一种星载单光子激光雷达点云数据提取分类方法及系统

技术领域

本发明属于激光遥感技术领域，尤其涉及一种星载单光子激光雷达点云数据提取分类方法及系统。

背景技术

星载光子计数激光雷达进行水深测量时，接收到水面和水底返回的信号点云，同时也会收到背景光噪声和激光脉冲的后向散射噪声。在近海岸和岛礁等浅水地区，由于光子计数激光雷达发射脉冲能量较低，水底返回信号光子随着水深的增加而减少，平均单脉冲信号光子数远小于1个，同时受背景光噪声以及水体散射光子的影响，水底信号光子的提取难度较大。然而，为了实现浅水水深测量，需要准确地提取水面和水底的信号点云。光子计数激光雷达只能记录是否接收到光子，而无法记录信号的强度，无法通过线性体制信号提取方法从接收的单脉冲返回信号中提取水面和水底返回的信号光子，本发明提出面向浅水区域的信号提取方法，实现浅水区域水面和水底信号点云的提取与分类。

发明内容

为了解决现有技术中单光子激光雷达点云数据信号与噪声的分离以及信号点云的分类问题，本发明公开了一种星载单光子激光雷达点云数据提取分类方法及系统。

本发明方法的技术方案为一种星载单光子激光雷达点云数据提取分类方法，包括以下步骤：

步骤1：单光子激光雷达点云数据点云粗分类，将原始点云光子事件区分为信号光子区域和噪声光子区域，并将信号光子区域内光子区分为水域光子和陆地光子；

步骤2：单光子激光雷达点云数据点云精分类，结合信号光子区域和噪声光子区域，根据点云密度分布特点和点云所带的经纬度标签，确定信号光子区域内的信号光子；

步骤3：根据信号光子点云标签和信号光子点云高程分布直方图，将信号点云区分为水面光子、水底光子、陆表光子和地表覆盖物光子；

步骤4：对水底光子进行精确提取，得到水底光子轮廓线。

优选地，所述步骤1，具体如下：

步骤1.1：对光子计数激光雷达获取的点云按照沿轨距离进行分段，设定第f段点云区间的长度为τ

步骤1.2：根据每段点云区间的经度、纬度参数，对每段点云区间内的所探测到的所有光子建立点云个数随高程变化的累计分布直方图：

以τ

步骤1.3：将直方图中最高的值为作为高程统计直方图峰值确定为信号点云的平均高程H

步骤1.4：对纯陆地地形、含水底光子地形和无水底光子地形的点云分布特性，根据其高程分布特征将原始点云分为水域光子和陆地光子；

步骤1.5：以信号光子的平均高程H

对于水域光子，向下扩展区域需要大于等于光子最大测深深度H

优选地，所述步骤1.4具体如下：

地质反射特征的三种情况包括：

高程统计直方图中，高程小于三分之一倍主峰的直方柱认为是噪声级予以剔除，统计剩下直方柱的个数；

当直方柱的峰值个数阈值小于等于C时认为该区域为水域光子；

当高程统计直方图的峰值个数阈值大于C时，则标记为陆地光子，其公式可表示为：

P

P

其中，P

优选地，所述步骤2包括：

步骤2.1：根据处理区域光子点云的点云密度开设不同大小的点云搜索窗口；

步骤2.2：以每个点云为中心，以r

步骤2.3：根据计算得到的信号点云密度和噪声点云密度，确定最大噪声密度最为信号点云的提取阈值：

P

其中，P表示点云集合，p表示处理的信号光子，N

优选地，所述步骤2.1包括：

将光子点云划分为四类，根据不同类型设置点云密度计算窗口：

白天强波束以长轴r

白天弱波束以长轴r

黑夜强波束以长轴r

黑夜弱波束以长轴r

优选地，所述步骤2.2包括：

点云粗提取中已经将原始信号点云划分为噪声点云分布区间和信号点云分布区间，对噪声点云区间进行栅格划分，计算噪声栅格的平均噪声点云个数N

在信号点云分布区间中计算每个点云的点云密度值，以点云p(x

当dist(p,q)<1时，表示q位于椭圆之内；当dist(p,q)＝1时表示q位于椭圆之上；当dist(p,q)>1时，则表示q位于椭圆之外。假设这个搜索区间内点云个数为Q，则点云p(x

