基于LiDAR点云数据的城市高精度三维地形构建方法及系统技术方案

本发明专利技术提供一种基于LiDAR点云数据的城市高精度三维地形构建方法及系统，包括建立城市场景下的三维点云语义分割分类体系和标注样本库；建立城市场景下的三维点云混合尺度体素块；实现三维点云的特征学习，包括针对划分的多个混合尺度，使用多个权值共享的三维卷积网络，将三维点云的细节结构和周围地表背景信息融合，得到三维点云的混合尺度特征向量；实现三维点云的语义要素分割，包括训练特征学习网络，对待建模区域的三维点云进行推理预测；实现语义几何共生约束的地表点插值，弥补应滤除的非地表点造成的空洞；构建城市三维地形模型。本发明专利技术提升语义分割结果精度和城市三维地形的精细程度，满足海绵城市建设和城市内涝分析等应用需求。析等应用需求。析等应用需求。

【技术实现步骤摘要】
基于LiDAR点云数据的城市高精度三维地形构建方法及系统


[0001]本专利技术属于地形测绘
，具体涉及一种基于LiDAR点云数据的城市高精度三维地形构建方法及系统。

技术介绍

[0002]城市是自然地形与人工地形交融在一起的，城市区域通常呈现突变地形与渐变地形交错的状态。现有的城市DEM数据生产技术是面向自然地形设计的，三维地形数据以1:2000至1:500的DEM为主，而且现势性较差，更新成本高。当前城市高精度三维地形的应用存在以下不足：(1)难以满足海绵城市规划等需求，海绵城市建设需要精确的三维地形来划分汇水区，并计算地表径流方向，进而计算汇流量和产流量，而城市渐变地形在DEM数据中无法表达出来，目前全国大多数城市都缺乏可以支持海绵城市建设的高精度三维地形数据；(2)城市内涝预测与分析时，突变地形与渐变地形交错，渍水点的淹水深度等信息缺乏高精度三维地形数据来测算。目前的DEM生产技术工艺和流程难以完成高精度城市三维地形构建任务，迫切需要研究面向城市地形特征的三维地形建模技术。

