隨著先進(jìn)技術(shù)的采用[1]、[2]，三維（3D）重建技術(shù)增強(qiáng)了人們對(duì)物理場景中真實(shí)幾何形狀和三維排列的感知。地面激光掃描儀（TLS）由于其高空間分辨率而被廣泛用于3D重建。由此產(chǎn)生的點(diǎn)云使得在高精度農(nóng)業(yè)[3]、[4]、林業(yè)[5]、[6]、文化遺產(chǎn)數(shù)字化[7]、[8]、隧道和采礦工程[9]、[10]等領(lǐng)域?qū)崿F(xiàn)高精度3D建模成為可能。
然而，距離測(cè)量不可避免地包含隨機(jī)誤差和噪聲，導(dǎo)致點(diǎn)云中出現(xiàn)異常值和表面不一致性。除了這些隨機(jī)誤差和粗大誤差對(duì)點(diǎn)云質(zhì)量的影響外，在密集掃描過程中，激光的邊緣效應(yīng)（混合像素）還會(huì)在物體之間的間隙中產(chǎn)生大量連續(xù)的偏移點(diǎn)。當(dāng)掃描目標(biāo)是一個(gè)復(fù)雜的交錯(cuò)場景（如植被）時(shí)，這種噪聲點(diǎn)會(huì)顯著影響點(diǎn)云質(zhì)量。針對(duì)這一問題，本文提出了一種去噪工作流程，以實(shí)現(xiàn)保邊平滑和去噪效果，從而優(yōu)化整體點(diǎn)云質(zhì)量。
光檢測(cè)與測(cè)距（LiDAR）技術(shù)的最新進(jìn)展使其能力超越了單波段回波強(qiáng)度的獲取。高光譜LiDAR技術(shù)逐漸發(fā)展[11]、[12]、[13]，并已應(yīng)用于各種領(lǐng)域[14]、[15]。它能夠同時(shí)獲取目標(biāo)的空間和光譜信息，這意味著每個(gè)點(diǎn)云的屬性都可以通過光譜信息進(jìn)行擴(kuò)展。這種信息的包含使得對(duì)點(diǎn)的描述更加全面。除了空間幾何關(guān)系外，點(diǎn)現(xiàn)在還與其相鄰點(diǎn)表現(xiàn)出光譜-空間關(guān)系，從而為點(diǎn)云去噪算法提供了處理現(xiàn)實(shí)世界點(diǎn)云數(shù)據(jù)中多種噪聲來源的潛力。
在過去幾十年中，已經(jīng)提出了許多點(diǎn)云去噪方法。在這些方法中，基于濾波的方法由于在圖像去噪領(lǐng)域的成熟發(fā)展而被廣泛采用。在這些研究中，點(diǎn)云通常被分為高頻噪聲和低頻噪聲成分[16]，常用的處理技術(shù)包括雙邊濾波、引導(dǎo)濾波和組合濾波。
雙邊濾波在嘗試保留邊緣的同時(shí)平滑點(diǎn)云數(shù)據(jù)，通常是通過基于幾何距離和法向量相似性對(duì)鄰居點(diǎn)進(jìn)行加權(quán)來實(shí)現(xiàn)的。Wen等人[17]在自動(dòng)駕駛場景中實(shí)現(xiàn)了雙邊濾波，通過過濾點(diǎn)在法線方向上的位置。他們的實(shí)驗(yàn)結(jié)果表明，歐幾里得距離權(quán)重和法線方向距離權(quán)重對(duì)去噪性能有顯著影響。除了法向量，Zhang等人[18]還考慮了點(diǎn)亮度和位置，設(shè)計(jì)了一種雙邊濾波器，其中得到的權(quán)重函數(shù)與當(dāng)前點(diǎn)和鄰域點(diǎn)之間的距離和灰度差異有關(guān)。盡管這種方法在一定程度上可以保留清晰的特征并去除小尺度噪聲，但它依賴于基于PCA的法向量估計(jì)，這假設(shè)所有變量都遵循高斯分布。這限制了其在處理現(xiàn)實(shí)世界噪聲時(shí)的有效性，因?yàn)樵诂F(xiàn)實(shí)世界中這些假設(shè)可能不成立。
類似地，引導(dǎo)濾波利用引導(dǎo)信號(hào)（通常來自點(diǎn)位置或估計(jì)的法向量）進(jìn)行結(jié)構(gòu)感知處理。該方法假設(shè)輸出是引導(dǎo)信號(hào)在局部窗口內(nèi)的線性變換[19]。通常使用點(diǎn)位置[20]和法向量[21]作為引導(dǎo)。此外，還開發(fā)了迭代引導(dǎo)濾波，通過迭代應(yīng)用從上一次迭代中獲得的濾波器（例如法向量[22]）來處理點(diǎn)云。由于過濾后的輸出點(diǎn)可以推導(dǎo)為對(duì)應(yīng)引導(dǎo)點(diǎn)云點(diǎn)的線性模型，因此可以高效地進(jìn)行迭代過程。雖然引導(dǎo)濾波保持了計(jì)算效率和特征保留，但其性能會(huì)隨著引導(dǎo)信息的不準(zhǔn)確或輸入的高噪聲而下降。
