低空机载Lidar地形快速精准信息化的数据记录装置制造方法及图纸

本发明专利技术提出一种低空机载Lidar地形快速精准信息化的数据记录装置。数据采集模块，用于采集原始点云数据和原始图像。预处理模块，用于得到全景图并将其中每个像素对应子区域的点云数据初步压缩，得到第二点云数据；对第二点云数据进行聚类，输出若干个集合。语义分割模块，用于检测全景图中像素的地形类别。点云数据块分类模块，用于得到第二联合特征向量并检测其对应集合的地形类别。参数调整模块，用于根据第一全景二值图和参考第二全景二值图得到最优初始阈值和最优初始半径。数据压缩模块，用于对第一全景二值图进行连通域分析，选择单独压缩连通域和互相压缩连通域并压缩。择单独压缩连通域和互相压缩连通域并压缩。择单独压缩连通域和互相压缩连通域并压缩。

【技术实现步骤摘要】
低空机载Lidar地形快速精准信息化的数据记录装置


[0001]本申请涉及激光雷达测绘领域，具体涉及一种低空机载Lidar地形快速精准信息化的数据记录装置。

技术介绍

[0002]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来获得目标区域对应的激光雷达点云数据。通过激光雷达点云数据对目标区域的地形进行分析时，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地面、植被、水域、建筑等地形。
[0003]由于激光雷达点云数据的数据量很大，而且具有无序性。依赖人工分类，工作量非常大，成本高，速度慢。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