N

沿地表方向点云密较多，而在垂直地表方向点云少；噪声点云分布更加随机，因此通过调整(r

其中，p、q为第p个光子点云和第q个光子点云，r

Δx＝cosθ·(x

Δy＝sinθ·(x

其中，θ表示相对于x轴逆时针旋转的角度。旋转角度θ进行区域搜索，通过增加搜索区域的旋转变换，增大了基于密度聚类方法在不同地形下信号提取的自适应性，可根据地势的陡峭程度来增加搜索区域的旋转角度。

将计算区域每段的左右各扩展r

优选地，所述步骤3包括：

步骤3.1:对水域光子区间点云进行分段处理，计算每一段点云的平均高程μ

其中，μ

其中，σ

步骤3.2:将陆地光子进行点云分段处理，确定每段光子信号点云的地表光子，提取地表光子轮廓线，将陆地光子区分分为地表光子和地表覆盖物光子；

步骤3.3：对水下光子、地表光子和地表覆盖物光子进行噪声剔除。

优选地，所述步骤3.2包括：

计算处理区域最大高差L

th

其中，X

将点云高程在[L

将待定地表点云中高程在[0.75*th

优选地，所述步骤3.3包括：

水下光子中白天光子密度应小于ρ_lw，黑夜小于ρ_nw，搜索窗口大小为r

地表光子中白天光子密度应小于ρ_ll，黑夜小于ρ_nl，搜索窗口大小为r

地表覆盖物光子中白天光子密度应小于ρ_lg，黑夜小于ρ_ng，搜索窗口大小为r

优选地，所述步骤4包括：

步骤4.1：在进一步提取水底信号点云时，首先根据水体信号点云的高程分布，确定水底地形的高程范围，并删除明显小于水底高程的噪声光子；

所述判断标准为：统计水体点云的高程分布直方图，将点云数目最多位置定义为中心高程，计算点云分布的脉宽值，以中心高程减去X倍脉宽作为点云的下限，删除高程低于高程下限的光子。

步骤4.2：在删除孤立点后，分段计算点云的加权高度和对应的位置。对于连续10个信号点云，其对应的沿轨位置和高程分别为：

其中，(l

步骤4.3：计算光子点云与参考轮廓线的高度差，选取高度差绝对值小于1m的点云作为水底信号点云。

本发明还提供了一种星载单光子激光雷达点云数据提取分类系统，包括：

点云粗分类模块，用于进行单光子激光雷达点云数据点云粗分类，将原始点云光子事件区分为信号光子区域和噪声光子区域，并将信号光子区域内光子区分为水域光子和陆地光子；

点云精分类模块，用于进行单光子激光雷达点云数据点云精分类，结合信号光子区域和噪声光子区域，根据点云密度分布特点和点云所带的经纬度标签，确定信号光子区域内的信号光子；

点云分类模块，根据信号光子点云标签和信号光子点云高程分布直方图，将好点云区分为水面光子、水底光子、陆表光子和地表覆盖物光子；

光子轮廓线提取模块，对水底光子进行精确提取，得到水底光子轮廓线；

本发明优点在于，对海岸带复杂地形光子点云数据进行无先验数据的信号点云提取与分类，利用不同地质条件下光子反射率、光子点云密度以及光子点云高程分布的差异，对光子点云进行自动化处理，实现了对海岸带水陆交界处信号光子的快速提取和有效分类。从处理过程和所得光子点云产品中看出：陆海区域识别准确快速，水陆交界处水上水下光子分类清晰不易混叠，得到的水底轮廓清晰。体现出本发明专利的优于性。

附图说明

图1：本发明实施例的方法流程图；

图2：本发明实施例的对星载单光子激光雷达样例数据进行分段统计的高程分布直方图；

图3：本发明实施例的对星载单光子激光雷达样例数据进行的分类结果图；

图4：本发明实施例的对水底光子样例数据进行的海底轮廓提取结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

