通过变换得出法线。由查找点近邻的元素可以组成协方差矩阵，也就是说，对于每一个点指定点Pi，其对应的协方差矩阵C公式为
C=1k∑ki=1·Pi-P·Pi-PT，C·vj
=λi·vi，j∈0，1，2 （2）
其中，k为Pi临近点的数目，P是指定点Pi最近邻元素的三维质心，λi是协方差矩阵的第j个特征值，vj→是第j个特征向量。但是特别可惜的是，在估计法线的时候，这个方法除了有序点云数据之外都不可以使用。
对比图2和图3，可以看到，滤波前后提取到的特征是相同的，都提取到了场景中的桌子和窗户特征，但是滤波后特征提取时间非常短。时间的快慢在特征提取中非常重要，如果运行一个程序都是多达几个小时，不仅降低工作效率，而且对编程非常不利。因为时间如果很长，很难判断是结果正在运行中还是程序虽然编译正确但是会一直正常运行却不会出现结果。
3 结语
本文以英国MLD公司VS1500三维空间激光扫描定位系统获取的点云数据为研究基础，使用数字统计滤波对点云数据进行滤波，可利用法线提取出云数据的特点，测试后结果显示，法线对于形状特征具有明显的提取效果。
参考文献：
[1] 吴剑锋，王文，陈子辰.激光三角法测量误差分析与精度提高研究[J].机电工程，2003（20）： 89-91.
[2] 廖丽琼，罗德安.地面激光雷达的数据处理及精度分析[J].四川测绘， 2004（4）： 153-155.
[3] 罗德安，廖丽琼.地面激光扫描仪的精度影响因素分析[J].铁道勘察， 2007（4）： 5-8.
[4] 程效军， 贾东峰， 程小龙. 海量点云数据处理理论与技术[M]. 上海： 同济大学出版社， 2014.
[5] 李鸿宇. 三维激光扫描技术在地形测绘成图中的应用[J]. 数字技术与应用， 2014（2）： 89-89.
项目基金：江苏省高等学校大学生创新创业训练计划项目（201913108007H）
作者简介：潘嘉昊（1999-），男，江苏常州人，在读学生，研究方向：新能源汽车技术。
转载注明来源:https://www.xzbu.com/1/view-15320143.htm
