一种道路场景点云分类方法及存储介质技术

本发明专利技术涉及激光雷达数据处理领域，具体涉及一种道路场景点云分类方法及存储介质，方法包括，获取样本数据和道路采集数据，对样本数据初始处理得到训练样本，对道路采集数据进行预处理操作得到分割对象；以数据增强算法对样本数据进行数据增强处理，将进行了数据增强处理的训练样本用于模型训练得到预训练模型，根据训练结果对预训练模型的初始学习率、批大小和学习率衰减参数进行调整；利用预训练模型对步骤1中的分割对象进行分类预测，得到初步分类结果；通过最小割算法对初步分类结果进行粘连对象分割处理得到分割结果，并用预训练模型对分割结果进行精化分类，得到道路场景点云分类结果。本发明专利技术对点云数据有效分类，并提升点云分类的精度。云分类的精度。云分类的精度。

【技术实现步骤摘要】
一种道路场景点云分类方法及存储介质


[0001]本专利技术涉及激光雷达数据处理领域，具体涉及一种道路场景点云分类方法及存储介质。

技术介绍

[0002]地理信息是重要的基础性信息资源，是国家信息资源的重要组成部分，广泛应用于经济、社会发展各领域，而地理信息数据的获取与处理是地理信息资源在经济、社会领域应用的基础。为了地理信息数据获取的准确性和全面性，以及提高地理信息数据处理能力，三维激光扫描仪、移动地理信息数据采集系统等高端地面测绘设备应运而生。使用地面测绘设备对地理信息数据进行采集，获得的是大量道路场景点云数据，从道路场景点云数据中准确分类解析出对应的地面场景，关系着地理信息数据获取的完整性和准确性。
[0003]目前，针对点云数据进行分类的方法主要是基于深度学习的点云分类方法，基于深度学习的点云分类方法包括基于投影的方法和基于点的方法。
[0004]基于投影的方法中，多视投影方法将点云投影为二维图像，不可避免地存在三维信息的丢失，可能降低分类的精度；将点云转化为规则的三维格网结构没有三维信息的损失，但是三维卷积操作的需要较大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路场景点云分类方法，其特征在于：包括以下步骤：步骤1，获取样本数据和道路采集数据，对样本数据依次进行单个点云对象截取、最远点采样和归一化操作得到训练样本，对道路采集数据进行预处理操作得到分割对象；步骤2，通过数据增强算法对样本数据进行数据增强处理，将进行了数据增强处理的训练样本用于模型训练得到预训练模型，根据训练结果对预训练模型的初始学习率、批大小和学习率衰减参数进行调整；步骤3，利用预训练模型对步骤1中的分割对象进行分类预测，得到初步分类结果，所述初步分类结果包括低矮植被、非低矮植被和杆状物，所述非低矮植被包括树木、车辆和围栏；步骤4，通过最小割算法对初步分类结果进行粘连对象分割处理得到分割结果，并用预训练模型对分割结果进行精化分类，得到道路场景点云分类结果。2.根据权利要求1所述的一种道路场景点云分类方法，其特征在于：所述步骤1中，所述预处理操作包括以下子步骤：子步骤1.1，先通过预设滤波算法对道路采集数据进行地面点与非地面点的分离；子步骤1.2，再通过预设聚类算法对非地面点进行聚类，得到在空间上粘连的聚类点云对象；子步骤1.3，将聚类点云对象投影到XOY平面上并判断投影主方向的投影长度是否大于预设长度，若投影长度大于预设长度，则沿道路前进方向每隔单位距离且不对Z方向设置阈值限制地分割道路两旁的点云数据，得到分割块；子步骤1.4，使用非粘连对象聚类方法将分割块中过分割和错误分割的聚类点云对象中不相连的部分按照高程分割为两个部分；子步骤1.5，先判断过分割的聚类点云对象中聚类体的高低，再使用合并还原算法并根据高的对象的三维形态特征或空间分布特征将高的对象还原回对应的位置；子步骤1.6，判断聚类体的数目，当数目大于1时，迭代性地重复子步骤1.4和子步骤1.5，当聚类的数目为1时，得到分割对象。3.根据权利要求2所述的道路场景点云分类方法，其特征在于：所述子步骤1.4中，对每个对象进行聚类；如果该对象本就是完整的一块，使用非粘连对象聚类方法处理后的聚类数也还是1；如果该对象空间上存在分离的部分，则会根据预设的阈值分为若干部分，如果聚类的数目等于1，则不进行操作；如果聚类的数目等于2，则根据其高程值归类为两部分再进行后续回归操作；如果聚类的数目大于2，对聚类出来的所有聚类体，计算每个聚类体平均高程；计算聚类体平均高程z的平均值Z；计算每个聚类体平均高程z相较于Z的方差，比较偏离...

【专利技术属性】
技术研发人员：刘健飞，陈薪宇，江亮亮，张波，魏新元，
申请(专利权)人：川藏铁路技术创新中心有限公司，
类型：发明
国别省市：