[发明专利]基于多尺度空间的城市区域空地一体融合点云分类方法

权利要求书

1.一种基于多尺度空间的城市区域空地一体融合点云分类方法，其特征在于，所述方法包括：

获取空地一体融合点云数据；

对所述空地一体融合点云数据进行多尺度超体素分割，得到多尺度超体素；

其中，所述对所述空地一体融合点云数据进行多尺度超体素分割，得到多尺度超体素包括：

将所述空地一体融合点云数据划分为若干密度相近的区域D；

根据预设的点云数据分辨率，构建八叉树并对所述八叉树进行遍历计算，得到第一超体素种子节点和第一超体素种子节点的相邻节点；

根据所述第一超体素种子节点，所述相邻节点和所述区域D，生成多尺度超体素；

对所述多尺度超体素进行动态区域增长的平面提取，得到点簇；其中，所述点簇为超体素或超体素构成的平面结构；

获取所述第一超体素种子节点和所述相邻节点之间的第一法向量；

所述对所述多尺度超体素进行动态区域增长的平面提取，得到点簇包括：

获取所述多尺度超体素的平面率；其中，所述平面率用于表征超体素的平面性；

根据所述平面率，得到多尺度超体素的第二超体素种子节点和所述第二超体素种子节点的第二相邻节点和第二均一区域密度；

优化第一法向量，得到第二法向量；

当 所述第二超体素种子节点和所述第二相邻节点满足动态设置的边界阈值时，以所述第二超体素种子节点为中心合并所述第二相邻节点，生成点簇，其中，所述动态设置的边界阈值包含所述第二法向量，所述平面率和所述第二均一区域密度；

所述获取所述多尺度超体素的平面率包括：

获取所述多尺度超体素的质心；

获取所述多尺度超体素包含的点云三维特征值；

根据所述质心和所述点云三维特征值，得到多尺度超体素的平面率；

采用分类器对所述点簇进行分类训练，得到点云分类结果。

2.根据权利要求1所述的基于多尺度空间的城市区域空地一体融合点云分类方法，其特征在于，所述将所述空地一体融合点云数据划分为若干密度相近的区域D具体为：

搜索所述空地一体融合点云数据中每个点云数据的临近K个点云数据，并计算每个点云数据与临近K个点云数据的平均距离；

根据k均值聚类法和所述平均距离，将所述空地一体融合点云数据划分为若干密度相近的区域D。

3.根据权利要求1所述的基于多尺度空间的城市区域空地一体融合点云分类方法，其特征在于，所述根据所述第一超体素种子节点，所述相邻节点和所述区域D，生成多尺度超体素还包括：

获取所述第一超体素种子节点和所述相邻节点之间的欧氏距离和所述区域D的第一均一区域密度；

当所述欧氏距离小于预设第一阈值，所述第一法向量的夹角小于预设第二阈值，并且所述第一均一区域密度相同时，则以所述第一超体素种子节点为中心合并所述相邻节点，生成多尺度超体素。

4.根据权利要求1所述的基于多尺度空间的城市区域空地一体融合点云分类方法，其特征在于，所述采用分类器对所述点簇进行分类训练，得到点云分类结果包括：

获取所述点簇的分类特征向量；

将所述分类特征向量输入到随机森林分类器，得到点簇分类数据；

对所述点簇分类数据进行类别标记。

5.根据权利要求4所述的基于多尺度空间的城市区域空地一体融合点云分类方法，其特征在于，所述点簇的分类特征向量包括：

最大高程、最小高程、最大高度差、二维平面投影面积、周长、协方差特征、点特征直方图、点簇特征值、点簇垂直分布特征、点簇平面拟合度。

6.一种智能终端，其特征在于，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-5中任意一项所述的方法。

7.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-5中任意一项所述的方法。