[发明专利]综合数据驱动与模型驱动的机载LiDAR数据建模方法

摘要

本发明提出的是综合数据驱动与模型驱动的机载LiDAR数据建模方法，该方法包括以下步骤：（一）全波形LiDAR数据波形精确分解和建筑提取；（二）基于数据驱动的复杂建筑屋顶分割；（三）建筑屋顶语义划分；（四）基于分割单元的建筑屋顶建模；（五）建筑模型精度评价及渲染。本发明的优点：（1）可精确而合理地分割复杂建筑屋顶，并能维持屋顶分割面片间的拓扑关系，能够详细提取复杂建筑屋顶及大面积连体建筑的结构和边界线，为合理的建筑语义分块创造了条件；（2）能够构建复杂建筑模型，并保证模型的合理性和较高的重建效率，可以广泛用于大规模场景的城市建模。

主权项

1.综合数据驱动与模型驱动的机载LiDAR数据建模方法，其特征是该方法包括以下步骤：（一）全波形LiDAR数据波形精确分解和建筑提取；（二）基于数据驱动的复杂建筑屋顶分割；（三）建筑屋顶语义划分；（四）基于分割单元的建筑屋顶建模；（五）建筑模型精度评价及渲染；所述的全波形LiDAR数据波形精确分解和建筑提取，具体方法如下：1）对Riegl LMS‑Q560设备获取的机载全波形LiDAR数据，将其分解为三维离散点云，目标函数如下：                                    （1）其中，xi表示后向散射波形中第i个时刻采样点，对应回波强度值为yi，N为后向散射波形采样次数，n为后向散射波形中潜在的散射体数目，Pj(xi,θ)为拟合第j个回波采用的核密度函数，θ为对应核密度函数的参数，p为拟合后向散射波形所需的核密度函数数目，ε为后向散射波形噪声，Pj(xi,θ)采用广义高斯核函数来处理顶端较突出或平坦的对称回波，同时，引入Nakagami核函数，处理具有偏态分布特征的回波；2）求解公式（1）非线性最小二乘问题：首先，采用Savitzky‑Golay滤波算法预平滑整个后向散射波形，从而提高求解的稳定性及求解效率；其次，耦合马尔可夫蒙特卡罗算法与模拟退火算法，搜索非凸目标函数的全局最优解θ*，计算后向散射波形中潜在的回波的三维坐标、半波宽、后向散射截面、后向散射因子和归一化后向散射截面属性；3）根据上述步骤2）中计算出的属性，分别从几何、辐射和多次回波角度，选取有效特征，采用SVM或Random Forest监督分类器，实现建筑提取。