本發明涉及遙感數據處理，尤其涉及一種基于目標空間分布特征的機載lidar電力線提取方法。
背景技術：
1、電力線是3d地理信息產品中不可或缺的組成部分，因而自動、高精度及快速地電力線目標提取成為了研究熱點。機載激光雷達(light?detection?and?ranging，lidar)技術能夠快速、準確地獲取地表地物高精度、高密度的三維(three-dimension，3d)空間信息，該技術的出現使得電力線3d信息的快速提取成為可能。傳統的電力線提取方法按照數據結構可分為：基于柵格和基于像素的電力線提取方法。在基于柵格的方法中，對原始數據采用柵格化的數據組織形式，并以柵格為數據處理單元并根據柵格內電力線高度較高、密度較小的特性，結合經驗閾值或動態閾值比較來提取柵格內電力線數據，基于柵格的方法算法實現簡單，效率較高，但該方法由于以柵格為單位進行處理導致電力線數據提取完整度不高；在基于像素的方法中，通常需要將數據投影至水平面并利用成熟的圖像處理技術(如直線檢測算法、最小二乘法)進行電力線提取，但該方法在投影過程中可能會導致數據信息損失而降低提取精度。可見，傳統的電力線提取方法均不利于發揮機載lidar真3d的技術優勢。體元結構是一種真3d數據結構，用于表達lidar數據不會造成信息損失。同時該結構內部的體元間隱含有幾何拓撲關系，因而基于該數據結構的數據處理算法設計相對容易。
技術實現思路
1、本發明要解決的技術問題是針對上述現有技術的不足，提供一種基于目標空間分布特征的機載lidar電力線提取方法，構建虛擬體元并將體元結構與電力線目標提取相結合，最終的電力線提取結果以離散激光點的方式進行表達。
2、為解決上述技術問題，本發明所采取的技術方案是：
3、一種基于目標空間分布特征的機載lidar電力線提取方法，包括以下步驟：
4、步驟1：讀取原始機載lidar數據，形成原始機載lidar數據集；
5、步驟2：從原始機載lidar數據中去除近地面數據，得到非近地面數據集；
6、步驟3：將非近地面數據規則化為虛擬3d體元結構，并將包含激光點的虛擬體元賦值1，其他虛擬體元賦值0，得到虛擬二值3d體元；
7、步驟4：基于目標空間分布特征，利用主成分分析法判斷各1值虛擬體元及其空間鄰域內目標點的分布形狀，對呈線狀分布的虛擬體元進行標記，并將線狀虛擬體元內的激光點判為電力線，完成基于目標空間分布特征的電力線提取。
8、進一步地，所述步驟2包括如下步驟：
9、步驟2.1：基于布料模擬濾波算法分離原始機載lidar數據中的地面點與非地面點；
10、步驟2.2：分別對原始機載lidar數據和分離后的地面數據進行插值，獲取數字表面模型dsm和數字高程模型dem，并進一步將dsm與dem相減生成規則化數字表面模型ndsm；
11、步驟2.3：針對ndsm中高程值的空間分布特性，基于“高程-頻次”直方圖分析法動態獲取高程閾值h0，并將低于高程閾值h0的ndsm判為近地面ndsm，反之則為非近地面ndsm，基于激光點與格網間的映射關系，讀取各格網中非近地面ndsm對應的激光點，得到非近地面數據集。
12、進一步地，所述步驟2.3具體包括如下步驟：
13、步驟2.3.1：統計ndsm中高程值的頻次，并以直方圖的形式可視化統計結果，將高程值突變點記作ndsm的高程閾值h0；
14、步驟2.3.2：針對ndsm中的高程值，判定ndsm中低于高程閾值h0的數據為近地面ndsm數據，反之則為非近地面ndsm數據；
15、步驟2.3.3：基于激光點與ndsm中各格網之間的映射關系，讀取各格網中非近地面數據所在格網的激光點，即得到非近地面數據集。
16、進一步地，所述步驟3具體包括如下步驟：
17、步驟3.1：用非近地面數據集的有向包圍盒表示三維空間范圍；
