基于三维点云的遥感样本标注方法技术

本发明专利技术公开了一种基于三维点云的遥感样本标注方法，涉及遥感图像分类领域，该方法包括：对遥感样本集进行三维点云数据的采集，得到第一点云集；获取点云库，点云库构成公共点云空间，利用筛选方法对点云库进行筛选，得到包含标签信息的第二点云集；在公共点云空间内，将第一点云集和第二点云集进行对齐；构建和训练分割模型，利用分割模型得到第一点云集的标签信息；将第一点云集重投影至遥感样本集上，得到遥感样本集的标签信息。本发明专利技术将三维点云的技术应用在遥感样本标注上，充分利用了前期三维点云的信息，并根据三维点云的特征不变性进行迁移，得到待标注遥感样本集的标注信息，该方法节省了大量的人力物力，得到的标注结果较为准确，噪声小。噪声小。噪声小。

【技术实现步骤摘要】
基于三维点云的遥感样本标注方法


[0001]本专利技术涉及遥感图像分类领域，尤其涉及一种基于三维点云的遥感样本标注方法。

技术介绍

[0002]目前，遥感技术被广泛应用于森林资源规划、农作物估产、环境评估、灾害监测等地学应用中。为了更好地使用遥感图像，需要首先把遥感图像转换为各种专题信息(如不同森林类型覆盖图、受灾区域专题图等)。而遥感图像分类技术是把遥感图像从数据转换为信息的重要技术手段。从是否需要训练样本来分，遥感图像分类方法分为监督分类和非监督分类。在遥感图像分类中最常用的是监督分类方法。监督分类方法，需要人工地确定分类体系、选取各个类别的训练样本等过程。监督分类方法能够保证获得比较好的分类精度。但是对遥感样本进行标注是一个耗时耗力的过程。
[0003]点云是一种常用的3D数据格式，可以在三维空间中保持物体原有的几何信息。近年来，随着影像技术的迅速发展，三维信息引起了越来越多的重视。现在用相机拍摄的影像均可进行三维点云数据的采集，包括卫星遥感影像、数码相机、手机或平板电脑拍摄的照片。现有的三维点云库十分庞大，三维点云库中的点云包含丰富的先验知识和标签信息。目前对点云库并没有充分合理的利用，浪费了许多点云信息。

