地物三维变化检测方法、电子设备及存储介质技术

本发明专利技术公开了一种地物三维变化检测方法、电子设备及存储介质，其中所述检测方法包括对两个时相点云进行精配准，并设置参考时相点云和待检测时相点云；计算待检测时相点云、参考时相点云的法向量；计算局部欧式距离和局部密度；根据局部密度改善局部欧式距离，得到密度自适应局部欧式距离；将待检测时相点云中密度自适应局部欧式距离大于距离阈值的待检测点提取到候选变化区域；剔除候选变化区域内因建模变形而引起的误检测点；对候选变化区域内的点进行聚类，计算聚类簇对应的面积，根据面积和面积阈值进一步剔除误检测点。本发明专利技术具有更好的抗噪性能和更优的检测精度。好的抗噪性能和更优的检测精度。好的抗噪性能和更优的检测精度。

【技术实现步骤摘要】
地物三维变化检测方法、电子设备及存储介质


[0001]本专利技术属于测绘科学与
，尤其涉及一种基于点云密度自适应局部欧式距离的地物三维变化检测方法、电子设备及存储介质。

技术介绍

[0002]由于点云存在高程方向的信息，能够反映地物几何上的属性，而地物的变化在几何上的反映往往不容易被误判，且更为强烈(地物的新建、拆除等)，因此基于点云的三维变化检测能够较好地获取地物的变化信息。同时，随着近年来传感器技术及无人机的发展，点云的精度和质量越来越高，所包含的信息越来越丰富，获取门槛、成本也有着大幅的降低，因此越来越多的研究者们开始进行三维变化检测相关的研究。
[0003]根据检测单元区分，三维变化检测主要可分为逐点和基于对象两类检测方法。逐点的三维变化检测通常利用逐点计算的高差、欧式距离或图割方法来提取候选变化区域，在此基础上，利用几何结构、纹理或颜色信息进行后精化处理，例如Murakami H,Nakagawa K,Hasegawa H,et al.Change detection of buildings using an airborne laser scanner[J].ISPRS Journal of Photogrammetry and Remote Sensing,1999,54(2
‑
3):148
‑
152.、Jung F.Detecting building changes from multitemporal aerial stereopairs[J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,58(3
‑
4):187
‑
201.、彭代锋,张永军,熊小东.结合LiDAR点云和航空影像的建筑物三维变化检测[J].武汉大学学报信息科学版,2015,40(4):462
‑
468.、以及Du S,Zhang Y,Qin R,et al.Building change detection using old aerial images and new LiDAR data[J].Remote Sensing,2016,8(12):1030.。
[0004]基于对象的三维变化检测方法通常需要对不同时相的数据进行分类，然后对比点云的分类结果从而提取变化区域，例如Matikainen L,J,Ahokas E,et al.Automatic detection of buildings and changes in buildings for updating of maps[J].Remote Sensing,2010,2(5):1217
‑
1248.、Pang S,Hu X,Wang Z,et al.Object
‑
based analysis of airborne LiDAR data for building change detection[J].Remote Sensing,2014,6(11):10733
‑
10749.、以及Qin R,Huang X,Gruen A,et al.Object
‑
based 3
‑
D building change detection on multitemporal stereo images[J].IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2015,8(5):2125
‑
2137.。
[0005]逐点三维变化检测方法对点云的质量、配准都有着较高的要求，而且植被区域的季节性变化会导致误检测，使得这类方法受到一定的局限。与逐点的三维变化检测相比，基于对象的三维变化检测对点云的质量、配准要求相对较低，这类方法将分类与变化检测过程割裂，使得最终变化检测结果受到前序分类误差的影响，形成误差累积，检测精度依赖于点云分类的质量。
[0006]总的来说，目前大部分三维变化检测方法在点云几何精度高、配准误差小且场景
中地物变化显著的情况下，变化检测的精度都能达到很高，但如果点云中存在地物变形，或是存在一定的配准误差，都会导致变化检测存在较多的误检、漏检地物，变化检测精度难以得到保证。

