激光雷达点云数据分类方法及装置制造方法及图纸

本发明专利技术提供一种激光雷达点云数据分类方法及装置，该方法包括：获取样本点云数据及待分类的激光雷达点云数据；根据样本点云数据建立点云分类器；通过点云分类器对待分类的激光雷达点云数据进行分类。本发明专利技术通过样本点云数据训练出点云分类器，通过点云分类器对待分类的激光雷达点云数据进行自动分类，大大减少分类过程中的人工干预成份，自动化程度高，成本低。用于训练点云分类器的样本点云数据涵盖各种塔型的杆塔数据及各种线型的电力线数据，数据全面，通过该样本点云数据训练出的点云分类器的准确性很高，不易出错。而且自动分类得到分类结果后还进行散斑合并优化，以及根据杆塔位置文件及预设优化规则进行优化，进一步提高分类准确性。

【技术实现步骤摘要】
激光雷达点云数据分类方法及装置
本专利技术涉及电力巡检
，具体而言，涉及一种激光雷达点云数据分类方法及装置。
技术介绍
输电线路是电网的重要组成部分，快速高效地巡检电力线附近的植被和其它地物的状况，对电力部门实现对电力系统的实时监测、快速评估和科学预测具有深远意义。随着激光雷达技术及无人机技术的发展，当前通常采用无人机搭载激光雷达扫描设备进行输电线路巡检，获得输电线路对应的激光雷达点云数据。通过激光雷达点云数据排查输电线路的故障及隐患之前，首先需要对激光雷达点云数据进行分类。当前通常采用人工手动分类的方式，从激光雷达点云数据中划分出电力线、杆塔、地面点及植被等地物类型。由于激光雷达点云数据的数据量很大，依赖人工分类，工作量非常大，成本高，效率低。且人工分类自动化程度低，易出错，分类准确性也很低。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提供一种激光雷达点云数据分类方法及装置，通过样本点云数据训练出点云分类器，通过点云分类器对待分类的激光雷达点云数据进行自动分类，大大减少分类过程中的人工干预成份，自动化程度高，成本低，效率和准确性都很高，不易出错。第一方面，本专利技术实施例提供了一种激光雷达点云数据分类方法，所述方法包括：获取样本点云数据及待分类的激光雷达点云数据；根据所述样本点云数据建立点云分类器；通过所述点云分类器对所述待分类的激光雷达点云数据进行分类。结合第一方面，本专利技术实施例提供了上述第一方面的第一种可能的实现方式，其中，所述根据所述样本点云数据建立点云分类器，包括：对所述样本点云数据进行特征提取，获得分类特征；对所述分类特征进行机器学习训练，得到点云分类器。结合第一方面的第一种可能的实现方式，本专利技术实施例提供了上述第一方面的第二种可能的实现方式，其中，所述对所述样本点云数据进行特征提取，获得分类特征，包括：对所述样本点云数据进行K邻域划分，并获取K邻域分类特征；对所述样本点云数据进行格网邻域划分，并获取格网邻域分类特征；对所述样本点云数据进行圆柱形邻域划分，并获取圆柱形邻域分类特征；对所述样本点云数据进行球形邻域划分，并获取球形邻域分类特征。结合第一方面的第二种可能的实现方式，本专利技术实施例提供了上述第一方面的第三种可能的实现方式，其中，所述对所述样本点云数据进行K邻域划分，并获取K邻域分类特征，包括：从所述样本点云数据中选取与第一样本点相邻的K个邻域点，所述第一样本点为所述样本点云数据中的任一点；构建所述第一样本点与所述K个邻域点的协方差矩阵；根据所述协方差矩阵，计算所述第一样本点对应的K邻域分类特征。结合第一方面的第二种可能的实现方式，本专利技术实施例提供了上述第一方面的第四种可能的实现方式，其中，所述对所述样本点云数据进行格网邻域划分，并获取格网邻域分类特征，包括：将所述样本点云数据划分为多个预设尺寸的格网；获取第一格网中的最大点云高程值及与所述第一格网相邻的第二格网中的最小点云高程值，所述第一格网为划分出的任一格网；计算所述最大点云高程值与所述最小点云高程值之间的差值，将所述差值确定为所述第一格网对应的格网邻域分类特征。结合第一方面的第二种可能的实现方式，本专利技术实施例提供了上述第一方面的第五种可能的实现方式，其中，所述对所述样本点云数据进行圆柱形邻域划分，并获取圆柱形邻域分类特征，包括：在所述样本点云数据中，划分出以第一样本点为中心且半径为R高度为H的圆柱形邻域，所述第一样本点为所述样本点云数据中的任一点；按照预设分层规则对所述第一样本点对应的圆柱形邻域进行点云分层；统计每层包括的点数、每层包括的每个点的高程值及每层的中心点高度；根据所述每层包括的点数、所述每层包括的每个点的高程值及所述每层的中心点高度，计算所述第一样本点对应的圆柱形邻域分类特征。结合第一方面的第二种可能的实现方式，本专利技术实施例提供了上述第一方面的第六种可能的实现方式，其中，所述对所述样本点云数据进行球形邻域划分，并获取球形邻域分类特征，包括：在所述样本点云数据中，划分出以第一样本点为中心且半径为r的球形邻域，所述第一样本点为所述样本点云数据中的任一点；计算所述球形邻域内所有点的高程方差，将所述高程方差确定为所述第一样本点对应的球形邻域分类特征。结合第一方面，本专利技术实施例提供了上述第一方面的第七种可能的实现方式，其中，所述通过所述点云分类器对所述待分类的激光雷达点云数据进行分类，包括：将所述待分类的激光雷达点云数据输入所述点云分类器，获得点云分类结果，所述点云分类结果包括地面点、电力线和杆塔。结合第一方面的第七种可能的实现方式，本专利技术实施例提供了上述第一方面的第八种可能的实现方式，其中，所述通过所述点云分类器对所述待分类的激光雷达点云数据进行分类之后，还包括：对所述点云分类结果进行散斑合并优化，以及根据杆塔位置文件及预设优化规则对所述点云分类结果进行分类优化。第二方面，本专利技术实施例提供了一种激光雷达点云数据分类装置，所述装置包括：获取模块，用于获取样本点云数据及待分类的激光雷达点云数据；建立模块，用于根据所述样本点云数据建立点云分类器；分类模块，用于通过所述点云分类器对所述待分类的激光雷达点云数据进行分类。在本专利技术实施例提供的方法及装置中，获取样本点云数据及待分类的激光雷达点云数据；根据样本点云数据建立点云分类器；通过点云分类器对待分类的激光雷达点云数据进行分类。本专利技术通过样本点云数据训练出点云分类器，通过点云分类器对待分类的激光雷达点云数据进行自动分类，大大减少分类过程中的人工干预成份，自动化程度高，成本低。用于训练点云分类器的样本点云数据涵盖各种塔型的杆塔数据及各种线型的电力线数据，数据全面，通过该样本点云数据训练出的点云分类器的准确性很高，不易出错。而且自动分类得到分类结果后还进行散斑合并优化，以及根据杆塔位置文件及预设优化规则进行优化，进一步提高分类准确性。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本专利技术实施例1所提供的一种激光雷达点云数据分类方法的流程图；图2示出了本专利技术实施例1所提供的激光雷达点云数据分类示意图；图3示出了本专利技术实施例2所提供的一种激光雷达点云数据分类装置的结构示意图；图4示出了本专利技术实施例2所提供的另一种激光雷达点云数据分类装置的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本专利技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本专利技术的实施例的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施例。基于本专利技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。考虑到现有技术本文档来自技高网...

