机载LiDAR航带重叠消冗方法和系统、介质、设备与流程

计算;推算;计数设备的制造及其应用技术机载lidar航带重叠消冗方法和系统、介质、设备技术领域1.本发明属于航空测绘技术领域，具体涉及一种机载lidar航带重叠消冗方法。背景技术：2.机载lidar现已成为大范围陆地测绘的主要手段之一。在机载lidar测绘时，一般按照预先规划的航线对测区进行飞行和扫描，相邻航线在水平面上的投影大体平行。为了进行lidar的检校和配准，还需要设计井字形的航线，航线之间平行或垂直。单条航线获取的点云数据称为一条航带。为了确保对测区的无缝覆盖和辅助航带间配准，相邻两条航带之间一般需要有20％～60％的重叠区域，即对测区内的部分区域，存在重复测量，获得了冗余数据。如图1所示，中灰色为航带a和航带b的重叠部分，黑色虚线为重叠部分中心线，飞机按箭头方向沿实线飞行；渐变灰度条代表扫描角，黑色部分，即灰度较小的代表扫描角值较小，白色部分，即灰度较大的代表扫描角值较大。国家标准《ch/t 3014-2014数字表面模型机载激光雷达测量技术规程》规定，为了减少航带重叠区冗余数据对后期数据处理的影响，参照航迹文件，宜滤除航带重叠区的冗余数据，并将冗余数据存放在航带重叠点类中。在机载lidar数据处理领域最常用的软件之一terrasolid提供了在航迹信息辅助下的航带消冗功能。3.虽然国家标准ch/t 3014-2014规定需要使用航迹文件进行消冗，但是，在特定情况下，可能缺失航迹文件或航迹文件并不能支撑航带消冗。例如，时间有多种记录格式，如果航迹文件的时间记录格式和lidar的时间记录格式不一致，可能会使得点云中的点不能匹配到准确的gps时间和位置，进而导致不能为点云划分航带和消冗。gps时间常采用周/秒的形式进行记录，并且每周清零重置。这带来的一个问题是如果多次航测的时间间隔为单个或多个星期，则航迹文件内的gps时间可能发生混淆。此外，即使有航迹信息，terrasolid对航带井字交叉的检校区域的去冗效果也不佳。因此，研究如何在无航迹信息辅助的情况下对航带重叠区消冗，对lidar内业生产具有明显的意义。4.现有多种不依赖航迹信息的航带消冗方法，但均存在各自的问题。基于数据密度的消冗方法较为盲目，随机性强，容易产生类似补丁的效果。例如，在一个格网内是a航带的数据，在相邻格网内却全都是b航带的数据。但是在理论上，越临近的格网，其保留的航带越可能相同。彭检贵等在论文《一种去除机载lidar航带重叠区冗余点云的方法》中提出一种无需航线信息的数据消冗算法，建立点云gps时间信息直方图判别出点云所属航带，然后求取相邻航带重叠部分的外包及外包的中线，最后判断格网化点云与外包中线的关系实现数据消冗。该方法求取重叠区外包及其中线的方式过于粗略，难以描述大多数测区的航带重叠区及分界线，对飞行方向不平行于x或y轴的航带可能效果不佳。邹长江等在论文《机载lidar点云时间纹理信息航带重叠区消冗》中提出了基于点云时间纹理信息的航带重叠区消冗方法。该方法最大的问题在于只能适用于摆动扫描镜扫描，而不能用于旋转棱镜扫描等其它扫描方式。王丽英等在论文《机载lidar点云冗余数据辨识及消除》给出的消冗方法在划分格网时，其确定格网大小的方法受到多次回波比例的影响，在多次回波发生比例较高时有可能将格网设的过大，导致空的格网单元出现。此外，判断格网单元内是否有冗余和选择需保留航带的方法不稳健，导致在理应为单条航带的区域混杂其它航带。中国专利文献cn201710058216.7提出的消冗方法是建立在对航带重叠部分进行配准的基础上，计算复杂度非常高，也容易产生补丁现象。技术实现要素：5.发明目的：针对现有技术中存在的问题，本发明提供一种机载lidar航带重叠消冗方法，该方法不依赖航迹信息，能够实现航带重叠消冗。6.