[發(fā)明專利]融合多層級(jí)漸進(jìn)策略和非監(jiān)督學(xué)習(xí)的地面點(diǎn)云提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910023657.2
• 申請(qǐng)日: 2019-01-10
• 公開（公告）號(hào): CN109754020B
• 公開（公告）日: 2020-08-04
• 發(fā)明（設(shè)計(jì)）人: 惠振陽;魯鐵定;王樂洋;聶運(yùn)菊
• 申請(qǐng)（專利權(quán)）人: 東華理工大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06T5/00;G06T7/50
• 代理公司: 武漢維創(chuàng)品智專利代理事務(wù)所(特殊普通合伙) 42239
• 代理人: 余麗霞

本發(fā)明公開了一種融合多層級(jí)漸進(jìn)策略和非監(jiān)督學(xué)習(xí)的地面點(diǎn)云提取方法，包括以下步驟：S1，獲取點(diǎn)云數(shù)據(jù)并進(jìn)行噪聲去除；S2，采用高斯混合模型實(shí)現(xiàn)點(diǎn)云自動(dòng)聚類方法；S3，自動(dòng)獲取并標(biāo)記地面點(diǎn)、地物點(diǎn)訓(xùn)練樣本；S4，計(jì)算點(diǎn)云特征向量并采用SVM方法建立訓(xùn)練模型，并利用訓(xùn)練得到的SVM模型對(duì)LiDAR點(diǎn)云進(jìn)行分類；S5，采用置信區(qū)間估計(jì)理論自動(dòng)識(shí)別并剔除非地面點(diǎn)；S6，重復(fù)執(zhí)行步驟S2至S5，直到點(diǎn)云中不存在地物點(diǎn)為止。本發(fā)明采用多層級(jí)漸進(jìn)策略，實(shí)現(xiàn)地面點(diǎn)云提取結(jié)果由粗到精變化，增強(qiáng)方法的魯棒性，且實(shí)現(xiàn)地面點(diǎn)云自動(dòng)化提取，避免復(fù)雜的參數(shù)調(diào)節(jié)。

技術(shù)領(lǐng)域

本發(fā)明涉及地理空間信息系統(tǒng)技術(shù)領(lǐng)域，特別是涉及一種融合多層級(jí)漸進(jìn)策略和非監(jiān)督學(xué)習(xí)的地面點(diǎn)云提取方法。

背景技術(shù)

隨著智慧城市的快速發(fā)展，迫切需要我們更加及時(shí)、準(zhǔn)確、高效地獲取周邊的地形、地物信息。近年來，機(jī)載LiDAR(Light Detection And Ranging)技術(shù)為我們提供了一種全新的獲取高時(shí)空分辨率地球空間信息的觀測(cè)手段。機(jī)載LiDAR技術(shù)采用主動(dòng)測(cè)量的方式，能夠快速、精確地獲取物體的三維坐標(biāo)信息，具有速度快、精度高等特點(diǎn)。而且該技術(shù)不受光照、明暗變化等外界環(huán)境的影響，能夠24小時(shí)全天候地進(jìn)行數(shù)據(jù)采集。現(xiàn)如今，此項(xiàng)技術(shù)已廣泛應(yīng)用于道路提取、電力線提取、森林參數(shù)估測(cè)、城市三維模型建立等地球空間信息學(xué)科的眾多領(lǐng)域。而實(shí)現(xiàn)以上點(diǎn)云后處理應(yīng)用，一個(gè)非常關(guān)鍵的步驟便是要從LiDAR點(diǎn)云中去除地物點(diǎn)而保留地形點(diǎn)。

近年來，國(guó)內(nèi)外研究人員對(duì)地面點(diǎn)云提取進(jìn)行了大量的研究，這些方法根據(jù)理論背景的不同可以分為基于坡度、基于形態(tài)學(xué)、基于內(nèi)插擬合、基于分割等四大類。已有的研究工作取得了許多成果和進(jìn)展，但還存在需要進(jìn)一步研究和解決的問題：

(1)地面點(diǎn)云提取方法在地形平坦區(qū)域?yàn)V波效果比較好，而在地形坡度變化較大區(qū)域?yàn)V波效果比較差，方法缺乏對(duì)復(fù)雜地形環(huán)境的適應(yīng)性，魯棒性不強(qiáng)；

(2)大多數(shù)地面點(diǎn)云提取方法需要進(jìn)行復(fù)雜的參數(shù)設(shè)置，降低了算法的自動(dòng)化程度。

發(fā)明內(nèi)容

本發(fā)明的目的在于解決地面點(diǎn)云提取過程中存在的精度不高、對(duì)復(fù)雜地形環(huán)境適應(yīng)性較差以及需要復(fù)雜參數(shù)調(diào)節(jié)的問題，提出一種融合多層級(jí)漸進(jìn)策略和非監(jiān)督學(xué)習(xí)方法進(jìn)行自動(dòng)化的地面點(diǎn)云提取方法。

一種融合多層級(jí)漸進(jìn)策略和非監(jiān)督學(xué)習(xí)的地面點(diǎn)云提取方法，包括以下步驟：

S1，獲取點(diǎn)云數(shù)據(jù)并進(jìn)行噪聲去除；

S2，采用高斯混合模型實(shí)現(xiàn)點(diǎn)云自動(dòng)聚類方法；

S3，自動(dòng)獲取并標(biāo)記地面點(diǎn)、地物點(diǎn)訓(xùn)練樣本；

S4，計(jì)算點(diǎn)云特征向量并采用SVM方法建立訓(xùn)練模型，并利用訓(xùn)練得到的SVM模型對(duì)LiDAR點(diǎn)云進(jìn)行分類；

S5，采用置信區(qū)間估計(jì)理論自動(dòng)識(shí)別并剔除非地面點(diǎn)；

S6，重復(fù)執(zhí)行步驟S2至S5，直到點(diǎn)云中不存在地物點(diǎn)為止。

根據(jù)本發(fā)明提供的融合多層級(jí)漸進(jìn)策略和非監(jiān)督學(xué)習(xí)的地面點(diǎn)云提取方法，采用多層級(jí)漸進(jìn)策略，實(shí)現(xiàn)地面點(diǎn)云提取結(jié)果由粗到精變化，增強(qiáng)方法的魯棒性。將點(diǎn)云視為高斯混合模型，采用期望最大算法實(shí)現(xiàn)點(diǎn)云自動(dòng)聚類，提高地面點(diǎn)云提取的精度。通過設(shè)置漸進(jìn)減小的結(jié)構(gòu)元素集合，自動(dòng)獲取訓(xùn)練樣本并進(jìn)行標(biāo)記，減少人為干預(yù)。利用支持向量機(jī)(SVM)對(duì)訓(xùn)練樣本建立訓(xùn)練模型，并對(duì)LiDAR點(diǎn)云進(jìn)行分類。根據(jù)置信區(qū)間估計(jì)理論將不滿足條件的非地面點(diǎn)進(jìn)行剔除，實(shí)現(xiàn)地面點(diǎn)云自動(dòng)化提取，避免復(fù)雜的參數(shù)調(diào)節(jié)。

因此，與現(xiàn)有技術(shù)相比，本發(fā)明提出的方法至少具有以下有益效果：

(1)將不同類的點(diǎn)云視為不同高斯分布的混合，將點(diǎn)云聚類問題轉(zhuǎn)化為高斯混合模型參數(shù)估計(jì)問題，實(shí)現(xiàn)點(diǎn)云自動(dòng)聚類。