[發(fā)明專利]低空機(jī)載Lidar地形快速精準(zhǔn)信息化的數(shù)據(jù)記錄裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202011303067.4
• 申請(qǐng)日: 2020-11-19
• 公開（公告）號(hào): CN112396556A
• 公開（公告）日: 2021-02-23
• 發(fā)明（設(shè)計(jì)）人: 苗長(zhǎng)偉;李世烜;張宇;李林;黃善明;吳騰飛;聶子良;董建軍;李文亮;孔令鵬
• 申請(qǐng)（專利權(quán)）人: 鄭州中核巖土工程有限公司
• 主分類號(hào): G06T3/40
• 分類號(hào): G06T3/40;G06T3/00;G06T7/11;G06T7/187;G06T9/00;G06K9/62;G01S7/48
• 代理公司: 鄭州芝麻知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41173
• 代理人: 朱亞飛

1.一種低空機(jī)載Lidar地形快速精準(zhǔn)信息化的數(shù)據(jù)記錄裝置，其特征在于，該裝置包括：

數(shù)據(jù)采集模塊，用于采集巡邏區(qū)域的第一點(diǎn)云數(shù)據(jù)和原始圖像；

預(yù)處理模塊，用于選擇目標(biāo)區(qū)域，拼接目標(biāo)區(qū)域的原始圖像得到全景圖像，將全景圖像中每個(gè)像素對(duì)應(yīng)的第一點(diǎn)云數(shù)據(jù)初步壓縮，得到第二點(diǎn)云數(shù)據(jù)，所述第二點(diǎn)云數(shù)據(jù)包括像素二維坐標(biāo)，高程、回波強(qiáng)度、激光強(qiáng)度；設(shè)置初始半徑和初始閾值對(duì)第二點(diǎn)云數(shù)據(jù)進(jìn)行聚類，輸出若干個(gè)第二點(diǎn)云數(shù)據(jù)的集合；將集合中各第二點(diǎn)云數(shù)據(jù)的高程、回波強(qiáng)度、激光強(qiáng)度進(jìn)行連接得到對(duì)應(yīng)的第一聯(lián)合特征向量；

語義分割模塊，用于檢測(cè)全景圖中像素的地形類別，輸出語義分割圖；

點(diǎn)云數(shù)據(jù)分類模塊，用于在同一第二點(diǎn)云數(shù)據(jù)中集合隨機(jī)選取A個(gè)第二點(diǎn)云數(shù)據(jù)的第一聯(lián)合特征向量并進(jìn)行連接，得到第二聯(lián)合特征向量，檢測(cè)第二聯(lián)合特征向量的地形類別，輸出集合的地形類別；

參數(shù)調(diào)整模塊，用于根據(jù)每個(gè)第二點(diǎn)云數(shù)據(jù)集合生成對(duì)應(yīng)的第一全景二值圖，根據(jù)語義分割圖得到每一類地形對(duì)應(yīng)的第二全景二值圖，將第一全景二值圖和對(duì)應(yīng)的每個(gè)第二全景二值圖點(diǎn)對(duì)點(diǎn)相乘得到第三全景二值圖，將灰度值為255的像素?cái)?shù)量最多的第三全景二值圖對(duì)應(yīng)的第二全景二值圖設(shè)為參考第二全景二值圖；根據(jù)第一全景二值圖和參考第二全景二值圖進(jìn)行初始閾值和初始半徑的調(diào)整，輸出最優(yōu)初始閾值和最優(yōu)初始半徑；

數(shù)據(jù)壓縮模塊，用于對(duì)第一全景二值圖進(jìn)行連通域分析，根據(jù)各連通域包含像素的數(shù)量篩選出待定連通域，計(jì)算待定連通域內(nèi)各個(gè)像素的高斯曲率和平均曲率，判斷單個(gè)待定連通域是否可以單獨(dú)壓縮，得到單獨(dú)壓縮連通域并壓縮；判斷兩個(gè)待定連通域是否可以相互壓縮，得到互相壓縮連通域并壓縮。