技术方案：本发明一方面公开了一种机载lidar航带重叠消冗方法，包括步骤：7.s1、对点云数据栅格化，格网边长为dgrid，得到多个格网；每个点均初始化为非冗余点；8.s2、根据点数据的gps时间差，判断每个格网是否存在航带重叠和冗余；9.s3、对于有航带重叠和冗余的格网g进行初步消冗，包括步骤：10.s3.1、获取格网内点的扫描角并去重，组成集合ssa；对ssa内的元素基于最小类间距离进行聚类，得到扫描角聚类集合csa；如果csa内元素数目为1，将格网g加入重叠待消冗集合stojudge，跳转至步骤s3.1处理下一有航带重叠和冗余的格网；11.s3.2、如果csa内的元素数目大于1，判断其中每个扫描角聚类是否有效：设csa中第l个扫描角聚类为csa,l，l＝1,2,…,l，l为csa内元素的个数；计算csa,l的最小扫描角θmin,l和最大扫描角θmax,l；遍历格网g内的点，扫描角位于区间[θmin,l,θmax,l]的点构成第一聚类点集合sline1,l；如果sline1,l的元素数目nsa,l小于格网最小点数阈值nmin，则跳过csa,l，否则将csa,l加入有效扫描角聚类集合cvalidsa；[0012]s3.3、如果有效扫描角聚类集合cvalidsa的元素数目nvalidsa为0，则令cvalidsa＝csa；[0013]s3.4、计算cvalidsa内的每个有效扫描角聚类的平均绝对扫描角：设cvalidsa中第m个有效扫描角聚类为cvalidsa,m，m＝1,2,…,m，m为cvalidsa内元素的个数；cvalidsa,m对应的第一聚类点集合为sline1,m，计算构成sline1,m的点的平均绝对扫描角的点的平均绝对扫描角其中||为计算绝对值符号，nsa,m为sline1,m的元素个数，θm,i为sline1,m中第i个点的扫描角；[0014]s3.5、获取cvalidsa内平均绝对扫描角最小的扫描角聚类cminθ，根据cminθ内元素的最小值θ′min和最大值θ′max初步筛选出格网内的冗余点；[0015]s3.6、对格网内的非冗余点，根据最小gps时间和最大gps时间之间的差判断cminθ是否对应单条航带；如果cminθ对应单条航带，将当前格网g加入重叠已消冗集合sjudge，否则将当前格网g加入重叠待消冗集合stojudge；[0016]s4、对重叠待消冗集合stojudge内的格网进行消冗：[0017]s4.1、对重叠已消冗集合sjudge内的格网，根据中心点xy坐标构建二维索引；[0018]s4.2、遍历重叠待消冗集合stojudge内的格网，设当前格网为gtojudge，将gtojudge内所有非冗余点的gps时间去重后组成集合sgps，对sgps内的元素基于最小类间距离聚类，得到gps时间聚类集合cgps；[0019]s4.3、如果cgps内的元素数目大于1，判断其中每个gps时间聚类是否有效：设cgps中第n个gps时间聚类为cgps,n，n＝1,2,…,n，n为cgps内元素的个数；计算cgps,n的最小gps时间tmin,n和最大gps时间tmax,n；遍历格网gtojudge内的点，gps时间位于区间[tmin,n,tmax,n]内的点构成第二聚类点集合sline2,n；如果sline2,n的元素数目ngps,n小于格网最小点数阈值nmin，则从cgps中删除cgps,n；[0020]s4.4、利用步骤s4.1中构建的二维索引搜索sjudge中距离gtojudge中心点最近的格网gjudge；计算格网gjudge内非冗余点的平均gps时间tmean；[0021]s4.5、计算cgps中每个gps时间聚类的平均gps时间：设cgps中第p个gps时间聚类为cgps,p，p＝1,2,…,p，p为经步骤s4.3处理后cgps内元素的个数；cgps,p对应的第二聚类点集合为sline2,p，计算构成sline2,p的点的平均gps时间的点的平均gps时间其中ngps,p为sline2,p的元素数目，tp,j为sline2,p中第j个点的gps时间；[0022]s4.6、在gps时间聚类集合cgps中搜索平均gps时间与tmean差距最小的gps时间聚类cmintdif；遍历当前格网gtojudge内的点，gps时间位于区间内的点标记为非冗余点，位于区间外的点标记为冗余点；分别为cmintdif内元素的最小值和最大值；[0023]s4.7、重复步骤s4.2至s4.6，直到重叠待消冗集合stojudge内的格网均被处理过。