[發(fā)明專利]一種融合影像的機載激光雷達(dá)數(shù)據(jù)半監(jiān)督分類方法

無效

• 申請?zhí)枺?/td>: 201010568761.9
• 申請日: 2010-12-01
• 公開（公告）號: CN102103202A
• 公開（公告）日: 2011-06-22
• 發(fā)明（設(shè)計）人: 鄔建偉;鐘良;馬洪超;彭檢貴
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G01S7/48
• 分類號: G01S7/48;G01S17/89;G06K9/62;G06K9/36
• 代理公司: 武漢科皓知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 張火春

1.一種融合影像的機載激光雷達(dá)數(shù)據(jù)半監(jiān)督分類方法，其特征在于，包括以下步驟：

原始激光雷達(dá)數(shù)據(jù)去噪步驟，該步驟采用K近鄰球去噪算法，去除點云中存在的噪聲，并內(nèi)插生成數(shù)字表面模型DSM；

高精度數(shù)字地面模型DEM生成步驟，該步驟對去噪后的激光雷達(dá)數(shù)據(jù)，采用迭代三角網(wǎng)漸進加密濾波方法得到打在地面上的激光雷達(dá)點，并內(nèi)插生成高精度數(shù)字地面模型DEM數(shù)據(jù)；

nDSM數(shù)據(jù)生成步驟，該步驟將原始DSM數(shù)據(jù)與DEM數(shù)據(jù)相減，得到nDSM數(shù)據(jù)；

激光雷達(dá)數(shù)據(jù)粗分類步驟，該步驟對經(jīng)過迭代三角網(wǎng)濾波獲取的非地面點集，首先通過高程信息分割點云，再利用局部屬性估計，高程等約束獲取點云數(shù)據(jù)的中的高植被、建筑物等2個類別的初始類別信息；

基于LiDAR數(shù)據(jù)輔助的影像分類訓(xùn)練樣本提取步驟，該步驟對粗分類后的點云，首先按照類別信息進行高程賦值，并進行格網(wǎng)化生成相應(yīng)柵格數(shù)據(jù)；其次手動選取種子點，通過種子生長法自動生長獲得樣本區(qū)域；通過上述方法半自動獲取高植被、建筑物、裸露地表的樣本信息，用作影像分類的高精度訓(xùn)練樣本；

聯(lián)合nDSM掩膜的分類步驟，該步驟利用nDSM數(shù)據(jù)在配準(zhǔn)后的高分辨率影像上產(chǎn)生對高程低于指定高程閾值的平面區(qū)域和高程高于指定高程閾值的高區(qū)域進行掩膜處理運用，

分類后的偽建筑物點去除步驟，該步驟是因為單依靠光譜信息進行的基于聯(lián)合nDSM掩膜分類結(jié)果，會因單純依靠光譜信息而導(dǎo)致建筑物類別的錯分，因此利用形狀指數(shù)和復(fù)雜度計算去除非建筑物類別數(shù)據(jù)，去除誤判為建筑點的激光點；

基于影像分類結(jié)果和點云多重特征交叉驗證的激光點分類的步驟，該步驟首先利用聯(lián)合nDSM掩膜的分類步驟和分類后的偽建筑物點去除步驟處理得到的影像分類結(jié)果對點云進行類別賦值；其次利用點云多重特征（強度均值、離散度）以及DEM數(shù)據(jù)等對分類賦值結(jié)果進行再驗證，修正點云分類的誤分類點，最終將點云數(shù)據(jù)分為裸露地表、低植被、高植被和建筑物等4個類別。

2.根據(jù)權(quán)利要求1所述的融合影像的機載激光雷達(dá)數(shù)據(jù)半監(jiān)督分類方法，其特征在于：

所述高精度數(shù)字地面模型DEM生成步驟進一步包括以下子步驟：

①對原始數(shù)據(jù)進行中值濾波處理剔除數(shù)據(jù)中的極低點（高程很低的噪聲點）；

②構(gòu)造數(shù)據(jù)的外包矩形，該外包矩形的四個頂點的高程值根據(jù)最近鄰準(zhǔn)則來設(shè)定，然后對外包矩形進行三角剖分，并將其作為初始地形表面模型；

③對數(shù)據(jù)進行格網(wǎng)組織，網(wǎng)格應(yīng)略大于最大建筑物的大小，其中每個網(wǎng)格中的最低點為初始地面點，將選取的初始地面點加入到不規(guī)則三角網(wǎng)（TIN）中；

④計算每個點到其所在的三角形的距離以及它與三角形三個頂點的夾角，若計算得到的值小于預(yù)先設(shè)定的閾值條件，則將其加入到不規(guī)則三角網(wǎng)中；

⑤重復(fù)④直到?jīng)]有新的點加入到不規(guī)則三角網(wǎng)中；

⑥內(nèi)插生成DEM。

3.根據(jù)權(quán)利要求1或2所述的融合影像的機載激光雷達(dá)數(shù)據(jù)半監(jiān)督分類方法，其特征在于：

所述聯(lián)合nDSM掩膜的分類步驟進一步包括以下子步驟：

①基于nDSM的信息，將與點云配準(zhǔn)的高分辨率影像劃分為高區(qū)域和平面區(qū)域，利用所述基于LiDAR數(shù)據(jù)輔助的影像分類訓(xùn)練樣本提取步驟獲取到的建筑物和高植被樣本，在高程大于0或高程大于指定閾值的區(qū)域采用最大似然估計進行分類；

②基于nDSM的信息，在高程區(qū)域為0或者低于某閾值的影像范圍內(nèi)，人工選取地表植被樣本，同時利用所述基于LiDAR數(shù)據(jù)輔助的影像分類訓(xùn)練樣本提取步驟獲得的地表高精度樣本，采用最大似然估計進行分類獲得高精度分類的裸露地表與光譜信息為綠色的低矮植被類別。