[發明專利]一種基于DBSCAN聚類的城市道路環境下的點云語義分割方法、系統及存儲介質

有效

• 申請號: 202011089191.5
• 申請日: 2020-10-13
• 公開（公告）號: CN112200248B
• 公開（公告）日: 2023-05-12
• 發明（設計）人: 曹杰;郝群;蘇云征;閆雷;唐鳴元
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V10/26
• 分類號: G06V10/26;G06V10/762;G06V10/764;G06V20/13;G06V20/10
• 代理公司: 鄭州明華專利代理事務所(普通合伙) 41162
• 代理人: 文生明

1.一種基于DBSCAN聚類的城市道路環境下的點云語義分割方法，其特征在于，包括如下步驟：

S1、對輸入的點云數據進行地面分割；

S2、對地物點聚類；

S3、對聚類后的點云數據進行點云語義分割；

S4、對語義分割結果進行插值優化；

其中，S2中，對去除地面后的點云數據進行DBSCAN聚類，具體包括如下步驟：

S21、對經過S1地面分割后的非地面點，使用DBSCAN進行聚類分割，將滿足聚類條件的點分為同一類，對點云中的任一點P_i，在一個固定的半徑r＝0.5內檢索其鄰域點的集合P_i^r，記鄰域點的數量為如果一個點的半徑為r的鄰域點數量滿足：

其中，Th_NearDensity＝5，那么將其記為核心點，且將其鄰域點集合P_i^r中的點加入種子點集合，遍歷所有種子點，直到種子點集合為空；對于DBSCAN聚類后的點云數據，因為一些點鄰域點的密度低于密度閾值，會將這些點歸類為Noise，對非Noise點構建kd-tree，對每一個Noise點進行KNN插值優化，將其鄰域內數量最多的類別作為當前Noise點的類別；

其中，S3中，對聚類后的點云數據進行語義分割，具體包括如下步驟：

S31、對聚類后的點云數據進行特征提取，實現cluster的合并，對于聚類后的cluster，首先統計每一個cluster的點的數量clsuterⁱ.Num，通過設置cluster的點數閾值Th_Num，提取出除去建筑物之外的地物：

其中，Th_LNum＝5000，Th_SNum＝50；對于上述篩選出的Interest的點云cluster，通過計算cluster在x方向、y方向上，z方向上的跨度d_x,d_y,d_z，cluster的重心P_gravity，通過閾值將Interest的cluster分類為樹冠和行道樹、樹干和桿、車、其它：

其中，Th₁＝19.5，Th₂＝25，其中，trees，crowns表示樹冠和行道樹，poles表示桿，cars表示車，trunks表示樹干，others表示其它；將所有的cluster重心投影到水平面上，對除掉桿和樹干后剩余的cluster的重心投影點構建kd-tree，對桿和樹干cluster重心點在二維平面上進行K近鄰檢索，對檢索到的最近的重心投影點，如果滿足下式：

||P_querry-P_nearst||₂＜Th_nearst|P_querry.x-P_nearst.x|＜Th_{nearst_x}???????????????(25)

其中，Th_nearst＝2，Th_{nearst_x}＝1.5，則將查詢點對應的cluster和鄰域點對應的cluster進行合并；

S32、對合并后的cluster進行特征提取，對cluster進行分類；合并后的cluster主要為道路一側的桿狀物和行道樹的組合；計算桿和樹的上下點云在水平面上投影的最大面積，分別記為Area_above、Area_below；通過下式將桿和行道樹區分開來：

其中，上下部分的面積差閾值Th_AreaDiff＝1.5；

其中，S4中，對初步的語義分割結果使用KNN進行插值優化，對上述分類好的點在三維空間構建kd-tree，對根據數量閾值設置為Noise的點在kd-tree中檢索K個最近鄰域點，將K＝20個鄰域點中點數量最多的類別賦值給Noise點。