买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国矿业大学申请的专利一种无人机载LiDAR点云滤波优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120182129B 。

龙图腾网通过国家知识产权局官网在2025-07-25发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510646456.3，技术领域涉及：G06T5/70；该发明授权一种无人机载LiDAR点云滤波优化方法是由王永波;郑南山;张秋昭;刘本道;杨敏设计研发完成，并于2025-05-20向国家知识产权局提交的专利申请。

本一种无人机载LiDAR点云滤波优化方法在说明书摘要公布了：一种无人机载LiDAR点云滤波优化方法，方法包括利用KD树建立点云的索引；计算并确定用于识别孤立点的最大搜索半径r；对应于邻域阈值k 1和最大搜索半径r进行重采样；对应于邻域阈值k 2和最大搜索半径r进行重采样。通过利用KD树建立点云的索引，基于邻近点查找实现了孤立点的识别与剔除；利用移动最小二乘法实现了每一个采样点位置处的局部切平面拟合，并基于投影变换的方法实现了点云的重采样，进而实现了对原始采样数据的滤波优化处理；极大地削弱了采样误差对点云数据的影响，提高了所得数据与采集的点云数据之间的一致性，提高了机载LiDAR点云数据的普适性，拓宽了轻量化、经济适用型无人机载LiDAR设备的应用领域。

