【技术实现步骤摘要】
一种激光点云提取方法及装置
本专利技术涉及点云数据处理领域，尤其涉及一种激光点云提取方法及装置。
技术介绍
三维激光点云数据在园林调查、森林调查等民用领域有着非常重要的作用，一般采集的激光点云包含有路面、树木、建筑物等多种地物，如何快速提取出树木点云，从而得到数据的高度、胸径和冠幅等信息，对于城市园林调查具有重要作用。由于三维激光点云具有稀疏性、无序性和信息表示有限性三个特征，因此对特定点云的提取过程较为复杂，目前，对树木点云的提取多是根据树木点云特征通过点云特征比对算法进行树木点云提取，由于点云中包含的信息有限，针对复杂的树木点云提取，直接基于特征比对进行提取，提取结果的准确性不高。
技术实现思路
有鉴于此，本专利技术实施例提供了一种激光点云提取方法及装置，以解决现有点云提取准确性不高的问题。在本专利技术实施例的第一方面，提供了一种激光点云提取方法，包括：获取到原始点云数据后，基于三个不同尺度对原始点云中每个点选取邻域，通过点集网络提取邻域特征作为每个点的局部特征；其中，...
【技术保护点】
1.一种激光点云提取方法，其特征在于，包括：/n获取到原始点云数据后，基于三个不同尺度对原始点云中每个点选取邻域，通过点集网络提取邻域特征作为每个点的局部特征；/n其中，所述点集网络是一种用于处理无序点云数据的深度神经网络；/n将不同尺度下的局部特征通过全连接层组合后，与原始点云的全局特征结合，通过训练分类器输出原始点云中每个点的分类结果。/n
【技术特征摘要】
1.一种激光点云提取方法，其特征在于，包括：
获取到原始点云数据后，基于三个不同尺度对原始点云中每个点选取邻域，通过点集网络提取邻域特征作为每个点的局部特征；
其中，所述点集网络是一种用于处理无序点云数据的深度神经网络；
将不同尺度下的局部特征通过全连接层组合后，与原始点云的全局特征结合，通过训练分类器输出原始点云中每个点的分类结果。
2.根据权利要求3所述的方法，其特征在于，所述三个不同尺度分别为一维空间尺度、二维空间尺度和三维空间尺度。
3.根据权利要求1所述的方法，其特征在于，所述点集网络表示为：
其中，x1，x2，..，xn是输入的无序点云，xi∈Rd，R表示实数，d表示维度，n表示输入的点的数量，xi表示输入点云中的第i个点，f为连续集函数，表示将一组点映射到一个向量，γ和h都是连续函数，代表多层感知机网络。
4.根据权利要求1所述方法，其特征在于，所述通过点集网络提取邻域特征作为每个点的局部特征包括：
输入每个尺度下邻域内的点，对输入点通过变换矩阵预测网络T-net进行变换，再通过双层感知机进行特征提取；
将最大池化层作为对称函数提取出各邻域内点的局部特征。
5.根据权利要求1所述方法，其特征在于，所述与原始点云的全局特征结合之前还包括：
通过点集网络从原始点云中提取全局特征；
具体的，通过变换矩阵预测网络T-net估算出变换矩阵并作用在原始点云数据，实现数据对齐；
对齐后的数据以点为单位，通过共享参数的MLP模型进行特征提取，每个点提取出64维特征；
通过变...
【专利技术属性】
技术研发人员：骆朝亮，李念，
申请(专利权)人：武汉慧通智云信息技术有限公司，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。