[0024]进一步地，所述步骤s2具体为：[0025]对每个格网，遍历位于其内的所有点，查找最小gps时间tmin和最大gps时间tmax，计算gps时间差δt＝tmax-tmin；[0026]如果δt小于等于同航带最大时间差阈值δtthre，认为对应格网内的点均来自同一条航带，不存在航带重叠和冗余，否则认为对应格网存在航带重叠和冗余。[0027]进一步地，所述步骤s3.1中对ssa内的元素基于最小类间距离进行聚类，得到扫描角聚类集合csa的具体步骤为：[0028]a1、对ssa内的元素进行排序，构成数组a；[0029]a2、新建聚类c1作为当前聚类，取a中第1个元素a1加入c1；[0030]a3、对a从第2个元素开始遍历，设当前遍历到第u个元素au，当前聚类为cv，v≥1；如果则将au加入cv；否则将cv加入扫描角聚类集合csa，再新建聚类cv+1，将au加入cv+1，cv+1作为当前聚类；其中为cv中最新加入的元素，δa为预设的非负差异阈值；重复执行步骤a3，直至遍历完a中所有元素；[0031]a4、将当前聚类加入扫描角聚类集合csa。[0032]进一步地，所述步骤s3.5具体为：遍历当前格网g内的点，扫描角位于区间[θ′min,θ′max]外的点标记为冗余点。[0033]进一步地，所述步骤s3.6具体为：[0034]计算格网内非冗余点的最小gps时间t′min和最大gps时间t′max，得到gps时间差δt′＝t′max-t′min；如果δt′小于等于同航带最大时间差阈值δtthre，认为cminθ对应单条航带，否则认为cminθ对应多条航带。[0035]另一方面，本发明还公开了一种不依赖航迹信息的机载lidar航带重叠消冗系统，包括：[0036]点云栅格化模块1，用于对点云数据栅格化，得到多个格网；每个点均初始化为非冗余点；[0037]格网航带重叠和冗余判断模块2，用于根据点数据的gps时间差，判断每个格网是否存在航带重叠和冗余；[0038]航带重叠和冗余格网初步消冗模块3，用于根据步骤s3.1-s3.6对有航带重叠和冗余的格网g进行初步消冗：[0039]s3.1、获取格网内点的扫描角并去重，组成集合ssa；对ssa内的元素基于最小类间距离进行聚类，得到扫描角聚类集合csa；如果csa内元素数目为1，将格网g加入重叠待消冗集合stojudge，跳转至步骤s3.1处理下一有航带重叠和冗余的格网；[0040]s3.2、如果csa内的元素数目大于1，判断其中每个扫描角聚类是否有效：设csa中第l个扫描角聚类为csa,l，l＝1,2,…,l，l为csa内元素的个数；计算csa,l的最小扫描角θmin,l和最大扫描角θmax,l；遍历格网g内的点，扫描角位于区间[θmin,l,θmax,l]的点构成第一聚类点集合sline1,l；如果sline1,l的元素数目nsa,l小于格网最小点数阈值nmin，则跳过csa,l，否则将csa,l加入有效扫描角聚类集合cvalidsa；[0041]s3.3、如果有效扫描角聚类集合cvalidsa的元素数目nvalidsa为0，则令cvalidsa＝csa；[0042]s3.4、计算cvalidsa内的每个有效扫描角聚类的平均绝对扫描角：设cvalidsa中第m个有效扫描角聚类为cvalidsa,m，m＝1,2,…,m，m为cvalidsa内元素的个数；cvalidsa,m对应的第一聚类点集合为sline1,m，计算构成sline1,m的点的平均绝对扫描角的点的平均绝对扫描角其中||为计算绝对值符号，nsa,m为sline1,m的元素个数，θm,i为sline1,m中第i个点的扫描角；[0043]s3.5、获取cvalidsa内平均绝对扫描角最小的扫描角聚类cminθ，根据cminθ内元素的最小值θ′min和最大值θ′max初步筛选出格网内的冗余点；[0044]s3.6、对格网内的非冗余点，根据最小gps时间和最大gps时