[0004]针对以上问题，本专利技术提出一种低空机载Lidar地形快速精准信息化的数据记录装置。数据采集模块，用于采集原始点云数据和原始图像。预处理模块，用于得到全景图并将其中每个像素对应子区域的点云数据初步压缩，得到第二点云数据；对第二点云数据进行聚类，输出若干个集合。语义分割模块，用于检测全景图中像素的地形类别。点云数据块分类模块，用于得到第二联合特征向量并检测其对应集合的地形类别。参数调整模块，用于根据第一全景二值图和参考第二全景二值图得到最优初始阈值和最优初始半径。数据压缩模块，用于对第一全景二值图进行连通域分析，选择单独压缩连通域和互相压缩连通域并压缩。
[0005]一种低空机载Lidar地形快速精准信息化的数据记录装置，其特征在于，该装置包括：
>[0006]数据采集模块，用于采集巡逻区域的第一点云数据和原始图像；
[0007]预处理模块，用于选择目标区域，拼接目标区域的原始图像得到全景图像，将全景图像中每个像素对应的第一点云数据初步压缩，得到第二点云数据，所述第二点云数据包括像素二维坐标，高程、回波强度、激光强度；设置初始半径和初始阈值对第二点云数据进行聚类，输出若干个第二点云数据的集合；将集合中各第二点云数据的高程、回波强度、激光强度进行连接得到对应的第一联合特征向量；
[0008]语义分割模块，用于检测全景图中像素的地形类别，输出语义分割图；
[0009]点云数据分类模块，用于在同一第二点云数据中集合随机选取A个第二点云数据的第一联合特征向量并进行连接，得到第二联合特征向量，检测第二联合特征向量的地形类别，输出集合的地形类别；
[0010]参数调整模块，用于根据每个第二点云数据集合生成对应的第一全景二值图，根据语义分割图得到每一类地形对应的第二全景二值图，将第一全景二值图和对应的每个第二全景二值图点对点相乘得到第三全景二值图，将灰度值为255的像素数量最多的第三全
景二值图对应的第二全景二值图设为参考第二全景二值图；根据第一全景二值图和参考第二全景二值图进行初始阈值和初始半径的调整，输出最优初始阈值和最优初始半径；
[0011]数据压缩模块，用于对第一全景二值图进行连通域分析，根据各连通域包含像素的数量筛选出待定连通域，计算待定连通域内各个像素的高斯曲率和平均曲率，判断单个待定连通域是否可以单独压缩，得到单独压缩连通域并压缩；判断两个待定连通域是否可以相互压缩，得到互相压缩连通域并压缩。
[0012]所述初步压缩的方法包括：
[0013]S1.1，选择目标区域，所述目标区域为矩形；
[0014]S1.2，拼接目标区域的待拼接原始图像得到全景图像；
[0015]S1.3，获取全景图像分辨率I
×
J，得到全景图像中每个像素在实际地面中对应的子区域；计算每个子区域内所有的高程、回波强度、激光强度的平均值，将所述高程、回波强度、激光强度的平均值作为该子区域对应全景图中像素的第二点云数据。
[0016]所述对第二点云数据进行聚类，具体包括：
[0017]S2.1以高程为x轴、回波强度为y轴、激光强度为z轴建立三维坐标系，将每个第二点云数据表示在所述三维坐标系中,得到若干个数据点；
[0018]S2.2设置初始半径R、初始阈值m1，以每个数据点为中心，R为半径生成球形区域，统计每个球形区域内数据点的个数c，当c≥m1时，判定该球形区域中心的数据点为第一类数据点；当c＜m1时，判定该球形区域中心的数据点为第二类数据点；
[0019]S2.3每个第一类数据点生成第一类簇，第一类数据点为对应第一类簇的中心，计算每个第二类数据点与周围第一类数据点的欧式距离L
′2，选择L
′2最小的第一类数据点对应的第一类簇，并将第二类数据点加入该第一类簇中；
[0020]S2.4计算不同第一类簇中心之间的距离L
″2，当L
″2≤R时，将这两个第一类簇合并，合并前两第一类簇的中心均为合并之后簇的中心；对所有的簇进行合并处理得到若干个第二类簇，将属于同一第二类簇的数据点对应的第二点云数据放入同一集合中，输出若干个集合。
[0021]所述语义分割模块的训练方法包括：
[0022]采用若干张全景图像为数据集；
[0023]人工对数据集进行标注，标注为像素的地形类别，生成标注数据；
[0024]使用交叉熵损失函数进行训练。
[0025]所述点云数据分类模块的训练方法包括：
[0026]从一个集合中任选A个第二点云数据，进一步地，将其对应的第一联合特征向量进行连接后得到第二联合特征向量，以若干个第二联合特征向量为数据集；
[0027]对数据集进行标注，标注出每个第二联合特征向量的地形类别，生成标注数据；
[0028]使用交叉熵损失函数进行训练。
[0029]所述根据第一全景二值图和参考第二全景二值图进行初始阈值和初始半径的调整，具体包括：
[0030]S3.1任选一个集合，将该集合内第二点云数据对应全景图中像素的灰度值设为255，其他像素的灰度值设为0，生成第一全景二值图像；
[0031]S3.2根据语义分割模块的检测结果，对各种地形类别，将属于同一地形类别的像