具体实施时，本发明技术方案提出的方法可由本领域技术人员采用计算机软件技术实现自动运行流程，实现方法的系统装置例如存储本发明技术方案相应计算机程序的计算机可读存储介质以及包括运行相应计算机程序的计算机设备，也应当在本发明的保护范围内。

下面结合图1-4介绍本发明的具体实施方式为一种星载单光子激光雷达点云数据提取分类方法及系统。

本发明是以ICESat-2(Ice Cloud and land Elevation Satellite-2)单光子激光雷达所获取的光子点云数据作为样例，2018年9月，NASA发射的第二代星载激光测高卫星ICESat-2搭载了新一代的先进激光测高系统ATLAS(Advanced Topographic LaserAltimeter System)，ATLAS使用6个波束提高测量覆盖密度，6个波束分为三组，每组有1个强波束和1个弱波束，同一组的强弱波束轨道间隔为90m，在沿飞行轨迹方向的间隔为2.5km，相邻强波束之间的间隔为3.3km，ATLAS的脉冲发射频率为10kHz，相邻两束光在地表的中心距离约为0.7m。ATLAS使用单光子探测器作为光子的探测单元，极大降低了对发射脉冲能量的要求。其中，ATLAS数据集分三个等级，本发明采用的ATL03级数据为每个光子事件提供时间、纬度和椭球高度等。实施例的样例数据选择ICESat-2/ATLAS单光子激光雷达在2020年7月飞越海域所获取的光子点云数据。

本发明方法的具体实施例为一种星载单光子激光雷达点云数据提取分类方法，具体如下：

步骤1：单光子激光雷达点云数据点云粗分类，将ATL03原始点云光子事件区分为信号光子区域和噪声光子区域，并将信号光子区域内光子区分为水域光子和陆地光子；

步骤1中点云粗分类主要包含以下五个步骤：

步骤1.1：对光子计数激光雷达获取的点云按照沿轨距离进行分段，设定每段的长度τ

步骤1.2：根据每段点云的经度、纬度参数，对每段区间的所光子建立点云个数随高程变化的累计分布直方图：以τ

步骤1.3：根据高程统计直方图的分布特性区分水域光子和陆地光子，再将直方图峰值确定为信号点云的平均高程H

步骤1.4：对三种地质的反射特性，根据其特征将原始点云标记上初始分类标签分为水域光子和陆地光子；地质反射特征的三种情况包括：

将统计直方中小于三分之一倍主峰的直方柱认为是噪声级予以剔除，统计剩下直方柱的个数；

当直方柱的个数小于等于C＝2时认为该区域为水域光子；

当高程统计直方图的峰值大于C＝2时，则标记为陆地光子，其公式可表示为：

P

P

其中，P

步骤1.5：以信号光子的平均高程H

步骤2：单光子激光雷达点云数据点云精分类，在点云初分类的基础上，根据点云密度分布特点，确定信号光子区域内的信号光子；

步骤2是在信号点云粗提取的基础上，通过自适应的密度聚类方法从信号点云分布区间内，提取水面、水底和陆地的信号点云。密度聚类方法需要对不同点云进行密度统计，根据密度阈值对点云类型进行提取。具体分为以下三步：

步骤2.1：对研究区域进行划分，根据处理区域光子点云的点云密度开设不同大小的点云搜索窗口。将光子点云划分为以下四类，根据不同类型设置点云密度计算窗口：将光子点云划分为四类，根据不同类型设置点云密度计算窗口：

白天强波束以长轴r

白天弱波束以长轴r

黑夜强波束以长轴r

黑夜弱波束以长轴r

步骤2.2：根据点云密度的搜索半径参数r

点云粗提取中已经将原始信号点云划分为噪声点云分布区间和信号点云分布区间，对噪声点云区间进行栅格划分，计算噪声栅格的平均噪声点云个数N

在信号点云分布区间中计算每个点云的点云密度值，以点云p(x

当dist(p,q)<1时，表示q位于椭圆之内；当dist(p,q)＝1时表示q位于椭圆之上；当dist(p,q)>1时，则表示q位于椭圆之外。假设这个搜索区间内点云个数为Q，则点云p(x