间之间的差判断cminθ是否对应单条航带；如果cminθ对应单条航带，将当前格网g加入重叠已消冗集合sjudge，否则将当前格网g加入重叠待消冗集合stojudge；[0045]重叠待消冗格网消冗模块4，用于根据步骤s4.1-s4.7对重叠待消冗集合stojudge内的格网进行消冗：[0046]s4.1、对重叠已消冗集合sjudge内的格网，根据中心点xy坐标构建二维索引；[0047]s4.2、遍历重叠待消冗集合stojudge内的格网，设当前格网为gtojudge，将gtojudge内所有非冗余点的gps时间去重后组成集合sgps，对sgps内的元素基于最小类间距离聚类，得到gps时间聚类集合cgps；[0048]s4.3、如果cgps内的元素数目大于1，判断其中每个gps时间聚类是否有效：设cgps中第n个gps时间聚类为cgps,n，n＝1,2,…,n，n为cgps内元素的个数；计算cgps,n的最小gps时间tmin,n和最大gps时间tmax,n；遍历格网gtojudge内的点，gps时间位于区间[tmin,n,tmax,n]内的点构成第二聚类点集合sline2,n；如果sline2,n的元素数目ngps,n小于格网最小点数阈值nmin，则从cgps中删除cgps,n；[0049]s4.4、利用步骤s4.1中构建的二维索引搜索sjudge中距离gtojudge中心点最近的格网gjudge；计算格网gjudge内非冗余点的平均gps时间tmean；[0050]s4.5、计算cgps中每个gps时间聚类的平均gps时间：设cgps中第p个gps时间聚类为cgps,p，p＝1,2,…,p，p为经步骤s4.3处理后cgps内元素的个数；cgps,p对应的第二聚类点集合为sline2,p，计算构成sline2,p的点的平均gps时间的点的平均gps时间其中ngps,p为sline2,p的元素数目，tp,j为sline2,p中第j个点的gps时间；[0051]s4.6、在gps时间聚类集合cgps中搜索平均gps时间与tmean差距最小的gps时间聚类cmintdif；遍历当前格网gtojudge内的点，gps时间位于区间内的点标记为非冗余点，位于区间外的点标记为冗余点；分别为cmintdif内元素的最小值和最大值；[0052]s4.7、重复步骤s4.2至s4.6，直到重叠待消冗集合stojudge内的格网均被处理过。[0053]进一步地，所述格网航带重叠和冗余判断模块2采用如下步骤判断格网是否存在航带重叠和冗余：对每个格网，遍历位于其内的所有点，查找最小gps时间tmin和最大gps时间tmax，计算gps时间差δt＝tmax-tmin；[0054]如果δt小于等于同航带最大时间差阈值δtthre，认为对应格网内的点均来自同一条航带，不存在航带重叠和冗余，否则认为对应格网存在航带重叠和冗余。[0055]进一步地，所述航带重叠和冗余格网初步消冗模块3中步骤s3.1对ssa内的元素基于最小类间距离进行聚类，得到扫描角聚类集合csa的具体步骤为：[0056]a1、对ssa内的元素进行排序，构成数组a；[0057]a2、新建聚类c1作为当前聚类，取a中第1个元素a1加入c1；[0058]a3、对a从第2个元素开始遍历，设当前遍历到第u个元素au，当前聚类为cv，v≥1；如果则将au加入cv；否则将cv加入扫描角聚类集合csa，再新建聚类cv+1，将au加入cv+1，cv+1作为当前聚类；其中为cv中最新加入的元素，δa为预设的非负差异阈值；重复执行步骤a3，直至遍历完a中所有元素；[0059]a4、将当前聚类加入扫描角聚类集合csa。[0060]本发明还公开了一种计算机存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述的机载lidar航带重叠消冗方法。[0061]本发明还公开了一种机载lidar航带重叠消冗设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上所述的机载lidar航带重叠消冗方法。