18、步驟3.2：根據非近地面數據集中激光點的平均點間距確定虛擬體元在x、y、z方向上的分辨率(δx,δy,δz)，δx、δy、δz即虛擬體元大小；
19、步驟3.3：依據虛擬體元分辨率(δx,δy,δz)對有向包圍盒進行虛擬劃分，得到虛擬3d體元格網，每一個虛擬3d體元格網單元即為虛擬3d體元；
20、步驟3.4：將非近地面數據集中各激光點映射至虛擬3d體元內，進而將包含激光點的虛擬3d體元賦值1，其他虛擬3d體元賦值0，如式(9)所示；
21、
22、其中，vs(rs,cs,ls)為3d體元陣列中的體元，v是3d體元陣列中的體元集合，v＝{vs(rs,cs,ls),s＝1,...,k}，s是體元索引；k是體元數；vs是第s個體元的體元值；(rs,cs,ls)是第s個體元在體元陣列中的坐標，rs、cs、ls分別表示行號、列號和層號；為向下取整操作符；(xj,yj,zj)為對應非近地面數據集中的第j個點的坐標；xmin＝min{xj,j＝1,…,t}，ymin＝min{yj,j＝1,…,t}，zmin＝min{zj,j＝1,...,t}，t為非近地面數據集中激光點個數；
23、由此，得到虛擬二值3d體元，完成對非近地面數據的規則化。
24、進一步地，所述步驟4包括如下步驟：
25、步驟4.1：初始化各1值虛擬體元內距離體元中心最近的激光點為各1值虛擬體元的目標點；
26、步驟4.2：基于主成分分析法，構建描述各1值虛擬體元目標點空間分布特征的線狀、面狀、球狀分布指數lλ、pλ和sλ以及描述各1值虛擬體元目標點方向特征的方向向量
27、步驟4.3：判定線狀分布指數lλ大于面狀分布指數pλ和球狀分布指數sλ且方向向量近似平行于水平面的1值虛擬體元目標點為電力線種子點，將電力線種子點所在的1值虛擬體元標記為電力線虛擬體元；讀取電力線虛擬體元內的激光點作為電力線數據，完成電力線的提取。
28、進一步地，所述步驟4.1具體包括如下步驟：
29、步驟4.1.1：計算各1值虛擬體元內所有激光點與各1值虛擬體元中心的距離dc；
30、步驟4.1.2：選取各1值虛擬體元內與體元中心的距離為最近距離dc,min的激光點作為各1值虛擬體元的目標點。
31、進一步地，所述步驟4.2具體包括如下步驟：
32、步驟4.2.1：掃描各1值虛擬體元，對其進行空間鄰域搜索，得到其鄰域集；
33、步驟4.2.2：基于各1值虛擬體元目標點及其鄰域集內目標點集構造協方差矩陣cov，進而構建齊次方程，求解協方差矩陣cov的特征值λ1、λ2、λ3和特征值分別對應的特征向量其中，λ1≥λ2≥λ3，最大特征值λ1對應的特征向量為各1值虛擬體元目標點的方向向量；
34、步驟4.2.3：基于上述各1值虛擬體元目標點的特征值λ1、λ2、λ3，構建描述各1值虛擬體元目標點分布特征的線狀分布指數lλ、面狀分布指數pλ和球狀分布指數sλ，如式(14)所示：
35、
36、其中，lλ、sλ、pλ∈[0,1]，lλ+sλ+pλ＝1。
37、采用上述技術方案所產生的有益效果在于：本發明提供的基于目標空間分布特征的機載lidar電力線提取方法，首先依據電力線與地面之間存在一定距離的特性，設置高程閾值去除近地面數據，得到非近地面數據集，然后將非近地面數據規則化為虛擬體元，根據電力線的線狀空間分布特征提取虛擬體元內的電力線。相對于基于傳統的柵格、像素等數據結構的電力線提取方法，體元是一種簡單空間結構，基于該結構進行數據處理更容易。本發明提出的方法，即是將空間數據進行虛擬劃分，并將基于離散激光點的目標提取轉換成基于虛擬體元的目標提取，很好地利用了3d體元中各虛擬體元間隱含的鄰域關系及電力線的特性，有助于基于虛擬體元建模理論的機載lidar數據處理及應用的發展。