技术实现思路

[0003]本专利技术解决的技术问题是：克服上述现有技术的不足，提供一种基于LiDAR点云数据的城市高精度三维地形构建方案。
[0004]为实现上述目的，本专利技术的技术方案包括一种基于LiDAR点云数据的城市高精度三维地形构建方法，基于LiDAR所得三维点云实现城市三维地形构建，实现方式包括以下步骤：
[0005]步骤1，建立城市场景下的三维点云语义分割分类体系和标注样本库，所述三维点云语义分割分类体系设置多种语义类别，包括自然地表、人工地表和其他类别；
[0006]步骤2，建立城市场景下的三维点云混合尺度体素块，包括将标注样本库的三维点云数据和城市场景下待建模区域的三维点云数据进行混合尺度格网化处理，依据高斯模型确定多个混合尺度，按照不同尺度的格网边长划分体素，并标注每个体素块内的点密度信息；
[0007]步骤3，实现三维点云的特征学习，包括对于标注样本库中的三维点云，针对步骤2划分的多个混合尺度，使用多个权值共享的三维卷积网络，将三维点云的细节结构和周围地表背景信息融合，得到三维点云的混合尺度特征向量；
[0008]步骤4，实现三维点云的语义要素分割，包括训练特征学习网络，通过训练的结果对待建模区域的三维点云的各个点所属类别进行推理预测；
[0009]步骤5，实现语义几何共生约束的地表点插值，包括根据步骤4预测的点云类别信息，取自然地表和人工地表两类点作为地表点；进行几何语义共生约束的插值，弥补应滤除的非地表点造成的空洞；
[0010]步骤6，构建城市三维地形模型，包括根据步骤5所得结果使用Delaunay三角网的
规则构建三维地表模型。
[0011]而且，步骤2的实现过程包括以下子步骤，
[0012]步骤2.1，对于所有给定的三维点云中的任意点P，以点P为中心点建立邻域立方体；
[0013]步骤2.2，建立点云数据的物方空间坐标系；
[0014]步骤2.3，基于高斯模型划分混合尺度体素，设置不同大小的体素边长r1,r2,...,r
S
，满足r
i
<r
i+1
,i＝1,2,...,S-1，其中S为混合尺度的个数；体素边长由高斯分布公式决定，计算方式如下，
[0015][0016]其中，(x0,y0,z0)为邻域立方体中心点坐标，(x
i
,y
i
,z
i
)为第i个尺度的格网的边界坐标；λ表示缩放因子，e为自然常数；
[0017]步骤2.4，体素内点密度标注。
[0018]而且，步骤3的实现过程包括以下子步骤，
[0019]步骤3.1，将第s尺度上体素化后的点云邻域块记录为V
S
，s∈1,2,...,S；
[0020]步骤3.2，利用步骤2.4得到的体素标注作为初始特征，对于每个尺度s，采用卷积网络Fs实现特征学习；所述卷积网络Fs由多层三维卷积变换和非线性激活函数构成，将三维点云映射到特征空间；综合每层输出得到最终第s尺度上Fs的最终输出特征向量；
[0021]步骤3.3，将三维点云的各点在第s尺度上的特征向量进行融合，最终构成混合尺度特征向量
[0022]而且，步骤4的实现过程包括以下子步骤，
[0023]步骤4.1，以步骤1得到的标注样本库为训练样本，根据步骤3.3得到的混合尺度特征向量训练语义要素分割网络；
[0024]步骤4.2，根据步骤4.1的网络训练结果，对待建模区域三维点云的各个点所属类别进行推理预测。
[0025]而且，步骤5的实现过程包括以下子步骤，
[0026]步骤5.1，顾及语义几何约束的广义距离计算包括考虑语义几何共生约束，同时考虑各个采样点间的欧式几何距离和语义距离，计算广义距离d(x,x
c
)如下，
[0027]d(x，x
c
)＝w1d
Euclidean
(x，x
c
)+w2d
Semantic
(x，x
c
)
[0028]其中，x为待插值点，x
c
为实际采样点；d
Euclidean
、d
Semantic
分别为x与x
c
之间的欧氏几何距离和语义距离，w1、w2则分别为对应的权重系数；
[0029]步骤5.2，三维点云插值核权重计算，包括将步骤5.1得到的d(x，x
s
)带入权函数，得到插值核的权值；
[0030]步骤5.3，根据步骤5.2计算得到的插值权重，对滤除非地表点的空洞区域进行几何语义共生约束的插值。
[0031]另一方面，本专利技术还提供一种基于LiDAR点云数据的城市高精度三维地形构建系统，用于实现如上所述的一种基于LiDAR点云数据的城市高精度三维地形构建方法。
[0032]而且，用于基于LiDAR所得三维点云实现城市三维地形构建，包括以下模块，
[0033]第一模块，用于建立城市场景下的三维点云语义分割分类体系和标注样本库，所
述三维点云语义分割分类体系设置多种语义类别，包括自然地表、人工地表和其他类别；
[0034]第二模块，用于建立城市场景下的三维点云混合尺度体素块，包括将标注样本库的三维点云数据和城市场景下待建模区域的三维点云数据进行混合尺度格网化处理，依据高斯模型确定多个混合尺度，按照不同尺度的格网边长划分体素，并标注每个体素块内的点密度信息；
[0035]第三模块，用于实现三维点云的特征学习，包括对于标注样本库中的三维点云，针对第二模块划分的多个混合尺度，使用多个权值共享的三维卷积网络，将三维点云的细节结构和周围地表背景信息融合，得到三维点云的混合尺度特征向量；
[0036]第四模块，用于实现三本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：基于LiDAR所得三维点云实现城市三维地形构建，实现方式包括以下步骤：步骤1，建立城市场景下的三维点云语义分割分类体系和标注样本库，所述三维点云语义分割分类体系设置多种语义类别，包括自然地表、人工地表和其他类别；步骤2，建立城市场景下的三维点云混合尺度体素块，包括将标注样本库的三维点云数据和城市场景下待建模区域的三维点云数据进行混合尺度格网化处理，依据高斯模型确定多个混合尺度，按照不同尺度的格网边长划分体素，并标注每个体素块内的点密度信息；步骤3，实现三维点云的特征学习，包括对于标注样本库中的三维点云，针对步骤2划分的多个混合尺度，使用多个权值共享的三维卷积网络，将三维点云的细节结构和周围地表背景信息融合，得到三维点云的混合尺度特征向量；步骤4，实现三维点云的语义要素分割，包括训练特征学习网络，通过训练的结果对待建模区域的三维点云的各个点所属类别进行推理预测；步骤5，实现语义几何共生约束的地表点插值，包括根据步骤4预测的点云类别信息，取自然地表和人工地表两类点作为地表点；进行几何语义共生约束的插值，弥补应滤除的非地表点造成的空洞；步骤6，构建城市三维地形模型，包括根据步骤5所得结果使用Delaunay三角网的规则构建三维地表模型。2.根据权利要求1所述一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：步骤2的实现过程包括以下子步骤，步骤2.1，对于所有给定的三维点云中的任意点P，以点P为中心点建立邻域立方体；步骤2.2，建立点云数据的物方空间坐标系；步骤2.3，基于高斯模型划分混合尺度体素，设置不同大小的体素边长r1，r2，...，r
S
，满足r
i
＜r
i+1
，i＝1，2，...，S-1，其中S为混合尺度的个数；体素边长由高斯分布公式决定，计算方式如下，其中，(x0，y0，z0)为邻域立方体中心点坐标，(x
i
，y
i
，z
i
)为第i个尺度的格网的边界坐标；λ表示缩放因子，e为自然常数；步骤2.4，体素内点密度标注。3.根据权利要求2所述一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：步骤3的实现过程包括以下子步骤，步骤3.1，将第s尺度上体素化后的点云邻域块记录为V
S
，s∈1，2，...，S；步骤3.2，利用步骤2.4得到的体素标注作为初始特征，对于每个尺度s，采用卷积网络Fs实现特征学习；所述卷积网络Fs由多层三维卷积变换和非线性激活函数构成，将三维点云映射到特征空间；综合每层输出得到最终第s尺度上Fs的最终输出特征向量；步骤3.3，将三维点云的各点在第s尺度上的特征向量进行融合，最终构成混合尺度特征向量4.根据权利要求3所述一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：步骤4的实现过程包括以下子步骤，
步骤4.1，以步骤1得到的标注样本库为训练样本，根据步骤3.3得到的混合尺度特征向量训练语义要素分割网络；步骤4.2，根据步骤4.1的网络训练结果，对待建模区域三维点云的各个点所属类别进行推理预测。5.根据权利要求1或2或3或4所述一种基于LiDAR点云数...

【专利技术属性】
技术研发人员：曹冬梅，王晓利，龚天宇，
申请(专利权)人：南通市测绘院有限公司，
类型：发明
国别省市：