[發明專利]一種基于深度學習多光譜LiDAR數據分類的樣本生成方法

在審

• 申請號: 202110330223.4
• 申請日: 2021-03-29
• 公開（公告）號: CN113011511A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: 管海燕;趙沛冉;景莊偉;李迪龍
• 申請（專利權）人: 江蘇思瑪特科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/18;G06N20/00
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 羅運紅

1.一種基于深度學習多光譜LiDAR數據分類的樣本生成方法，其特征在于，該方法包括如下步驟：

S1、以任意一個波段的LiDAR點云為基準數據，對基準數據中的每個激光點，采用最鄰近搜索方法分別在其它波段數據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據，完成多波段數據融合；

S2、依照LiDAR掃描地區的真實地物分布，通過人工解譯為融合后的點云中的每一個點標注類別標簽，并將融合后的點云數據劃分為訓練點云和測試點云；

S3、使用各項同行歸一化方法將數據歸一化到(-1～1)；

S4、基于S3歸一化后的訓練點云和測試點云，利用最遠點采樣方法FPS和k近鄰方法KNN分別從中提取點云樣本數據，最后形成直接用于網絡訓練的訓練樣本和直接用于測試的測試樣本。

2.根據權利要求1所述的一種基于深度學習多光譜LiDAR數據分類的樣本生成方法，其特征在于，所述步驟S1具體方法如下：

多光譜LiDAR系統共發射3個波段光束，獲得n＝3個相應的點云數據：P1、P2、P3；

選取C1波段點云P1作為基準，將P1、P2、P3三個獨立的點云合并成單個高密度多光譜點云，基準點云P1的每個激光點Qk包含的信息為幾何位置信息X，Y，Z和C1波段光譜信息l_C1，k＝1,2,…,m，m是點云P1中點的個數，利用最鄰近搜索方法在其它兩個波段C2、C3中以一定搜索半徑搜索Qk的鄰近點，從而獲得P1中每個點在其他兩個點云中的光譜信息l_C2、l_C3，最終獲得的單一點云中每個點具有完整的信息：幾何位置信息X，Y，Z和多波段光譜信息l_C1，l_C2，l_C3。

3.根據權利要求2所述的一種基于深度學習多光譜LiDAR數據分類的樣本生成方法，其特征在于，所述步驟S2具體包括以下分步驟：

S21、S1獲融合后的點云包含地物幾何位置信息X，Y，Z和多波段光譜信息l_C1，l_C2，l_C3，通過CloudCompare軟件以人工解譯的方法將融合后的點云按照真實地物逐點標注六類：路、草地、樹、建筑物、裸地、電力線，依次對應的標簽信息為0、1、2、3、4、5，最終獲得的點云中每個點具有的信息為：幾何位置信息X，Y，Z、多波段光譜信息l_C1，l_C2，l_C3和標簽信息τ，τ＝0,1,…,5；

S22、將LiDAR掃描的地表面積按照3：1劃分兩塊區域，選擇其中大面積區域作為深度學習的訓練區域，其對應的點云為網絡進行訓練的點云，即訓練點云；剩余小面積區域為測試區域，其對應的點云為網絡進行測試的點云，即測試點云。