[0062]有益效果：与现有技术相比，本发明公开的机载lidar航带重叠消冗方法和系统具有如下优点：[0063]1、适用范围广，可以适用于摆动扫描镜扫描、旋转棱镜扫描等主流扫描方式，适用于无人机和大型固定翼飞机等平台，适用于平行航线和井字形航线；[0064]2、参数少，易设置。该方法使用到的参数包括格网边长dgrid，格网最小点数阈值nmin、同航带最大时间差阈值δtthre、最小类间距离聚类阈值δa，一般简单地经验性设置即可。如果已知设计的地面激光脉冲点密度，nmin可自动设置；[0065]3、方法简单，不依赖于点云分类，执行速度快；[0066]4、在消冗后的结果中，单条航带不混杂其它航带，无补丁现象，过渡自然。附图说明[0067]图1为航带重叠示意图；[0068]图2为本发明公开的机载lidar航带重叠消冗方法的流程图；[0069]图3为对有航带重叠和冗余的格网g进行初步消冗的流程图；[0070]图4为对重叠待消冗集合内的格网进行消冗的流程图；[0071]图5为本发明公开的机载lidar航带重叠消冗系统的组成示意图；[0072]图6为本发明公开的机载lidar航带重叠消冗设备的组成示意图。具体实施方式[0073]下面结合附图和具体实施方式，进一步阐明本发明。[0074]本发明公开了一种机载lidar航带重叠消冗方法，如图2所示，包括步骤：[0075]s1、对点云数据栅格化，格网边长为dgrid，得到多个格网；每个点均初始化为非冗余点；[0076]在本实施例中，格网边长dgrid可以取得较小，但需要确保在有数据且无重叠的区域，格网内普遍有10个及以上的点；[0077]s2、根据点数据的gps时间差，判断每个格网是否存在航带重叠和冗余；具体为：[0078]对每个格网，遍历位于其内的所有点，查找最小gps时间tmin和最大gps时间tmax，计算gps时间差δt＝tmax-tmin；[0079]如果δt小于等于同航带最大时间差阈值δtthre，认为对应格网内的点均来自同一条航带，不存在航带重叠和冗余，否则认为对应格网存在航带重叠和冗余。[0080]大多数情况下，点云中的每个点具备gps时间属性，且各个点的gps时间不重复。在机载lidar航测时，一般是飞完一条航带再飞下一条相邻航带。在这条航带结束后和下条航带开始前，中间的这段时间用于飞机转弯、航向调整等，如图1所示，因此相邻航带的时间差最少在数分钟以上，甚至可达几十上百分钟。现代lidar的发射频率普遍很高，如果格网边长dgrid较小，在单个格网内，隶属于同一条航带的点的gps时间差很小。出于上述考虑，在本实施例中，δtthre的值可以设置为10秒至60秒。[0081]s3、经过步骤s2对点云数据格网进行了分类，对于其中有航带重叠和冗余的格网g进行初步消冗，如图3所示，具体包括步骤：[0082]s3.1、获取格网内点的扫描角并去重，组成集合ssa；对ssa内的元素基于最小类间距离进行聚类，得到扫描角聚类集合csa，具体步骤为：[0083]a1、对ssa内的元素进行排序，构成数组a；此处排序按从小到大或从大到小均可；[0084]a2、新建聚类c1作为当前聚类，取a中第1个元素a1加入c1；[0085]a3、对a从第2个元素开始遍历，设当前遍历到第u个元素au，当前聚类为cv，v≥1；如果则将au加入cv；否则将cv加入扫描角聚类集合csa，再新建聚类cv+1，将au加入cv+1，cv+1作为当前聚类；其中为cv中最新加入的元素，δa为预设的非负差异阈值；重复执行步骤a3，直至遍历完a中所有元素；[0086]a4、将当前聚类加入扫描角聚类集合csa。[0087]经过步骤a1-a4，得到的扫描角聚类之间的最小距离大于δa。在las格式中，扫描角以整数形式进行存储。假设一条航线的地面扫描宽度为500m，共50°的扫描角，则平均1°的扫描角覆盖10m的宽度，比格网大数倍。在单个格网内，隶属于同一条航带的点的扫描角变化很小，扫描角相同，或小扫描角与大扫描角相差1°，所以在本实施例中，δa取1°，以确保扫描角聚类间的最小距离大于1°。