一种激光点云城市典型地物要素提取方法技术

本发明专利技术公开了一种激光点云城市典型地物要素提取方法，包括以下步骤：步骤1、获取城市激光点云数据；步骤2、计算城每个点的特征值和法向量；步骤3、分离地面点与非地面点；步骤4、从地面点中提取道路要素点；步骤5、从非地面点中提取建筑物要素点和行道树要素点。本发明专利技术针对移动激光点云数据，利用道路、行道树和建筑物三种典型地物要素在空间分布规律、几何特征等差异性，提出了一套完整的城市三大典型地物要素提取方法，可以为城市规划、道路变更、城市设计等提供实时精准的基础数据以及辅助决策。设计等提供实时精准的基础数据以及辅助决策。设计等提供实时精准的基础数据以及辅助决策。

【技术实现步骤摘要】
一种激光点云城市典型地物要素提取方法


[0001]本专利技术涉及激光点云数据处理方法领域，具体是一种激光点云城市典型地物要素提取方法。

技术介绍

[0002]从3D激光点云数据中提取城市地物要素信息一直是国内外众多学者关注的问题之一，目前基于点云数据提取城市道路的研究主要集中在ALS和MLS两种数据中。相对于ALS数据而言，MLS数据不但可以获取更高精度的点云而且非道路要素对道路的遮挡大大减少，因此，近年来从MLS数据中提取城市地物要素信息成为一个非常活跃的研究课题。
[0003]目前的研究主要集中在道路、树木等方面。在道路要素提取研究中，主要有结合第三方数据、基于投影和基于3D点和道路特征等方法。其中，结合第三方数据的方法通过增加其他一些例如路网、深度、车辆姿态等信息进行道路提取。该类方法虽然可以成功的提取出道路信心，但却对非点云数据具有极大地依赖性，一旦第三方数据缺失或数据本身有错时，道路信息的提取不可行。
[0004]基于投影的方法主要利用MLS数据的各种属性(例如高度、强度和脉冲宽度等)生成距离图像，再针对该距离图像进行道路的识别与提取，这类方法在栅格化过程中反而会增添了不必要的匹配错误，最终导致难以获得准确的道路边界。
[0005]基于道路特征的方法主要依据道路自身的形状、位置、道路点特征等规则以及道路边缘的特性来提取道路要素。一方面这些方法有的需要借助其他数据进行辅助，另一方面这些主要用于无序MLS点云的方法难以处理复杂的地面并导致高计算复杂度。
[0006]城市树木要素的提取研究主要集中在基于簇特征、基于模型拟合和区域增长等方法。在基于簇特征的方法提取单个树研究中，Rutzinger(2011(Rutzinger,M.,Pratihast,A.K.,Elberink,S.,etal.Tree modelling from mobile laser scanning data
‑
sets[J].The Photogram Record,2011,26(135):361
‑
372.))使用3D霍夫变换和表面生长去除地面、外墙等大平面，同时将剩余点分割为簇，并使用高程的标准偏差来描述表面粗糙度，然后根据表面粗糙度和点密度的比值从中提取单个树。基于模型拟合的方法主要用于提取具有特定形状的物体。这类方法可以在某些特定情况下提取单个树，但在各种情况或复杂几何中表现不佳。当使用基于特征的方法或基于模型拟合的方法时，每个提取的树簇需要一个细化过程。
[0007]区域增长方法主要用于3D点云分割的研究以及个体树木提取等。该方法以较高的精度提取了各种树木，并在相对简单的环境中表现出优异的性能，然而，种子选择和成长标准存在一些问题。Li(2016)(Li,X.,Jing,L.,Lin,Q.,et al.A new region growing
‑
based segmentation method for high resolution remote sensing imagery[C]//Geoscience and Remote Sensing Symposium.IEEE,2015:4328
‑
4331.)提出了一种双向增长的方法，将树干中直径最小的层作为初始种子，并按照自顶向下和自下而上两个方向分别搜索树干和树冠，取得了较高的精度并且能够适用于复杂场景的树木识别。然而在很多MLS数据中，树
干点仅能够获取面向道路的一面(半圆)，而背向一面则无法收集。由于该方法将树干的水平剖面点云简化为圆形，因此无法适用上述情况。
[0008]综上所述，在移动点云数据提取城市典型地物要素研究中，现有的方法或多或少存在一定局限性，且研究的核心仅仅针对单一地物要素的提取，很少有研究能够同时提取多个典型地物要素。