N

沿地表方向点云密较多，而在垂直地表方向点云少；噪声点云分布更加随机，因此通过调整(r

其中，Δx、Δy满足公式：

Δx＝cosθ·(x

Δy＝sinθ·(x

其中，θ表示相对于x轴逆时针旋转的角度。令r

步骤2.3：根据计算得到的信号点云密度和噪声点云密度，确定最大噪声密度最为信号点云的提取阈值：

P

其中，P表示点云集合，N

步骤3：根据信号光子的点云标签和信号光子的点云高程分布直方图，将好点云区分为水面光子、水底光、陆表光子和地表覆盖物光子；

步骤3为了获取水深值，在信号点云的精提取后，需要进一步将信号点云划分为陆地信号点云、水底信号点云和水面信号点云。具体步骤分为以下三步：

步骤3.1：对水域光子区间点云进行分段处理，计算每一段点云的平均高程μ

其中μ

其中σ

步骤3.2：将陆地光子进行点云分段处理，处理区间设置为20m，计算处理区域最大高差L

th

将点云高程在[L

步骤3.3：利用点云密度检测法对水下光子、地表光子和地表覆盖物光子进行噪声剔除，噪声剔除参数设置如下：

(1)水下光子中白天光子密度应小于ρ_lw＝5，黑夜小于ρ_nw＝2，搜索窗口大小为r

(2)地表光子中白天光子密度应小于ρ_ll＝4，黑夜小于ρ_nl＝3，搜索窗口大小为r

(3)地表覆盖物光子中白天光子密度应小于ρ_lg＝4，黑夜小于ρ_ng＝4，搜索窗口大小为r

步骤4：对水底点云进行精确提取，得到水底光子轮廓线，具体步骤分以下三步：

步骤4.1：在进一步提取水底信号点云时，首先根据水体信号点云的高程分布，确定水底地形的高程范围，并删除明显小于水底高程的噪声光子。判断标准为：统计水体点云的高程分布直方图，将点云数目最多位置定义为中心高程，计算点云分布的脉宽值，以中心高程减去3倍脉宽作为点云的下限，删除高程低于高程下限的光子；

步骤4.2：在删除孤立点后，分段计算点云的加权高度和对应的位置。对于连续10个信号点云，其对应的沿轨位置和高程分别为：

其中(l

步骤4.3：计算光子点云与参考轮廓线的高度差，选取高度差绝对值小于1m的点云作为水底信号点云。

本发明方法的具体实施例为一种星载单光子激光雷达点云数据提取分类系统，具体如下：

点云粗分类模块，用于进行单光子激光雷达点云数据点云粗分类，将原始点云光子事件区分为信号光子区域和噪声光子区域，并将信号光子区域内光子区分为水域光子和陆地光子；

点云精分类模块，用于进行单光子激光雷达点云数据点云精分类，结合信号光子区域和噪声光子区域，根据点云密度分布特点和点云所带的经纬度标签，确定信号光子区域内的信号光子；

点云分类模块，根据信号光子点云标签和信号光子点云高程分布直方图，将好点云区分为水面光子、水底光子、陆表光子和地表覆盖物光子；

光子轮廓线提取模块，对水底光子进行精确提取，得到水底光子轮廓线；

所述的点云粗分类模块、点云精分类模块、点云分类模块、光子轮廓线提取模块均部署于服务器上。

如图2所示，反应了不同地质条件下光子点云的分布特征，本发明利通过识别不同沿轨处理区间光子分布特征在无先验数据的情况下实现了海岸带光子数据的陆海分类，提高了本发明的适用性和对光子点云数据的处理能力；

如图3所示，反应了在极浅水区域本发明能够将水面和水底分开，而极浅水分类是海岸地啊点云分类的重点和难点问题，体现出本发明在海岸光子数据处理中的优越性；

如图4所示，能够根据水底光子点云的分布情况绘制出连续的水底轮廓线，表示本发明降低了水体散射对水底信号光子的影响，使得水底轮廓较为连续，对水底轮廓的清晰度和连续性具有一定程度提成，对水深修正和深水提取具有十分重要的意义。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。