[發明專利]一種車載激光點云目標分類方法和系統

有效

• 申請號: 201611187597.0
• 申請日: 2016-12-20
• 公開（公告）號: CN106650809B
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 方莉娜;羅海峰;陳崇成
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08
• 代理公司: 福州市景弘專利代理事務所(普通合伙)35219
• 代理人: 林祥翔,徐劍兵

1.一種車載激光點云目標分類方法，其特征在于，包括如下步驟：

對車載激光點云數據進行預處理，生成待分類目標點云，所述待分類目標點云包括：面上地物點云；

提取目標點云的訓練樣本，構建基本訓練樣本庫，所述目標點云的訓練樣本包括：樹木、車輛、桿狀地物和其它地物；

構建所述訓練樣本基于多個方向的垂直投影二值圖像，并生成特征向量，具體包括以下步驟：

預設n個不同方向；

所述目標點云的訓練樣本沿各方向分別垂直投影至n個平面，并劃分平面成p*p的規則格網，并根據格網內是否存在點云生成二值圖像；

使所述二值圖像排列成長度為p*p二值向量，并將n個二值向量串聯排列成長度為n*p*p的深度信念網絡輸入特征向量；

使所述目標點云的訓練樣本繞z軸順時針每旋轉θ角，重復步驟“構建所述訓練樣本基于多個方向的垂直投影二值圖像，并生成特征向量”，直至所述目標點云的訓練樣本繞z軸旋轉一周；

使用所述特征向量作為輸入，構建深度信念網絡；

使用逐層訓練的方式對深度信念網絡進行預訓練，并使用有監督的學習方式進行微調；

構建所述待分類目標點云基于多個方向的垂直投影二值圖像，并生成特征向量，并使用所述特征向量作為訓練后深度信念網絡的輸入，完成所述車載激光點云目標分類。

2.根據權利要求1所述的一種車載激光點云目標分類方法，其特征在于，步驟“對車載激光點云數據進行預處理，生成待分類目標點云”，還包括步驟：

使用局部高差閾值的地面點云濾波法剔除地面點云，并使用具有噪聲的基于密度的聚類方法對面上地物點云進行聚類；

使用歸一化分割法對聚類后的面上地物點云中相鄰地物交錯重疊點云進行分割；

通過剖面分析法剔除大型地物點云聚類簇，生成待分類目標點云。

3.根據權利要求1所述的一種車載激光點云目標分類方法，其特征在于，步驟“使用所述特征向量作為輸入，構建深度信念網絡”，還包括步驟：

使用受限波爾茲曼機構建深度信念網絡，分類層采用softmax回歸模型；

指定深度信念網絡的輸入層節點數、隱含層層數、隱含層節點數和分類層輸出節點數。

4.根據權利要求1所述的一種車載激光點云目標分類方法，其特征在于，步驟“使用逐層訓練的方式進行預訓練，并使用有監督的學習方式進行微調”，還包括步驟：

使用逐層訓練的方式對各層受限波爾茲曼機進行訓練，通過低一層受限波爾茲曼機的隱含層輸出作為高一層受限波爾茲曼機可見層的輸入，得到各受限波爾茲曼機層間節點的連接權重和偏置，深度信念網絡預訓練完成；

使用BP算法訓練分類層的softmax回歸模型，并逐層反向傳播實際輸出結果與預期輸出結果的誤差，微調整個網絡參數，深度信念網絡訓練完成。