[發(fā)明專利]一種車載激光點云分類方法

有效

• 申請?zhí)枺?/td>: 201611121737.4
• 申請日: 2016-12-08
• 公開（公告）號: CN106599915B
• 公開（公告）日: 2017-11-28
• 發(fā)明（設計）人: 李德仁;仇開金;孫凱;丁蔻;舒振
• 申請（專利權）人: 立得空間信息技術股份有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 武漢科皓知識產(chǎn)權代理事務所(特殊普通合伙)42222
• 代理人: 魏波

1.一種車載激光點云分類方法，其特征在于，包括以下步驟：

步驟1：輸入三維激光點云數(shù)據(jù)；

步驟2：利用GPS時間和行車軌跡，對三維激光點云數(shù)據(jù)分塊處理；

步驟3：對步驟2中的數(shù)據(jù)塊進行預處理；

步驟4：對預處理后的數(shù)據(jù)塊進行初分類；

具體實現(xiàn)包括以下子步驟：

步驟4.1：采用超體聚類分割方法對數(shù)據(jù)塊中點云進行聚類操作，將點云化成若干小塊，記為聚類塊；

步驟4.2：計算聚類塊的特征及與鄰近聚類塊的關系特征；具體實現(xiàn)包括以下子步驟：

步驟4.2.1：搜索點的鄰域，組成小集合；

步驟4.2.2：采用主成分分析方法計算小集合的特征值與特征向量，記為pevals與pevectors；

步驟4.2.3：計算點的特征，記為pfeat={pevals(2),pevals(1)-pevals(2),pevals(0)-pevals(1)，pevectors(0,2),pevectors(2,2)},其中pevals(0)、pevals(1)、pevals(2)為特征值分量，pevectors(0,2)、pevectors(2,2)為特征向量分量；

步驟4.2.4：采用主成分分析方法計算聚類塊的特征值與特征向量，記為bevals與bevectors；

步驟4.2.5：計算聚類塊的特征記為bfeat={bevals(2),bevals(1)-bevals(2),bevals(0)-bevals(1)，bevectors(0,2),bevectors(2,2)},其中bevals(0)、bevals(1)、bevals(2)為特征值分量，bevectors(0,2)、bevectors(2,2)為特征向量分量；

步驟4.3：利用馬爾科夫隨機場模型，輸入點特征pfeat與塊特征bfeat，對數(shù)據(jù)塊中點云進行預測，并且將點分成地面、建筑物、護欄、植物、桿狀物、架空線六類；

步驟5：對初分類后的數(shù)據(jù)塊進行二次分類；

具體實現(xiàn)包括以下子步驟：

步驟5.1：對桿狀物進行歐式聚類，將桿狀物點云聚類成單獨的桿狀物目標；

步驟5.2：對桿狀物目標進行生長，查找連接在一起的點云，使桿狀物生長成一個完整的目標，同時計算完整目標的形狀描述集合特征；

步驟5.3：利用支持向量機分類器，輸入完整桿狀物的形狀描述集合特征，將桿狀物細分成路燈、交通燈、行道樹、電信桿、標志牌五類；

步驟6：輸出分類后激光點云數(shù)據(jù)。

2.根據(jù)權利要求1所述的車載激光點云分類方法，其特征在于，步驟2的具體實現(xiàn)包括以下子步驟：

步驟2.1：輸入GPS時間和行車軌跡；

步驟2.2：根據(jù)軌跡坐標值，從軌跡起始點開始累計歐氏距離和；

步驟2.3：判段歐式距離和，若歐式距離和大于閾值，則將當前軌跡點和起始軌跡點之間的空間和GPS時間記為一個塊；

步驟2.4：令當前軌跡點的下一個軌跡點為軌跡起始點，回轉(zhuǎn)執(zhí)行步驟2，直到軌跡結束；

步驟2.5：根據(jù)海量三維點云數(shù)據(jù)中點的坐標和GPS時間，將點歸屬到對應的塊，循環(huán)判斷所有點，直到海量三維激光點云數(shù)據(jù)分塊結束。

3.根據(jù)權利要求1所述的車載激光點云分類方法，其特征在于，步驟3的具體實現(xiàn)包括以下子步驟：

步驟3.1：采用體素化網(wǎng)格方法實現(xiàn)下采樣；

步驟3.2：去除數(shù)據(jù)塊中孤立噪聲點；

對每個點，計算它到它的所有臨近點的平均距離，假設得到的結果是一個高斯分布，其形狀由均值和標準差決定，平均距離在標準范圍之外的點，定義為離群點并從數(shù)據(jù)塊中去除掉；

步驟3.3：去除地面以下的低點；

統(tǒng)計數(shù)據(jù)塊中所有點的高程直方圖，假設地面數(shù)據(jù)對應最大直方圖分量所在的高程，在此高程之下的點，定義為低點并從數(shù)據(jù)塊中去除掉。