基于邻域相关性的激光雷达点云遮挡修复方法

本发明涉及激光雷达遥感，具体涉及一种基于邻域相关性的激光雷达点云遮挡修复方法。

背景技术：

1、森林生态系统在全球碳循环、气候调节及生物多样性维护中扮演着核心角色。其中，针叶林作为北半球分布最广的森林类型，其结构复杂性对遥感技术提出了独特挑战。lai作为表征植被冠层结构的关键参数，直接关联光合作用效率、蒸腾速率及碳汇能力，是评估森林生产力与生态功能的核心指标。传统lai测量方法（如破坏性采样和落叶收集）虽精度较高，但存在效率低、破坏生态及难以规模化等缺陷，难以满足现代林业监测需求。

2、被动光学遥感（如多光谱与高光谱影像）通过植被指数（如归一化差异植被指数(ndvi)、修正土壤调节植被指数(msavi)反演lai，虽已广泛应用，但受限于信号饱和（尤其在茂密冠层）和垂直结构解析能力不足。lidar通过主动发射激光脉冲，可精确捕捉植被三维结构，弥补了被动遥感的垂直信息缺失。地基lidar（如地面激光扫描系统(tls)）虽能提供厘米级分辨率数据，但覆盖范围有限。机载lidar适用于区域尺度，却因飞行高度和针叶聚集特性导致严重的数据遮挡问题。具体表现为：(1)冠层穿透限制。上层密集针叶阻挡激光束，下层体素数据缺失，lai反演值偏低。(2)体素模型缺陷。现有算法（如voxlad和amapvox）依赖比尔-朗伯定律或接触比方法，假设叶片随机分布，而针叶的空间聚集性导致聚集指数(ω)随天顶角动态变化（尤其在>60°时误差显著），需引入复杂校正（如路径长度分布模型）。(3)数据完整性不足。机载点云中约30%-50%的下层体素因遮挡标记为“空”，传统填充方法（如插值）忽略针叶邻域相关性，进一步放大误差。

3、针对上述问题，本发明提出一种修复效果好的基于邻域相关性的激光雷达点云遮挡修复方法。

技术实现思路

1、为了克服现有的激光雷达点云遮挡修复方法在使用时需要引入复杂校正，且在通过传统填充方法对缺失点云数据进行修复时忽略了邻域相关性，从而进一步放大误差并导致此激光雷达点云遮挡修复方法的修复效果较差的缺点，本发明提出一种修复效果好的基于邻域相关性的激光雷达点云遮挡修复方法。

2、基于邻域相关性的激光雷达点云遮挡修复方法，包括以下步骤：

3、数据准备，通过机载激光雷达获取待研究地块的lidar点云数据，对lidar点云数据进行预处理，得到预处理后的lidar点云数据；

4、点云数据体素化，根据高度对预处理后的lidar点云数据进行垂直分层，得到分层后的lidar点云数据，对分层后的lidar点云数据中每个高度层的lidar点云数据进行自适应尺寸体素化，得到待研究地块的体素数据；

5、体素属性标注，将分层后的lidar点云数据中的每个点映射到待研究地块的体素数据中对应的体素，并标记体素是否包含点，得到待研究地块的体素属性数据；

6、体素遮挡修复，对待研究地块的体素属性数据中的体素进行遮挡预判断，得到所有可能被遮挡的体素，对所有可能被遮挡的体素进行邻域相关性分析并根据动态阈值判断该体素是否被遮挡，基于判断结果对所有被遮挡的体素进行填充修复，得到修复后的体素属性数据并用于lai反演。

7、作为发明优选的一个方面，所述对lidar点云数据进行预处理，得到预处理后的lidar点云数据的具体步骤为：

8、数据格式转换，对lidar点云数据中非标准格式的点云数据进行解析并转换为通用的三维坐标点集合，并对lidar点云数据中格式不规范的行进行错误处理并跳过；

9、数据降噪，结合lidar点云数据中点的局部密度动态设定噪声阈值，并使用基于距离的滤波方法，计算每个点到其最近邻点的距离，若距离超过动态设定的噪声阈值，则剔除该点；

10、均匀采样，将lidar点云数据所形成的点云空间划分为均匀的立方体网格，且每个网格只保留一个中心点。

11、作为发明优选的一个方面，所述根据高度对预处理后的lidar点云数据进行垂直分层，得到分层后的lidar点云数据的具体步骤为：

12、基于预处理后的lidar点云数据构建三维直角坐标系，其中三维直角坐标系中的轴、轴和轴分别与预处理后的lidar点云数据的长、宽和高相对应，根据构建的三维直角坐标系计算预处理后的lidar点云数据的高度范围，包括预处理后的lidar点云数据的最小高度和最大高度；

13、根据需要预先设定点云数据分层的高度间隔，并基于预设的高度间隔将预处理后的lidar点云数据的高度范围划分为若干层；

14、按高度将预处理后的lidar点云数据划分为不同层，得到分层后的lidar点云数据，其中每层包含对应高度范围内的点。

15、作为发明优选的一个方面，所述对分层后的lidar点云数据中每个高度层的lidar点云数据进行自适应尺寸体素化，得到待研究地块的体素数据的具体步骤为：

16、对于分层后的lidar点云数据中的每个高度层，计算该高度层内的每个点到其最近邻点的距离，得到该高度层内每个点的最近邻距离，取该高度层内所有点的最近邻距离的中位数作为该高度层的体素尺寸；