得到多个扫描角聚类意味着有多条航带的点。[0088]如果csa内元素数目为1，即格网内点云数据的gps时间差距较大，但扫描角差距较小，认为该格网位于航带重叠部分的中心，将格网g加入重叠待消冗集合stojudge，跳转至步骤s3.1处理下一有航带重叠和冗余的格网；[0089]由附图1可见，在航带重叠部分中心，两条相邻航带的扫描角基本一致，此时csa内的元素数目为1。在航带重叠部分偏离中心的位置，可能存在多个差距较大的扫描角，此时csa的元素数目大于1。[0090]s3.2、如果csa内的元素数目大于1，判断其中每个扫描角聚类是否有效：设csa中第l个扫描角聚类为csa,l，l＝1,2,…,l，l为csa内元素的个数；计算csa,l的最小扫描角θmin,l和最大扫描角θmax,l；遍历格网g内的点，扫描角位于区间[θmin,l,θmax,l]的点构成第一聚类点集合sline1,l；如果sline1,l的元素数目nsa,l小于格网最小点数阈值nmin，则跳过csa,l，否则将csa,l加入有效扫描角聚类集合cvalidsa；[0091]在本实施例中，nmin可以取无重叠格网内的最小点数的一半，设航线设计中的激光脉冲点密度为ρ，则nmin可取[0092]s3.3、如果有效扫描角聚类集合cvalidsa的元素数目nvalidsa为0，则令cvalidsa＝csa；[0093]s3.4、计算cvalidsa内的每个有效扫描角聚类的平均绝对扫描角：设cvalidsa中第m个有效扫描角聚类为cvalidsa,m，m＝1,2,…,m，m为cvalidsa内元素的个数；cvalidsa,m对应的第一聚类点集合为sline1,m，计算构成sline1,m的点的平均绝对扫描角的点的平均绝对扫描角其中||为计算绝对值符号，nsa,m为sline1,m的元素个数，θm,i为sline1,m中第i个点的扫描角；[0094]s3.5、获取cvalidsa内平均绝对扫描角最小的扫描角聚类cminθ，即cminθ的平均绝对扫描角满足：[0095]根据cminθ内元素的最小值θ′min和最大值θ′max初步筛选出格网内的冗余点，具体为：遍历当前格网g内的点，扫描角位于区间[θ′min,θ′max]外的点标记为冗余点。[0096]扫描角聚类与航带之间是一对多的关系，一个扫描角聚类可能对应多条航带。具体来说，在航带重叠部分非中心的位置，一个扫描角聚类一般对应一条航带，而在航带重叠部分中心的位置，一个扫描角聚类可能对应多条航带。[0097]对点云定位精度的建模分析认为，扫描角绝对值小的点的定位精度高，需要保留。在存在多个扫描角聚类时，平均绝对扫描角并非最小的扫描角聚类对应的航带肯定是冗余点，不需要保留，而平均绝对扫描角最小的扫描角聚类可能对应多条航带，需要进一步筛选需要保留的航带。[0098]s3.6、对格网内的非冗余点，即扫描角位于区间[θ′min,θ′max]内的点，根据最小gps时间和最大gps时间之间的差判断cminθ是否对应单条航带；如果cminθ对应单条航带，将当前格网g加入重叠已消冗集合sjudge，否则将当前格网g加入重叠待消冗集合stojudge；[0099]判断cminθ是否对应单条航带的步骤为：计算格网内非冗余点的最小gps时间t′min和最大gps时间t′max，得到gps时间差δt′＝t′max-t′min；如果δt′小于等于同航带最大时间差阈值δtthre，认为cminθ对应单条航带，否则认为cminθ对应多条航带。[0100]s4、经过步骤s3，将点云数据的格网分为重叠已消冗集合sjudge和重叠待消冗集合stojudge，之后对stojudge进行消冗，如图4所示，具体步骤包括：[0101]s4.1、对重叠已消冗集合sjudge内的格网，根据中心点xy坐标构建二维索引；本实施例中采用kd树或四叉树索引。