素灰度值设为255，其他像素的灰度值设为0，得到各地形类别对应的第二全景二值图像；
[0032]S3.3第一全景二值图像与对应的第二全景二值图像分别进行点对点相乘得到若干张第三全景二值图，统计各第三全景二值图内灰度值为255的像素个数；取灰度值为255的像素最多的第三全景二值图，并将其对应的第二全景二值图像作为参考第二全景二值图像；
[0033]S3.4统计第一全景二值图像中灰度值为255的像素个数N1，统计参考第二全景二值图像中灰度值为255的像素个数N2，统计第一全景二值图像与参考第二全景二值图像点对点相乘后灰度值为255的像素个数N3，统计第一全景二值图像与参考第二全景二值图像点对点进行或运算后灰度值为255的像素个数N4；设置经验比例阈值m2，当时，判定不需要调整初始阈值m1，执行步骤S3.7；当时，判定需要调整初始阈值m1，执行步骤S3.5；
[0034]S3.5比本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种低空机载Lidar地形快速精准信息化的数据记录装置，其特征在于，该装置包括：数据采集模块，用于采集巡逻区域的第一点云数据和原始图像；预处理模块，用于选择目标区域，拼接目标区域的原始图像得到全景图像，将全景图像中每个像素对应的第一点云数据初步压缩，得到第二点云数据，所述第二点云数据包括像素二维坐标，高程、回波强度、激光强度；设置初始半径和初始阈值对第二点云数据进行聚类，输出若干个第二点云数据的集合；将集合中各第二点云数据的高程、回波强度、激光强度进行连接得到对应的第一联合特征向量；语义分割模块，用于检测全景图中像素的地形类别，输出语义分割图；点云数据分类模块，用于在同一第二点云数据中集合随机选取A个第二点云数据的第一联合特征向量并进行连接，得到第二联合特征向量，检测第二联合特征向量的地形类别，输出集合的地形类别；参数调整模块，用于根据每个第二点云数据集合生成对应的第一全景二值图，根据语义分割图得到每一类地形对应的第二全景二值图，将第一全景二值图和对应的每个第二全景二值图点对点相乘得到第三全景二值图，将灰度值为255的像素数量最多的第三全景二值图对应的第二全景二值图设为参考第二全景二值图；根据第一全景二值图和参考第二全景二值图进行初始阈值和初始半径的调整，输出最优初始阈值和最优初始半径；数据压缩模块，用于对第一全景二值图进行连通域分析，根据各连通域包含像素的数量筛选出待定连通域，计算待定连通域内各个像素的高斯曲率和平均曲率，判断单个待定连通域是否可以单独压缩，得到单独压缩连通域并压缩；判断两个待定连通域是否可以相互压缩，得到互相压缩连通域并压缩。2.如权利要求1所述的装置，其特征在于，所述初步压缩的方法包括：S1.1，选择目标区域，所述目标区域为矩形；S1.2，拼接目标区域的待拼接原始图像得到全景图像；S1.3，获取全景图像分辨率I
×
J，得到全景图像中每个像素在实际地面中对应的子区域；计算每个子区域内所有的高程、回波强度、激光强度的平均值，将所述高程、回波强度、激光强度的平均值作为该子区域对应全景图中像素的第二点云数据。3.如权利要求1所述的装置，其特征在于，所述对第二点云数据进行聚类，具体包括：S2.1以高程为x轴、回波强度为y轴、激光强度为z轴建立三维坐标系，将每个第二点云数据表示在所述三维坐标系中，得到若干个数据点；S2.2设置初始半径R、初始阈值m1，以每个数据点为中心，R为半径生成球形区域，统计每个球形区域内数据点的个数c，当c≥m1时，判定该球形区域中心的数据点为第一类数据点；当c＜m1时，判定该球形区域中心的数据点为第二类数据点；S2.3每个第一类数据点生成第一类簇，第一类数据点为对应第一类簇的中心，计算每个第二类数据点与周围第一类数据点的欧式距离L
′2，选择L
′2最小的第一类数据点对应的第一类簇，并将第二类数据点加入该第一类簇中；S2.4计算不同第一类簇中心之间的距离L
″2，当L
″2≤R时，将这两个第一类簇合并，合并前两第一类簇的中心均为合并之后簇的中心；对所有的簇进行合并处理得到若干个第二类簇，将属于同一第二类簇的数据点对应的第二点云数据放入同一集合中，输出若干个集合。
4.如权利要求1所述的装置，其特征在于，所述语义分割模块的训练方法包括：采用若干张全景图像为数据集；人工对数据集进行标注，标注为像素的地形类别，生成标注数据；使用交叉熵损失函数进行训练。5.如权利要求1所述的装置，其特征在于，所述点云数据分类模块的训练方法包括：从一个集合中任选A个第二点云数据，进一步地，将其对应的第一联合特征向量进行连接后得到第二联合特征向量，以若干个第二联合特征向量为数据集；对数据集进行标注，标注出每个第二联合特征向量的地形类别，生成标注数据；使用交...

【专利技术属性】
技术研发人员：苗长伟，李世烜，张宇，李林，黄善明，吴腾飞，聂子良，董建军，李文亮，孔令鹏，
申请(专利权)人：郑州中核岩土工程有限公司，
类型：发明
国别省市：