[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

说明书

本发明公开了基于多尺度空间的城市区域空地一体融合点云分类方法，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；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；采用分类器对所述点簇进行分类训练，得到点云分类结果。本发明实施例通过对点云数据进行分割和动态区域增长的平面提取，以及采用分类器对点簇进行分类，得到精准的分类结果，为后续进行点云统计做准备。

技术领域

本发明涉及地理信息系统技术领域，尤其涉及的是基于多尺度空间的城市区域空地一体融合点云分类方法。

背景技术

随着数据采集技术的发展，三维点云已经成为城市精细建模等诸多城市空间信息应用的基础数据。在复杂的城市环境中，航空平台获取的点云可较好地记录建筑物屋顶信息，但由于遮挡问题在建筑物下立面常存在数据缺失，且点云密度较低；地面车载平台获取的点云包含丰富的道路两侧信息，但受观测角度限制，数据采集高度有限，缺少建筑物顶部信息。为实现覆盖完整的三维城市制图与建模，空地平台点云的融合处理、集成应用已经成为当前国内外研究的热点问题。

无论激光雷达（LiDAR）点云还是摄影测量点云，准确的点云分类是其后续空间信息提取与应用的基础。现有三维场景的分割与分类算法大多针对单一航空平台或地面平台获取的点云数据，输入点云密度较为均匀。然而，空地平台融合三维点云受观测条件的限制，存在点云密度分布不均，空间实体不同部位采样密集差异极大的问题，对传统点云分类方法造成极大困难，严重阻碍空地平台融合点云数据的后续应用。

因此，现有技术还有待改进和发展。

发明内容

本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供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，旨在解决现有技术中空地平台融合三维点云受观测条件的限制，存在点云密度分布不均，空间实体不同部位采样密集差异极大的问题，对传统点云分类方法造成极大困难，严重阻碍空地平台融合点云数据的后续应用的问题。

本发明解决问题所采用的技术方案如下：

第一方面，本发明实施例提供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，其中，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；

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；

采用分类器对所述点簇进行分类训练，得到点云分类结果。

在一种实现方式中，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。

在一种实现方式中，其中，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。

在一种实现方式中，其中，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，生成多尺度超体素包括：