立體匹配點云數據融合去噪算法

左志奇++盧坤

摘 要本文基于模型立體匹配得到的點云數據，針對不同模型間點云差異問題，提出了一種多模型點云融合去噪策略，該策略可以進一步剔除點云數據中的噪聲，得到一致性好、精度高的區域DSM數據。實驗證明，本文算法可以有效提高DSM的精度和可靠性。

【關鍵詞】匹配點 云數據 去噪算法

1 前言

通常情況下，影像密集匹配以模型為單位，為了獲得整個區域的DSM，需要融合所有模型的立體匹配點云數據。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、小面積區域剔除、視差一致性檢查，但由于影像質量以及匹配精度等方面的局限性，匹配結果經常存在少量噪聲，模型間點云或多或少存在不一致的現象，需要通過融合去噪來得到高精度的區域DSM。

同時，考慮到半全局優化密集匹配算法等模型密集匹配算法獲得的三維點云數據量非常龐大，不同模型間點云數據重疊度大，且存在點云數據不一致的問題，因此本文設計了一種多模型間的立體匹配點云數據融合去噪算法，該算法對點云中的粗差剔除效果明顯，精度可以滿足后續生產的需求。

2 多模型點云融合去噪算法

本文的融合去噪算法步驟如下：

2.1 區域點云數據分塊

本文的區域點云分塊是將點云數據按一定間距分塊處理，分塊處理的原因是點云數據量一般很大，整個區域點云數據難以一次性處理。

2.2 點云數據格網化與格網最優點獲取

將每個公里網的點云數據按一定格網間距建立格網索引，即記錄每個格網內的所有點索引號，然后采用中值濾波算法獲得格網最優點，即對格網內所有點的高程值進行中值濾波，以濾波后得到的中值點作為該格網的最優點。……