[發明專利]一種融合影像的機載激光雷達數據半監督分類方法

無效

• 申請號: 201010568761.9
• 申請日: 2010-12-01
• 公開（公告）號: CN102103202A
• 公開（公告）日: 2011-06-22
• 發明（設計）人: 鄔建偉;鐘良;馬洪超;彭檢貴
• 申請（專利權）人: 武漢大學
• 主分類號: G01S7/48
• 分類號: G01S7/48;G01S17/89;G06K9/62;G06K9/36
• 代理公司: 武漢科皓知識產權代理事務所(特殊普通合伙) 42222
• 代理人: 張火春

技術領域

本發明涉及機載激光雷達數據處理技術領域，尤其涉及一種融合影像的機載激光雷達數據半監督分類方法。

背景技術

機載LiDAR是一種新型的主動式航空遙感對地觀測技術，能夠直接獲得目標的空間三維點云信息。隨著城市化進程的加快，利用機載LiDAR技術實現城區地物信息的高精效提取具有重要意義，其中最基礎和關鍵的技術是LiDAR點云數據的分類。將分類為裸露地面的點用于數字地面模型的生成，為地形制圖、工程測量、環境規劃等提供基礎數據；分類為建筑物與植被的點可應用于提高DTM模型精度、3D數字城市中的建筑物模型重建、城市綠地研究等。然而，由于LiDAR提供的點云數據不能直接獲得物體表面的語義信息(材質和結構等)，難以提取形體信息及拓撲關系，導致單純利用機載激光掃描數據進行地物分類和識別等自動智能化處理難度加大?，F有的機載LiDAR點云處理算法對復雜城市區域地貌的自動解譯能力不足，實踐中用于質量控制及手工操作的時間在整個數據處理時間中占據了相當大的比例。因此，需要設計自動、高效、健壯的LiDAR點云分類與建模算法。

現有研究表明，由于缺乏相應的紋理和語義信息，單獨利用機載激光掃描數據進行地物的分類識別與智能化處理具有很大的局限性，對于復雜場景分類精度不高，不能滿足實際分類處理應用需求。

發明內容

針對上述存在的單源遙感數據分類的局限性，尤其是單一激光雷達數據分類精度的不足，本發明的目的是提供一種融合影像的機載激光雷達數據半監督分類方法，利用半監督方法訓練樣本，利用高分辨率影像與機載LiDAR數據融合分類，最終達到對點云數據進行高精度分類的目的。

為達到上述目的，本發明采用如下的技術方案：

原始激光雷達數據去噪步驟，該步驟采用K近鄰球去噪算法，去除點云中存在的噪聲，并內插生成數字表面模型DSM；

高精度數字地面模型DEM生成步驟，該步驟對去噪后的激光雷達數據，采用迭代三角網漸進加密濾波方法得到打在地面上的激光雷達點，并內插生成高精度數字地面模型DEM數據；

nDSM數據生成步驟，該步驟將原始DSM數據與DEM數據相減，得到nDSM數據；

激光雷達數據粗分類步驟，該步驟對經過迭代三角網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據的中的高植被、建筑物等2個類別的初始類別信息；

基于LiDAR數據輔助的影像分類訓練樣本提取步驟，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，并進行格網化生成相應柵格數據；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練樣本；

聯合nDSM掩膜的分類步驟，該步驟利用nDSM數據在配準后的高分辨率影像上產生對高程為0的區域進行掩膜處理；

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合nDSM掩膜的分類結果，會因過多依靠光譜信息而導致建筑物類別的錯分，因此利用形狀指數和復雜度計算去除非建筑物類別數據，去除誤判為建筑點的激光點；

基于影像分類結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數據等對分類賦值結果進行再驗證，修正點云分類的誤分類點，最終將點云數據分為裸露地表、低植被、高植被和建筑物等4個類別。

所述高精度數字地面模型DEM生成步驟進一步包括以下子步驟：

①對原始數據進行中值濾波處理剔除數據中的極低點(高程很低的噪聲點)；

②構造數據的外包矩形，該外包矩形的四個頂點的高程值根據最近鄰準則來設定，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對數據進行格網組織，網格應略大于最大建筑物的大小，其中每個網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則三角網(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先設定的閾值條件，則將其加入到不規則三角網中；

⑤重復④直到沒有新的點加入到不規則三角網中；

⑥內插生成DEM。

所述聯合nDSM掩膜的分類步驟進一步包括以下子步驟：