17、将体素的长、宽和高均设为该高度层的体素尺寸，并将该高度层的水平范围划分为的网格，得到待研究地块的体素数据，其中，，并且其中和分别表示该高度层内的点在x轴方向上的最大值和最小值，而和则分别表示该高度层内的点在y轴方向上的最大值和最小值，表示该高度层的体素尺寸。

18、作为发明优选的一个方面，所述将分层后的lidar点云数据中的每个点映射到待研究地块的体素数据中对应的体素，并标记体素是否包含点，得到待研究地块的体素属性数据的具体步骤为：

19、确定体素划分规则，包括体素的长度、宽度和高度，找出分层后的lidar点云数据的最小坐标值，并将其作为体素划分的起始点；

20、对于分层后的lidar点云数据中的每个点，根据该点在三维直角坐标系上的坐标和体素划分规则计算出该点所属的体素索引；

21、使用散列表或数组记录每个体素的属性，若体素内有至少一个点，则标记为1，否则标记为0，得到待研究地块的体素属性数据。

22、作为发明优选的一个方面，所述对待研究地块的体素属性数据中的体素进行遮挡预判断，得到所有可能被遮挡的体素的具体步骤为：

23、从待研究地块的体素属性数据的顶层向下逐层处理至底层，期间对于待研究地块的体素属性数据中每个标记为0的空体素，均先检查该空体素的上层体素是否标记为0，若上层体素标记为0则跳过当前空体素，若上层体素标记为1，则判断当前空体素可能被遮挡，并继续检查该空体素的下层体素；

24、检查该空体素的下层体素是否标记为0，若下层体素标记为1则跳过当前空体素，若下层体素标记为0，则判断当前空体素可能被遮挡，并继续对其他空体素进行检查，得到所有可能被遮挡的体素。

25、作为发明优选的一个方面，所述对所有可能被遮挡的体素进行邻域相关性分析并根据动态阈值判断该体素是否被遮挡，基于判断结果对所有被遮挡的体素进行填充修复，得到修复后的体素属性数据并用于lai反演的具体步骤为：

26、对于每个可能被遮挡的体素，根据当前体素所在高度层的点密度和填充情况动态确定邻域范围，当此高度层的填充密度低于70%时，邻域范围取26邻域，当此高度层的填充密度高于或等于70%时，邻域范围取8邻域；

27、根据动态确定的邻域范围确定每个可能被遮挡的体素的邻域系统，并通过加权求和法计算邻域系统的状态总和，当邻域系统的状态总和大于或等于当前体素对应的动态阈值时，判断该体素为被遮挡的体素，并将此被遮挡的体素的标记填充为1，当邻域系统的状态总和小于当前体素对应的动态阈值时，则保持该体素的标记为0，得到修复后的体素属性数据，其中邻域系统的状态总和的具体计算公式为：

28、，

29、其中表示邻域系统的状态总和，表示邻域系统中第个邻域体素的状态标记值，表示邻域系统中第个邻域体素的状态权重，且状态权重的取值需要根据当前体素与邻域体素的距离进行分级赋值，表示邻域范围的大小。

30、作为发明优选的一个方面，所述动态阈值的具体取值需要基于当前体素所在高度层的受遮挡程度，并且动态阈值的具体取值还随当前体素所在高度层的高度递减。

31、本发明具有以下优点：

32、1、本发明通过对所有可能被遮挡的体素进行邻域相关性分析并根据动态阈值判断该体素是否被遮挡，基于判断结果对所有被遮挡的体素进行填充修复，不但能够根据遮挡区域的复杂性和数据分布自适应调整邻域范围和权重，从而更精准地捕捉上下文信息，提高修复精度，以此增强算法对复杂遮挡环境的适应性，并避免固定邻域分析可能带来的信息不足或过冗问题，还能根据遮挡区域的具体情况，如高度和密度等实时调整判定标准，从而更精准地识别遮挡缺失区域，减少误判和漏判，以此有效提升遮挡修复算法的适应性和准确性，提升了此激光雷达点云遮挡修复方法的修复效果。

33、2、本发明通过对分层后的lidar点云数据中每个高度层的lidar点云数据进行自适应尺寸体素化，得到待研究地块的体素数据，能够根据不同高度层点云数据的分布特性和密度，动态调整体素的尺寸和划分策略，从而不但能够更精确地匹配点云数据的实际分布，并更好地捕捉不同高度层的细节信息，还能适应不同高度层点云数据的密度变化，并为后续的遮挡修复算法提供更高质量的体素数据，以此提升该方法的数据表达精度和算法适应性，并有效提升了此激光雷达点云遮挡修复方法的修复效果。

34、3、本发明通过对lidar点云数据进行数据降噪和均匀采样等预处理，能够有效去除lidar点云数据中的噪声点并优化数据分布，从而提高lidar点云数据的可靠性和均匀性，为后续的复杂处理，包括自适应体素化、动态邻域分析和遮挡修复等奠定坚实基础，以此确保最终结果的准确性和适应性，提升了此激光雷达点云遮挡修复方法的修复效果。