技术实现思路

[0007]本专利技术的目的在于提供一种地物三维变化检测方法、电子设备及存储介质，以解决在点云几何精度不高、配准误差较大时存在的误检、漏检问题。
[0008]本专利技术是通过如下的技术方案来解决上述技术问题的：一种地物三维变化检测方法，包括以下步骤：
[0009]步骤1：读取两个时相的点云，对其进行精配准，并以精配准后两个时相的点云中的其中一个作为参考时相点云，另一个作为待检测时相点云；
[0010]步骤2：计算所述待检测时相点云、参考时相点云的法向量；
[0011]步骤3：计算所述待检测时相点云中每个待检测点的法向量与z方向之间的夹角θ；
[0012]若夹角θ小于角度阈值T
angle
，则搜索待检测点在参考时相点云中xy平面上的k个邻近点，并对该k个邻近点进行聚类，得到第一聚类结果，根据所述第一聚类结果选择合适的聚类簇计算局部欧式距离和局部密度；否则搜索待检测点在参考时相点云三维空间的k个邻近点，并计算局部欧式距离和局部密度；
[0013]步骤4：根据所述局部密度改善局部欧式距离，得到密度自适应局部欧式距离；
[0014]步骤5：将所述待检测时相点云中密度自适应局部欧式距离大于距离阈值T
d
的待检测点提取到候选变化区域；
[0015]步骤6：搜索所述候选变化区域内候选变化点q
i
在待检测时相点云中xy平面上的k个邻近点，并对该k个邻近点进行聚类，得到第二聚类结果，根据所述第二聚类结果对候选变化点q
i
进行移出或不移出候选变化区域的处理；
[0016]步骤7：对经过所述步骤6处理后的候选变化区域内的点进行聚类，并根据每个聚类簇的平均密度计算该聚类簇对应的面积S；若面积S大于面积阈值T
area
，则认为该聚类簇发生变化；否则认为该聚类簇为误检测。
[0017]优选地，所述步骤1中，采用ICP算法对两个时相的点云进行精配准。
[0018]进一步地，所述步骤2中，计算所述待检测时相点云、参考时相点云的法向量的具体实现过程为：
[0019]建立所述待检测时相点云的三维KD树以及所述参考时相点云的三维KD树；
[0020]根据所述三维KD树分别计算所述待检测时相点云、参考时相点云的法向量。
[0021]进一步地，所述步骤3中，夹角θ的计算公式为：
[0022][0023]其中，n
x...

【技术保护点】

【技术特征摘要】
1.一种地物三维变化检测方法，其特征在于，包括以下步骤：步骤1：读取两个时相的点云，对其进行精配准，并以精配准后两个时相的点云中的其中一个作为参考时相点云，另一个作为待检测时相点云；步骤2：计算所述待检测时相点云、参考时相点云的法向量；步骤3：计算所述待检测时相点云中每个待检测点的法向量与z方向之间的夹角θ；若夹角θ小于角度阈值T
angle
，则搜索待检测点在参考时相点云中xy平面上的k个邻近点，并对该k个邻近点进行聚类，得到第一聚类结果，根据所述第一聚类结果选择合适的聚类簇计算局部欧式距离和局部密度；否则搜索待检测点在参考时相点云三维空间的k个邻近点，并计算局部欧式距离和局部密度；步骤4：根据所述局部密度改善局部欧式距离，得到密度自适应局部欧式距离；步骤5：将所述待检测时相点云中密度自适应局部欧式距离大于距离阈值T
d
的待检测点提取到候选变化区域；步骤6：搜索所述候选变化区域内候选变化点q
i
在待检测时相点云中xy平面上的k个邻近点，并对该k个邻近点进行聚类，得到第二聚类结果，根据所述第二聚类结果对候选变化点q
i
进行移出或不移出候选变化区域的处理；步骤7：对经过所述步骤6处理后的候选变化区域内的点进行聚类，并根据每个聚类簇的平均密度计算该聚类簇对应的面积S；若面积S大于面积阈值T
area
，则认为该聚类簇发生变化；否则认为该聚类簇为误检测；优选地，所述步骤1中，采用ICP算法对两个时相的点云进行精配准。2.如权利要求1所述的地物三维变化检测方法，其特征在于，所述步骤2中，计算所述待检测时相点云、参考时相点云的法向量的具体实现过程为：建立所述待检测时相点云的三维KD树以及所述参考时相点云的三维KD树；根据所述三维KD树分别计算所述待检测时相点云、参考时相点云的法向量。3.如权利要求1所述的地物三维变化检测方法，其特征在于，所述步骤3中，夹角θ的计算公式为：其中，n
x
为待检测点的法向量在x方向上的值，n
y
为待检测点的法向量在y方向上的值。4.如权利要求1所述的地物三维变化检测方法，其特征在于，所述步骤3中，选择合适的聚类簇计算局部欧式距离和局部密度的具体实现过程为：条件A：若所述第一聚类结果中聚类簇的数量为1，则将该k个邻近点放入参数计算点簇；条件B：若所述第一聚类结果中聚类簇的数量为2，且该k个邻近点中高程值最大的点的法向量与z方向之间的夹角小于角度阈值T
angle
，则将最远离检测点的聚类簇放入参数计算点簇；
若不满足条件A和条件B，则将最近邻检测点的聚类簇放入参数计算点簇；根据所述参数计算点簇中的点计算局部欧式距离；计算所述参数计算点簇的中心，在参考时相点云中搜索k
d
个邻近点计算局部密度；优选地，所述局部欧式距离的计算公式为：其中，d
Loc
为局部欧式距离，k
r
为参数计算点簇中近邻点数量，为待检测点在参考时相点云的第j个近邻点，(x
i
,y
i
,z
i
)为待检测点的三维坐标，(x
j
,y
j
,z
j...

【专利技术属性】
技术研发人员：张云生，柴佳兴，杨振，李海峰，
申请(专利权)人：中南大学，
类型：发明
国别省市：