本发明授权一种无人机载LiDAR点云滤波优化方法在权利要求书中公布了：1.一种无人机载LiDAR点云滤波优化方法，其特征在于，包括如下步骤： S1、利用KD树建立点云的索引；具体过程为： S1.1、构建KD树： S1.1-1、沿采样点坐标的第一个维度x方向进行点的划分，选择所有采样点第一维度坐标位于中间的点作为分割点，将采样点所在的空间划分为左右两个子空间；左边空间中所有采样点其第一个维度坐标均小于中值点，右边空间中所有采样点坐标均大于或等于中值点； S1.1-2、对左、右子空间中的采样点，选择采样点第二维度y方向进行点的再次划分，对于左右空间，分别选择第二维度坐标位于中间的点作为分割点，将左、右空间分别再次分割为两个子空间；左边空间中的左边子空间所有采样点其第二个维度坐标均小于中值点，右边子空间中所有采样点坐标均大于或等于中值点；右边空间中的左边子空间所有采样点其第二个维度坐标均小于中值点，右边子空间中所有采样点坐标均大于或等于中值点； S1.1-3、对S1.1-2划分得到的四个子空间，选择采样点第三维度z方向按照S1.1-1或S1.1-2的方法进行点的再次划分，将四个子空间进一步划分为八个子空间； S1.1-4、重复S1.1-1至S1.1-3，直到所有采样点均被加入到KD树，KD树构建过程结束； S1.2、k-邻域搜索：给定机载LiDAR点云集合，选择集合S中的任一个采样点，分两步实现采样点邻域点的搜索：确定查找路径和查找邻近点，具体为： S1.2-1、确定查找路径： S1.2-1-1、构建用于存储查找路径上结点的栈P S ，并置其为空栈； S1.2-1-2、以KD树的根节点作为起始点，将入栈，并比较与的坐标在第一维度上的大小，如果，则将左子树的根结点作为新的起点向下查找，反之，如果，则沿着右子树的根结点作为新的起点向下查找； S1.2-1-3、判断是否为空，若为空，则查找过程结束，否则，入栈新的根结点，并比较与的坐标在第二维度上的大小，如果，则将左子树的根结点作为新的起点向下查找，反之，如果，则沿着右子树的根结点作为新的起点向下查找； S1.2-1-4、判断是否为空，若为空，则查找过程结束，否则，入栈新的根结点，并比较与的坐标在第三维度上的大小，如果，则将左子树的根结点作为新的起点向下查找，反之，如果，则沿着右子树的根结点作为新的起点向下查找； S1.2-1-5、重复S1.2-1-2至S1.2-1-4，直到查找路径遇到KD树的叶子结点为止； S1.2-2、查找邻近点：假设当前采样点为，在确定了邻近点查找路径之后，设定邻近点列表vertList=｛｝和距离列表distList=｛｝分别用于存储邻近点及其对应的距离，即可基于回溯法确定当前采样点的k个邻近点，步骤如下： S1.2-2-1、判断栈是否为空栈，如果是，则邻近点查找过程结束，否则，进入S1.2-2-2； S1.2-2-2、按照后进先出的原则从中依次出栈栈顶元素，计算与之间的距离，如果=0，认为与是同一个点，转回S1.2-2-1，否则，进入S1.2-2-3； S1.2-2-3、如果此时vertList长度小于k，直接将和加入到对应列表尾部，即加入列表vertList中，加入列表distList中；如果vertList长度等于k，判断与列表distList中存储的距离最大值进行比较，如果，则从distList中删除并从vertList中删除对应的邻近点，按照邻近点距离从小到大的排列顺序将插入到distList列表的相应位置处，并将插入到vertList对应位置处，确保在vertList中的下标与在distList中的下标相同； S1.2-2-4、判断是否为叶子结点，如果是，则转回S1.2-2-1，如果不是，则进入S1.2-2-5； S1.2-2-5、以为圆心、为半径做圆，判断圆与所在的超平面之间是否存在重合，如果存在重合，则从所在超平面的另一半空间进行邻近点查找，按照路径查找的方法以作为起点，按照S1.2-1所述方法确定查找路径，并将路径上的所有结点加入到栈中，并转回S1.2-2-1； S2、计算并确定用于识别孤立点的最大搜索半径r；具体过程为： S2.1、计算最大搜索半径： 基于构建的KD树，选择机载LiDAR点云集合的全部或其中的一部分作为确定最大搜索半径r的样本，记为； 遍历S r 中的每一个采样点，按照距离由小到大的顺序查找对应的第k 2个邻近点，记录此邻近点与当前采样点之间的距离为r i ，待样本S r 中的所有采样点遍历完成之后，取所有被遍历采样点的最大搜索半径r i 的平均值作为整个点云的最大搜索半径r，计算公式如下：； S2.2、孤立点识别与剔除： 基于构建的点云KD树索引，遍历机载LiDAR点云集合中的每一个采样点，置当前采样点的邻近点集合为空，将采样点加入到邻近点集合中，并做如下处理： S2.2-1、按照距离从小到大的顺序依次查找的邻近点，分如下两种情况处理： S2.2-1-1、若与之间的欧氏距离小于r、且邻近点集合中点的数量小于k 1时，将邻近点加入邻近点集合，继续遍历下一个采样点； S2.2-1-2、若与之间的欧氏距离大于r，停止查找； S2.2-2、统计邻近点集合中点的个数，如果个数小于3，即邻近点集合中采样点数量不能满足平面拟合的要求，则认为为孤立点，将其从原始点云中删除，并遍历下一个采样点； S3、对应于邻域阈值k 1和最大搜索半径r进行重采样，过程为遍历中的每一个采样点，从当前采样点的邻近点集合中取出前个邻近点，记为，拟合相应的切平面，具体如下： S3.1、计算邻近点集合中所有采样点的质心：； S3.2、构建协方差矩阵：； S3.3、计算协方差矩阵的特征值与特征向量，选择最小特征值对应的特征向量作为切平面的法向，记为；由此，确定拟合平面的方程为：； 其中，； 展开上式，得：； 其中，； S3.4、将当前采样点投影至拟合的切平面，并将投影点坐标赋值给当前点，作为当前点的新坐标，具体如下： S3.4-1、计算点到达拟合切平面的有向距离d：； S3.4-2、计算点在拟合切平面上的投影点坐标： ； S4、对应于邻域阈值k 2和最大搜索半径r进行重采样，过程为扩大邻域的搜索范围，再次遍历中的每一个采样点，并据此实现对点云数据的二次重采样处理，具体如下： S4.1、置当前采样点的邻域集合为空； S4.2、按照距离从小到大的顺序依次查找的邻近点，分如下两种情况处理： S4.2-1、若与之间的欧氏距离小于r、且邻近点集合中点的数量小于k 2时，将邻近点加入邻近点集合，继续遍历下一个采样点； S4.2-2、若与之间的欧氏距离大于r，则停止查找； S4.3、基于S3.1~S3.3所述方法，利用当前点及邻近点集合中的所有点进行切平面的拟合； S4.4、基于S3.4所述方法，将当前点投影至拟合的切平面，并将投影点的坐标赋值给当前点，作为当前点的新坐标； S4.5、遍历完成后，将处理后的点云数据输出至文件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国矿业大学，其通讯地址为：221000 江苏省徐州市大学路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。