机载激光雷达点云中建筑物点分类扩张方法和系统技术方案

本发明专利技术公开了一种机载激光雷达点云中建筑物点分类扩张方法及系统，其中建筑物点分类扩张方法包括：1、获取对测区机载激光雷达点云初步分类的结果；2、采用三维欧几里得聚类对建筑物类点云数据C

Method and system of building point classification and expansion in Airborne LIDAR point cloud

【技术实现步骤摘要】
机载激光雷达点云中建筑物点分类扩张方法和系统
本专利技术属于机载激光雷达点云数据处理领域，尤其涉及一种从机载激光雷达点云中对分类不完全的建筑物点进行分类扩张，使得建筑物点提取更完全的方法。
技术介绍
机载LiDAR(LightDetectionAndRanging，激光雷达)是当前测绘领域效率最高、发展最快的大面积测绘手段之一。通过使用激光器发射和接收高能激光脉冲来测距，GNSS(GlobalNavigationSatelliteSystem，全球导航卫星系统)接收机给出激光器实时位置，INS(InertialNavigationSystem，惯性导航系统)给出激光器实时三维姿态，可利用向量公式和坐标转换计算出散射面的三维坐标。借助机械扫描装置，机载LiDAR可以实现大面积面状测量。目前，机载LiDAR的发射频率普遍高达数百KHZ以上乃至2000KHZ。这意味着，在不考虑多回波和无回波的情况下，一秒钟激光雷达可采集数十万乃至数百万点。因此，机载LiDAR可以在短时间内获得海量的点，称为点云。经过初步处理的机载LiDAR点云中，除点坐标外本文档来自技高网...

【技术保护点】
1.机载激光雷达点云中建筑物点分类扩张方法，其特征在于，包括：/n(1)获取对测区机载激光雷达点云初步分类的结果，所述结果包括：建筑物类点云数据C

【技术特征摘要】
1.机载激光雷达点云中建筑物点分类扩张方法，其特征在于，包括：
(1)获取对测区机载激光雷达点云初步分类的结果，所述结果包括：建筑物类点云数据C1，其他类点云数据C0；
(2)采用三维欧几里得聚类对建筑物类点云数据C1进行聚类，得到N1个建筑物点聚类非建筑物聚类点集P1，i＝1,2,…,N1；
(3)设置建筑物点扩张候选点集S，所述建筑物点扩张候选点集S包括：其他类点云数据C0和非建筑物聚类点集P1；
对建筑物点扩张候选点集构建点云索引；
(4)对N1个建筑物点聚类分别计算其在XY平面投影的二维边界和三维空间包容盒；所述二维边界为首尾相连的闭合环；
(5)依次对N1个建筑物点聚类做分类扩张，所述分类扩张的方式包括两类：
(5.1)第一类分类扩张：遍历点集S中的点，如果边界上存在与S中的点ps之间的距离和高差满足第一距离高差约束的点，则将点ps分为建筑物点，ps∈S；
(5.2)第二类分类扩张：遍历点集S中的点，将点集S中同时满足如下二个条件的点ps分为建筑物点：
条件一：中存在与点ps之间满足第二距离高差约束的点；
条件二：点ps在XY平面的二维坐标位于在XY平面的二维边界内部；
(6)多次执行步骤(5)中所述的两类分类扩张中的一种或两种，直至满足分类要求。


2.根据权利要求1所述的机载激光雷达点云中建筑物点分类扩张方法，其特征在于，所述步骤(2)中对建筑物类点云数据C1进行三维欧几里得聚类的参数为：
搜索半径Rb的范围为(Rmin_b,Rmax_b)，其中D是激光脉冲脚点的密度，Rmax_b为相邻建筑物之间的最小距离；
聚类最小点数阈值Nmin_b＝Amin_bD-Q
聚类最大点数阈值Nmax_b＝Amax_bD+Q
其中Q为误差调节常数，Amin_b为建筑物屋顶最小面积，Amax_b为建筑物屋顶最大面积。


3.根据权利要求1所述的机载激光雷达点云中建筑物点分类扩张方法，其特征在于，所述步骤(5)中第一距离高差约束为：如果点集S中的点ps与边界上一点pb之间同时满足两点间距离小于第一边界点距离阈值Ren，高程差小于等于第一高差约束阈值ΔZT1，则点集S中的点ps满足第一距离高差约束。


4.根据权利要求1所述的机载激光雷达点云中建筑物点分类扩张方法，其特征在于，所述步骤(1)中获取的测区机载激光雷达点云初步分类的结果中还包括树木类点云数据C2；
所述步骤(2)中还包括：
(2.1)采用三维欧几里得聚类对树木类点云数据C2进行聚类，得到N2个树木点聚类非树木聚类点集P2，j＝1,2,…,N2；
(2.2)对N2个树木点聚类依次进行判断，将不符合树木标准的树木点聚类设置为非树木点；
所述步骤(3)中的建筑物点扩张候选点集S还包括：非树木聚类点集P2和步骤(2.2)中判断为非树木点的数据集，不包括满足树木标准的树木点集。


5.根据权利要求4所述的机载激光雷达点云中建筑物点分类扩张方法，其特征在于，所述步骤(2.1)中对树木类点云数据C2进行三维欧几里得聚类的参数为：
搜索半径Rt的范围为
聚类最小点数阈值Nmin_t＝kπR2D；
聚类最大点数阈值Nmax_t＝kAmax_tD；
其中Rb为对建筑物类点云数据C1进行三维欧几里得聚类的搜索半径，k为树木上点数与激光脉冲的数目比；R为单棵树的树冠在XY平面上的投影的最小半径；Amax_t为点云中森林的最大面积。


6.根据权利要求4所述的机载激光雷达点云中建筑物点分类扩张方法，其特征在于，步骤(2.2)中判断聚类是否满足树木标准的步骤为：
(2.2.1)计算聚类内的点最大高程Zmaxj与最小高程Zminj...

【专利技术属性】
技术研发人员：程晓光，郑诚慧，严明，江芝娟，赵梓言，魏婧，王秋艳，白惠茹，姚昌荣，丛玉颖，
申请(专利权)人：飞燕航空遥感技术有限公司，
类型：发明
国别省市：湖北;42