【技术保护点】
一种激光雷达点云数据分类方法，其特征在于，所述方法包括：获取样本点云数据及待分类的激光雷达点云数据；根据所述样本点云数据建立点云分类器；通过所述点云分类器对所述待分类的激光雷达点云数据进行分类。

【技术特征摘要】
1.一种激光雷达点云数据分类方法，其特征在于，所述方法包括：获取样本点云数据及待分类的激光雷达点云数据；根据所述样本点云数据建立点云分类器；通过所述点云分类器对所述待分类的激光雷达点云数据进行分类。2.根据权利要求1所述的方法，其特征在于，所述根据所述样本点云数据建立点云分类器，包括：对所述样本点云数据进行特征提取，获得分类特征；对所述分类特征进行机器学习训练，得到点云分类器。3.根据权利要求2所述的方法，其特征在于，所述对所述样本点云数据进行特征提取，获得分类特征，包括：对所述样本点云数据进行K邻域划分，并获取K邻域分类特征；对所述样本点云数据进行格网邻域划分，并获取格网邻域分类特征；对所述样本点云数据进行圆柱形邻域划分，并获取圆柱形邻域分类特征；对所述样本点云数据进行球形邻域划分，并获取球形邻域分类特征。4.根据权利要求3所述的方法，其特征在于，所述对所述样本点云数据进行K邻域划分，并获取K邻域分类特征，包括：从所述样本点云数据中选取与第一样本点相邻的K个邻域点，所述第一样本点为所述样本点云数据中的任一点；构建所述第一样本点与所述K个邻域点的协方差矩阵；根据所述协方差矩阵，计算所述第一样本点对应的K邻域分类特征。5.根据权利要求3所述的方法，其特征在于，所述对所述样本点云数据进行格网邻域划分，并获取格网邻域分类特征，包括：将所述样本点云数据划分为多个预设尺寸的格网；获取第一格网中的最大点云高程值及与所述第一格网相邻的第二格网中的最小点云高程值，所述第一格网为划分出的任一格网；计算所述最大点云高程值与所述最小点云高程值之间的差值，将所述差值确定为所述第一格网对应的格网邻域分类特征。6.根据权利要求3所述的方法，其特征在...

【专利技术属性】
技术研发人员：郭彦明，
申请(专利权)人：北京数字绿土科技有限公司，深圳绿土智能科技有限公司，
类型：发明
国别省市：北京,11