為了處理復(fù)雜的現(xiàn)實(shí)世界噪聲，出現(xiàn)了組合濾波策略，這些策略根據(jù)局部幾何特征（例如分為平坦區(qū)域和突變區(qū)域）對(duì)點(diǎn)云進(jìn)行分區(qū)，并對(duì)每個(gè)區(qū)域應(yīng)用定制的濾波器。Jia等人[23]根據(jù)每個(gè)采樣點(diǎn)的表面變化因子將點(diǎn)云分為平坦區(qū)域和突變區(qū)域，并分別對(duì)這些區(qū)域應(yīng)用改進(jìn)的中值濾波和改進(jìn)的雙邊濾波。同樣，Ren等人[24]提出了一種多尺度噪聲去除整體濾波算法，利用表面變化因子將點(diǎn)云分為突變區(qū)域和平坦區(qū)域，然后對(duì)大尺度噪聲應(yīng)用雙邊濾波，對(duì)小尺度噪聲應(yīng)用統(tǒng)計(jì)濾波。此外，Lian等人[25]開發(fā)了一種距離加權(quán)主成分分析（DWPCA），將點(diǎn)云分為大尺度和小尺度區(qū)域，從而能夠針對(duì)每種區(qū)域類型應(yīng)用適當(dāng)?shù)碾p邊濾波和平滑技術(shù)。
盡管基于濾波的去噪方法已經(jīng)相對(duì)成熟，但許多方法嚴(yán)重依賴于可靠的法向量估計(jì)，這對(duì)初始點(diǎn)云提出了特定的幾何要求。雖然像Sanchez等人[26]提出的魯棒法向量估計(jì)方法對(duì)高斯噪聲具有抗性，但法向量并非點(diǎn)云的固有屬性，估計(jì)不準(zhǔn)確可能導(dǎo)致不良結(jié)果。為了解決這一限制，Yang等人[27]也提出了一種魯棒的方法來估計(jì)法向量，以解決傳統(tǒng)雙邊濾波的局限性。然而，與由計(jì)算機(jī)輔助設(shè)計(jì)生成的具有可控噪聲特性的合成點(diǎn)云數(shù)據(jù)不同，現(xiàn)實(shí)世界掃描的點(diǎn)云由于場景條件和傳感器屬性的不同而表現(xiàn)出更復(fù)雜和多樣的噪聲模式[28]。
總之，由邊緣效應(yīng)在真實(shí)點(diǎn)云中產(chǎn)生的噪聲點(diǎn)不符合特定的噪聲分布，阻礙了可靠法向量估計(jì)結(jié)果的獲取[29]、[30]。目前，仍然缺乏一種可靠且通用的處理方法。高光譜LiDAR的發(fā)展為點(diǎn)云的光譜屬性帶來了豐富的擴(kuò)展，這些豐富的光譜信息使我們能夠測(cè)量間隙點(diǎn)云與前景和背景之間的相似性，從而確定通過濾波校正點(diǎn)云位置的方向。
為了充分利用高光譜LiDAR的空間-光譜采集優(yōu)勢(shì)，克服現(xiàn)有方法在處理高密度TLS數(shù)據(jù)時(shí)的局限性，我們提出了一種用于高光譜LiDAR高密度TLS數(shù)據(jù)的迭代光譜引導(dǎo)去噪方法。我們使用來自不同場景的真實(shí)世界高光譜LiDAR（HSL）系統(tǒng)數(shù)據(jù)集嚴(yán)格評(píng)估了該方法的有效性。本研究的主要貢獻(xiàn)包括：
- 1.
我們提出了一種用于高光譜密集點(diǎn)云的去噪框架，該方法在光譜引導(dǎo)空間內(nèi)操作，遵循基于PCA的降維和轉(zhuǎn)換為色調(diào)-飽和度-強(qiáng)度（HSI）顏色空間。
- 2.
我們開發(fā)了一種新穎的光譜引導(dǎo)濾波方法，該方法基于球坐標(biāo)系中的光譜和空間鄰域關(guān)系計(jì)算鄰域點(diǎn)的權(quán)重，以雙邊形式準(zhǔn)確確定沿距離軸的濾波方向，而不依賴于幾何假設(shè)或法向量估計(jì)。
- 3.
我們開發(fā)了一種噪聲分割和迭代光譜引導(dǎo)濾波框架，通過平滑測(cè)量噪聲（特別是在邊緣區(qū)域）并去除異常值，提高了去噪點(diǎn)云的幾何合理性和保真度。
因此，提出了一種用于密集高光譜LiDAR點(diǎn)云的去噪工作流程，實(shí)現(xiàn)了優(yōu)越的去噪效果，并為在高光譜LiDAR數(shù)據(jù)中應(yīng)用3D重建奠定了基礎(chǔ)。本文的結(jié)構(gòu)如下：第2節(jié)介紹了實(shí)驗(yàn)平臺(tái)的基本組件和數(shù)據(jù)采集程序，第3節(jié)概述了所提出方法的詳細(xì)信息，第4節(jié)通過分析進(jìn)行了實(shí)驗(yàn)驗(yàn)證，第5節(jié)得出了最終結(jié)論。