技术实现思路

[0009]本专利技术的目的是提供一种激光点云城市典型地物要素提取方法，以解决现有技术点云数据提取方法无法同时提取多个典型地物要素的问题。
[0010]为了达到上述目的，本专利技术所采用的技术方案为：
[0011]一种激光点云城市典型地物要素提取方法，用于从城市激光点云数据中提取道路要素点、行道树要素点、建筑物要素点，包括以下步骤：
[0012]步骤1、获取城市激光点云数据；
[0013]步骤2、计算城市激光点云数据中每个点的特征值和法向量；
[0014]步骤3、分离地面点与非地面点：
[0015]从城市激光点云数据中选取其中一个点作为种子点，并确定所述种子点的领域点，根据种子点与其领域点夹角大小从领域点中得到地面点；
[0016]从城市激光点云数据中不断遍历更新种子点及其领域点，由此通过区域增长遍历方式得到所有地面点，从而从城市激光点云数据中分离出地面点，分离地面点后其余点为非地面点；
[0017]步骤4、从地面点中提取道路要素点：
[0018]根据步骤3得到的地面点对应的特征值，计算每个地面点的平面度，将每个地面点的平面度与平面度阈值进行比较，当某个地面点的平面度大于或等于平面度阈值时，则确定该地面点为道路要素点，当某个地面点的平面度小于平面度阈值时则剔除该地面点，由此得到城市激光点云数据中的道路要素点；
[0019]步骤5、从非地面点中提取建筑物要素点和行道树要素点，过程如下：
[0020]首先采用聚类算法，将非地面点聚类合并为多个点簇；
[0021]然后基于每个点簇中各个点的法向量，计算得到该点簇的平均法向夹角，将每个点簇的平均法向夹角与角度阈值进行比较，当某个点簇的平均法向夹角大于角度阈值时则判断该点簇为规则地物点簇，当某个点簇的平均法向夹角小于或等于角度阈值时则判断该点簇为不规则地物点簇；
[0022]接着对每个不规则地物点簇按体素结构从下至上进行识别，从中得到行道树要素点簇，行道树要素点簇中包含的点即为行道树要素点；
[0023]并且，对每个规则地物点簇按点簇空间范围进行识别，从中得到建筑物要素点簇，建筑物要素点簇中包含的点即为建筑物要素点。
[0024]进一步的步骤1中，获取城市激光点云数据后，基于统计模型对城市激光点云数据进行粗差剔除，以剔除其中具有粗差的点。
[0025]进一步的步骤2中，对每个点构建协方差矩阵，基于协方差矩阵计算得到每个点的特征值和法向量。
[0026]进一步的步骤3中，基于每个点的曲率值从城市激光点云数据中选取种子点。
[0027]进一步的，步骤3中遍历更新种子点时，基于曲率值从上一次种子点确定的地面点中得到新的种子点。
[0028]进一步的，步骤5中对每个不规则地物点簇进行识别时，首先将不规则地物点簇各层进行体素化，对每层体素进行聚类分析以求出每层体素的每一类的边界，比对相邻两层的类在横截面上是否重合，若相邻两层的类在横截面上出现交集，则判断该相邻两层属于同一地物；
[0029]接着，对属于同一地物的各层按从下至上的顺序，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光点云城市典型地物要素提取方法，其特征在于，用于从城市激光点云数据中提取道路要素点、行道树要素点、建筑物要素点，包括以下步骤：步骤1、获取城市激光点云数据；步骤2、计算城市激光点云数据中每个点的特征值和法向量；步骤3、分离地面点与非地面点：从城市激光点云数据中选取其中一个点作为种子点，并确定所述种子点的领域点，根据种子点与其领域点夹角大小从领域点中得到地面点；从城市激光点云数据中不断遍历更新种子点及其领域点，由此通过区域增长遍历方式得到所有地面点，从而从城市激光点云数据中分离出地面点，分离地面点后其余点为非地面点；步骤4、从地面点中提取道路要素点：根据步骤3得到的地面点对应的特征值，计算每个地面点的平面度，将每个地面点的平面度与平面度阈值进行比较，当某个地面点的平面度大于或等于平面度阈值时，则确定该地面点为道路要素点，当某个地面点的平面度小于平面度阈值时则剔除该地面点，由此得到城市激光点云数据中的道路要素点；步骤5、从非地面点中提取建筑物要素点和行道树要素点，过程如下：首先采用聚类算法，将非地面点聚类合并为多个点簇；然后基于每个点簇中各个点的法向量，计算得到该点簇的平均法向夹角，将每个点簇的平均法向夹角与角度阈值进行比较，当某个点簇的平均法向夹角大于角度阈值时则判断该点簇为规则地物点簇，当某个点簇的平均法向夹角小于或等于角度阈值时则判断该点簇为不规则地物点簇；接着对每个不规则地物点簇按体素结构从下至上进行识别，从中得到行道树要素点簇，行道树要素点簇中包含的点即为行道树要素点；并且，对每个规则地物点簇按点簇空间范围进行识别，从中得到建筑物要素点簇，建筑物要素点簇中包含的点即为建筑物要素点。2.根据权利要求...

【专利技术属性】
技术研发人员：李鹏，王延霞，聂士海，涂晋升，王梦柯，宋佳，
申请(专利权)人：滁州学院，
类型：发明
国别省市：