[0102]s4.2、遍历重叠待消冗集合stojudge内的格网，设当前格网为gtojudge，将gtojudge内所有非冗余点的gps时间去重后组成集合sgps，对sgps内的元素基于最小类间距离聚类，得到gps时间聚类集合cgps；此处对sgps内的元素的聚类与步骤s3.1中对ssa内元素进行聚类的步骤a1-a4类似，具体步骤为：[0103]b1、对sgps内的元素进行排序，构成数组b；此处排序按从小到大或从大到小均可；[0104]b2、新建聚类r1作为当前聚类，取b中第1个元素b1加入r1；[0105]b3、对b从第2个元素开始遍历，设当前遍历到第u个元素bu，当前聚类为rv，v≥1；如果则将bu加入rv；否则将rv加入gps时间聚类集合cgps，再新建聚类rv+1，将bu加入rv+1，rv+1作为当前聚类；其中为rv中最新加入的元素；重复执行步骤b3，直至遍历完b中所有元素；[0106]b4、将当前聚类加入gps时间聚类集合cgps。[0107]经过步骤b1-b4，得到的gps时间聚类之间的最小时间差大于δtthre。[0108]s4.3、如果cgps内的元素数目大于1，判断其中每个gps时间聚类是否有效：设cgps中第n个gps时间聚类为cgps,n，n＝1,2,…,n，n为cgps内元素的个数；计算cgps,n的最小gps时间tmin,n和最大gps时间tmax,n；遍历格网gtojudge内的点，gps时间位于区间[tmin,n,tmax,n]内的点构成第二聚类点集合sline2,n；如果sline2,n的元素数目ngps,n小于格网最小点数阈值nmin，则从cgps中删除cgps,n；[0109]s4.4、利用步骤s4.1中构建的二维索引搜索sjudge中距离gtojudge中心点最近的格网gjudge；计算格网gjudge内非冗余点的平均gps时间tmean；[0110]s4.5、计算cgps中每个gps时间聚类的平均gps时间：设cgps中第p个gps时间聚类为cgps,p，p＝1,2,…,p，p为经步骤s4.3处理后cgps内元素的个数；cgps,p对应的第二聚类点集合为sline2,p，计算构成sline2,p的点的平均gps时间的点的平均gps时间其中ngps,p为sline2,p的元素数目，tp,j为sline2,p中第j个点的gps时间；[0111]s4.6、在gps时间聚类集合cgps中搜索平均gps时间与tmean差距最小的gps时间聚类cmintdif；cmintdif的平均gps时间满足：[0112][0113]遍历当前格网gtojudge内的点，gps时间位于区间内的点标记为非冗余点，位于区间外的点标记为冗余点；分别为cmintdif内元素的最小值和最大值；[0114]距离待处理格网gtojudge的中心点最近的格网gjudge一般是gtojudge的邻域格网之一。选择gps时间接近tmean的航带点为非冗余点可以使航带过渡自然，不会使点云在gps时间上发生突变，由此保持空间连续性。[0115]s4.7、重复步骤s4.2至s4.6，直到重叠待消冗集合stojudge内的格网均被处理过。[0116]本发明还公开了实现上述机载lidar航带重叠消冗方法的系统，如图5所示，包括：[0117]点云栅格化模块1，用于对点云数据栅格化，得到多个格网；每个点均初始化为非冗余点；[0118]格网航带重叠和冗余判断模块2，用于根据点数据的gps时间差，判断每个格网是否存在航带重叠和冗余；[0119]航带重叠和冗余格网初步消冗模块3，用于根据步骤s3.1-s3.6对有航带重叠和冗余的格网g进行初步消冗；[0120]重叠待消冗格网消冗模块4，用于根据步骤s4.1-s4.7对重叠待消冗集合stojudge内的格网进行消冗；[0121]本发明公开的机载lidar航带重叠消冗设备如图6所示，包括存储器601、处理器602，其中存储器601为计算机可读取存储介质，其上存储有计算机指令，该计算机指令运行时执行本发明所公开的机载lidar航带重叠消冗方法的步骤；处理器602加载并执行存储器601中的指令及数据用于实现上述机载lidar航带重叠消冗方法。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!