2.如權(quán)利要求1所述的裝置，其特征在于，所述初步壓縮的方法包括：

S1.1，選擇目標(biāo)區(qū)域，所述目標(biāo)區(qū)域?yàn)榫匦危?/p>

S1.2，拼接目標(biāo)區(qū)域的待拼接原始圖像得到全景圖像；

S1.3，獲取全景圖像分辨率I×J，得到全景圖像中每個(gè)像素在實(shí)際地面中對(duì)應(yīng)的子區(qū)域；計(jì)算每個(gè)子區(qū)域內(nèi)所有的高程、回波強(qiáng)度、激光強(qiáng)度的平均值，將所述高程、回波強(qiáng)度、激光強(qiáng)度的平均值作為該子區(qū)域?qū)?yīng)全景圖中像素的第二點(diǎn)云數(shù)據(jù)。

3.如權(quán)利要求1所述的裝置，其特征在于，所述對(duì)第二點(diǎn)云數(shù)據(jù)進(jìn)行聚類，具體包括：

S2.1以高程為x軸、回波強(qiáng)度為y軸、激光強(qiáng)度為z軸建立三維坐標(biāo)系，將每個(gè)第二點(diǎn)云數(shù)據(jù)表示在所述三維坐標(biāo)系中，得到若干個(gè)數(shù)據(jù)點(diǎn)；

S2.2設(shè)置初始半徑R、初始閾值m₁，以每個(gè)數(shù)據(jù)點(diǎn)為中心，R為半徑生成球形區(qū)域，統(tǒng)計(jì)每個(gè)球形區(qū)域內(nèi)數(shù)據(jù)點(diǎn)的個(gè)數(shù)c，當(dāng)c≥m₁時(shí)，判定該球形區(qū)域中心的數(shù)據(jù)點(diǎn)為第一類數(shù)據(jù)點(diǎn)；當(dāng)c＜m₁時(shí)，判定該球形區(qū)域中心的數(shù)據(jù)點(diǎn)為第二類數(shù)據(jù)點(diǎn)；

S2.3每個(gè)第一類數(shù)據(jù)點(diǎn)生成第一類簇，第一類數(shù)據(jù)點(diǎn)為對(duì)應(yīng)第一類簇的中心，計(jì)算每個(gè)第二類數(shù)據(jù)點(diǎn)與周圍第一類數(shù)據(jù)點(diǎn)的歐式距離L′₂，選擇L′₂最小的第一類數(shù)據(jù)點(diǎn)對(duì)應(yīng)的第一類簇，并將第二類數(shù)據(jù)點(diǎn)加入該第一類簇中；

S2.4計(jì)算不同第一類簇中心之間的距離L″₂，當(dāng)L″₂≤R時(shí)，將這兩個(gè)第一類簇合并，合并前兩第一類簇的中心均為合并之后簇的中心；對(duì)所有的簇進(jìn)行合并處理得到若干個(gè)第二類簇，將屬于同一第二類簇的數(shù)據(jù)點(diǎn)對(duì)應(yīng)的第二點(diǎn)云數(shù)據(jù)放入同一集合中，輸出若干個(gè)集合。

4.如權(quán)利要求1所述的裝置，其特征在于，所述語義分割模塊的訓(xùn)練方法包括：

采用若干張全景圖像為數(shù)據(jù)集；

人工對(duì)數(shù)據(jù)集進(jìn)行標(biāo)注，標(biāo)注為像素的地形類別，生成標(biāo)注數(shù)據(jù)；

使用交叉熵?fù)p失函數(shù)進(jìn)行訓(xùn)練。

5.如權(quán)利要求1所述的裝置，其特征在于，所述點(diǎn)云數(shù)據(jù)分類模塊的訓(xùn)練方法包括：

從一個(gè)集合中任選A個(gè)第二點(diǎn)云數(shù)據(jù)，進(jìn)一步地，將其對(duì)應(yīng)的第一聯(lián)合特征向量進(jìn)行連接后得到第二聯(lián)合特征向量，以若干個(gè)第二聯(lián)合特征向量為數(shù)據(jù)集；

對(duì)數(shù)據(jù)集進(jìn)行標(biāo)注，標(biāo)注出每個(gè)第二聯(lián)合特征向量的地形類別，生成標(biāo)注數(shù)據(jù)；

使用交叉熵?fù)p失函數(shù)進(jìn)行訓(xùn)練。