解决方案 | 激光噪点影响产品输出又难以避免,如何去除“没用”的噪点

近年来,激光雷达(LiDAR)技术迅猛发展,在测绘、林业调查、气象、考古、无人驾驶和智能机器人等领域均有广泛应用。激光雷达实际上是多种传感器的组合,大致包括发射系统、接收系统及信息处理三部分,它犹如人类的眼睛,可以确定物体的位置、大小等,通常被用于获取精确的位置信息。通过主动向目标探测物发送探测信号(激光束),并将目标发射回来的信号(目标回波)与发射信号进行比较,加以适当处理后便可获取目标的相关信息(图1),如目标距离、方位、高度、速度、姿态、甚至形状等参数,进而对目标进行探测、跟踪和识别。LiDAR与普通微波雷达相比体积更小、质量更轻,另外还有分辨率高,抗干扰能力强,不受光线影响可全天候作业等优点。

图1:激光雷达原理图(脉冲式激光雷达)

由于周围环境或者扫描仪本身特性,激光束在数据获取过程中有时会产生异常点,即我们常说的噪声点。常见的噪声点包括高位粗差和低位粗差(图2)。高位粗差通常是因为机载LiDAR系统在采集数据的过程中受到低飞的飞行物(比如鸟类或者飞机)的影响,误将这些物体反射回来的信号当作被测目标的反射信号记录下来所产生的;低位粗差则是由于测量过程中的多路径误差或者激光测距仪的误差导致产生的极低点。

图2:高位粗差(左),低位粗差(右)

在数据处理之前去除噪声能够更好地还原地物真实形状,提高后续数据处理的精度。因此,想要利用点云数据生产高精度产品,点云去噪变得尤为重要。一般来说,噪声点实际上就是离群点或离群点云,如果不去除噪声点,噪声点云将会参与运算,导致计算结果精度下降。举例来说,在分离地面点生成高精度DEM的过程中,得到原始点云后需采用滤波进行去噪,采用克里金插值或者反距离权重插值法将去噪后的数据生成相应的高精度DEM,但如果有噪声点存在且被识别为地面点之后,DEM的精度就会下降。

我公司自主研发的LiDAR360采用了与PCL库的基于统计学点云去噪相似的算法进行去噪。基于统计学的点云去噪原理是将输入数据中每个点到临近点的距离分布情况进行计算,得到各点到其所有临近点的平均距离。假设得到的结果是高斯分布,其形状由均值和标准差决定,平均距离在标准范围之外的点就被定义为离群点,将其从数据集中删除。

如果点的距离大于最大距离,则被定义为噪声点,将会被去除。反之则被保留下来。
LiDAR360采用了相似的算法原理,对每一个点搜索指定邻域点个数的相邻点,计算点到相邻点的距离平均值,再求得这些平均值距离的中值和标准差,如果点的平均值距离大于最大距离,则该点被判定为噪点,将被去除。

基于LiDAR360去除噪点的效果如图3所示。
图3:存在噪声点(左),经LiDAR360去除噪声点(右)
在统计学中,中值表示的是将总体中所有变量按大小顺序排列起来,形成一个数列,处于变量数列中间位置的变量值;平均值是指一组数据中所有数据之和除以数据个数。中值可以作为所研究数据的代表值,平均数则表示一组数据集中趋势的量数。相比PCL库中的去噪算法,LiDAR360的去噪算法可以更有效地去除噪点,其原因是LiDAR360在计算最大距离时将平均值替换为中值,当点云数据中的噪声点存在极端的离群变量点,平均数就会更趋于极值点,对于去噪效果有明显的影响,而中位数则不受极端离群点或者点簇的影响,可以达到很好的去噪效果。除此之外,由于此功能算法的特性,LiDAR360可以反复运行去噪功能,从而达到更好的去噪效果。
北京数字绿土科技有限公司