[發(fā)明專利]一種基于多光譜LiDAR數(shù)據(jù)的單木自動提取方法

有效

• 申請?zhí)枺?/td>: 201710280025.5
• 申請日: 2017-04-26
• 公開（公告）號: CN107085710B
• 公開（公告）日: 2020-06-02
• 發(fā)明（設計）人: 鐘良;管海燕;李云帆;湯璇;喻靜敏;甘拯;何業(yè)駿
• 申請（專利權）人: 長江空間信息技術工程有限公司(武漢)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/66
• 代理公司: 武漢宇晨專利事務所 42001
• 代理人: 王敏鋒

1.一種基于多光譜LiDAR數(shù)據(jù)的單木自動提取方法，其特征在于：包括如下步驟：

步驟1：以LiDAR數(shù)據(jù)中任意一個波段的點云為基準數(shù)據(jù)，對基準點云數(shù)據(jù)中的每個激光點，采用最鄰近搜索方法，分別在其它波段數(shù)據(jù)中獲得最鄰近激光點的波段信息，生成一個包含多光譜信息的單一融合點云數(shù)據(jù)；

步驟2：沿著包含有多光譜信息的單一融合點云數(shù)據(jù)的Z方向上進行多視角投影，產生一系列投影數(shù)據(jù)，根據(jù)點云數(shù)據(jù)的光譜和幾何特性將點云數(shù)據(jù)分割為地面點云數(shù)據(jù)和非地面點云數(shù)據(jù)；

步驟3：對非地面點云數(shù)據(jù)進行聚類和歸一化割，根據(jù)點云數(shù)據(jù)的幾何和光譜特征進行分割，分離出語義獨立的局部點云塊；

步驟4：對語義獨立的局部點云塊，建立基于三維局部抽象類特征的樹木目標整體特征描述模型，進行基于深度學習的單木自動提取處理；

步驟2具體包括如下分步驟：

S21：將單一融合點云數(shù)據(jù)沿著Z方向，按照一定角度進行投影、剖分后得到一系列投影點云數(shù)據(jù)；

S22：對每個投影點云數(shù)據(jù)，根據(jù)激光點點云數(shù)據(jù)的多光譜與高程信息，提取潛在地面點云數(shù)據(jù)；

S23：對每個投影的潛在地面點云數(shù)據(jù)，沿著垂直投影面柵格化，選擇每個柵格內最低點作為種子點，構建初始地面Delaunay三角網(wǎng)；

S24：遍歷Delaunay三角網(wǎng)中每個三角形，統(tǒng)計落在三角形中激光點，利用點到三角形距離和角度閾值，迭代獲取初始地面點；

S25：對所有投影面進行相應處理后所獲得的初始地面點，利用局部鄰域范圍內平滑性原則，進行合并調整，最終分離融合點云數(shù)據(jù)為地面點云數(shù)據(jù)和非地面點云數(shù)據(jù)；

步驟3具體包括如下分步驟：

S31：根據(jù)高程與光譜變化特征，對非地面點云數(shù)據(jù)進行K-均值聚類，獲取同質點云塊；

S32：對重疊的點云塊體元化，并以體元化后的體元點云塊構造全連通加權圖；

S33：基于全連通加權圖，對非地面數(shù)據(jù)采用歸一化割技術進行處理，得到單一地物的同質點云塊。

2.根據(jù)權利要求1所述的一種基于多光譜LiDAR數(shù)據(jù)的單木自動提取方法，其特征在于：步驟4具體包括如下分步驟：

S41：將步驟3中歸一化割處理后的同質點云塊也體元化，重新構造全連通加權圖；

S42：根據(jù)樹木的訓練樣本，建立基于三維局部抽象類特征的樹木目標整體特征描述模型；

S43：在特征描述基礎上，建立用于描述目標局部抽象類特征的字母表；

S44：根據(jù)訓練樣本所建立的特征字母表，建立描述目標整體特征的空間詞袋模型；

S45：利用深度學習方法訓練一個包含兩層隱藏層的深層波爾茲曼機，并將訓練后的深層波爾茲曼機構造成一個多層的分類器，最終實現(xiàn)單木自動提取。