技术实现思路

[0004]基于上述现有技术中存在的对于遥感样本的标注和三维点云的信息浪费的问题，本专利技术提供一种三维点云与迁移学习相结合并应用于遥感样本进行标注的方法，该方法能充分利用点云库的先验知识，通过对三维点云数据的利用，能更快的对遥感样本进行标注，并得到较好的标注结果。<br/>[0005]为了解决上述技术问题，本专利技术提供一种基于三维点云的遥感样本标注方法，该方法包括：
[0006]S1获取一组遥感样本集，对所述遥感样本集进行三维点云数据采集，得到第一点云集；
[0007]S2获取点云库，通过所述点云库构成公共点云空间，并利用预设筛选方法对所述点云库进行筛选，得到第二点云集，其中，所述第二点云集包含标签信息；
[0008]S3在所述公共点云空间内，将所述第一点云集和所述第二点云集进行对齐；
[0009]S4构建和训练分割模型，利用所述分割模型对所述第一点云集进行分割，得到所述第一点云集的标签信息；
[0010]S5将所述第一点云集重投影至遥感样本集上，根据所述第一点云集中的点云与所述遥感样本集中的像素点之间的对应关系，得到遥感样本集的标签信息。
[0011]于本专利技术一具体实施例中，所述预设筛选方法为感知哈希算法。
[0012]于本专利技术一具体实施例中，所述预设筛选方法为生成查询网络筛选方法。
[0013]于本专利技术一具体实施例中，步骤S2包括：
[0014]S21获取点云库，通过所述点云库构成公共点云空间；
[0015]S22构建生成查询网络，包括表征网络和生成网络；
[0016]S23将所述第一点云集和所述点云库输入生成查询网络进行训练和表征学习，得到所述第一点云集的场景表征和所述点云库的场景表征，其中，在训练时，根据所述生成网络和所述表征网络对所述点云库进行补全；
[0017]S24比较所述点云库的场景表征与所述第一点云集的场景表征之间的相似度，将达到相似阈值的所述点云库中的点云归入所述第二点云集，其中，所述第二点云集包含标签信息。
[0018]于本专利技术一具体实施例中，步骤S3包括：
[0019]在所述公共点云空间内，利用第一配准方法对所述第一点云集和所述第二点云集进行粗配准；
[0020]根据第二配准方法对粗配准后的第一点云集和第二点云集进行精配准，以实现所述第一点云集和所述第二点云集的对齐。
[0021]于本专利技术一具体实施例中，步骤S4包括：
[0022]在公共点云空间内，将所述第二点云集及所述第二点云集的标签信息作为训练数据对所构建的分割模型进行训练，得到训练好的分割模型；
[0023]将所述第一点云集输入至所述训练好的分割模型进行分割，得到所述第一点云集的标签信息。
[0024]于本专利技术一具体实施例中，步骤S4包括：
[0025]将所述第一点云集和所述第二点云集映射至一个二维空间上；
[0026]在所述二维空间内，将所述第二点云集及所述第二点云集的标签信息作为训练数据对所构建的分割模型进行训练，得到训练好的分割模型；
[0027]利用所述训练好的分割模型对所述第一点云集进行分割，将分割后的所述第一点云集映射回所述公共点云空间内，得到所述第一点云集的标签信息。
[0028]本专利技术的有益效果为：本专利技术提供一种基于三维点云的遥感样本标注方法，首先对遥感样本集进行三维点云数据的采集，得到第一点云集，之后获取点云库，点云库构成公共点云空间，利用筛选方法对点云库进行筛选，得到第二点云集，其中，第二点云集包含标签信息，在公共点云空间内，将第一点云集和第二点云集进行对齐，然后构建和训练分割模型，利用分割模型对第一点云集进行分割，得到第一点云集的标签信息，将第一点云集重投影至遥感样本集上，根据第一点云集中的点云与遥感样本集中的像素点之间的对应关系，得到遥感样本集的标签信息。本专利技术将三维点云的技术应用在遥感样本标注上，充分利用了前期三维点云的信息，并通过将点云集进行对齐操作，即根据三维点云的特征不变性进行迁移，基于三维点云和遥感图像的像素点之间的一一对应的关系，可通过三维点云所包含的标签内容经过对应关系的转换而得到待标注遥感样本集的标注信息，该方法节省了大量的人力物力，得到的标注结果较为准确，噪声小。
附图说明
[0029]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所
需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0030]图1为本专利技术实施例的基于三维点云的遥感样本标注方法的流程图；
[0031]图2为本专利技术实施例的PointNet网络架构示意图。
具体实施方式
[0032]应当理解下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。需要说明的是，只要不构成冲突，本专利技术中的各个实施例以及各实施例的各个特征可以相互结合，所形成的技术方案均在本专利技术的保护范围之内。
[0033]需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本专利技术的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
[0034]请参阅图1，图1为本专利技术基于三维点云的遥感样本标注方法实施例的流程图。本专利技术提供一种基于三维点云的遥感样本标注方法，该方法包括：
[0035]S本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于三维点云的遥感样本标注方法，其特征在于，该方法包括：S1获取一组遥感样本集，对所述遥感样本集进行三维点云数据采集，得到第一点云集；S2获取点云库，通过所述点云库构成公共点云空间，并利用预设筛选方法对所述点云库进行筛选，得到第二点云集，其中，所述第二点云集包含标签信息；S3在所述公共点云空间内，将所述第一点云集和所述第二点云集进行对齐；S4构建和训练分割模型，利用所述分割模型对所述第一点云集进行分割，得到所述第一点云集的标签信息；S5将所述第一点云集重投影至遥感样本集上，根据所述第一点云集中的点云与所述遥感样本集中的像素点之间的对应关系，得到遥感样本集的标签信息。2.根据权利要求1所述的基于三维点云的遥感样本标注方法，其特征在于，所述预设筛选方法为感知哈希算法。3.根据权利要求1所述的基于三维点云的遥感样本标注方法，其特征在于，所述预设筛选方法为生成查询网络筛选方法。4.根据权利要求3所述的基于三维点云的遥感样本标注方法，其特征在于，步骤S2包括：S21获取点云库，通过所述点云库构成公共点云空间；S22构建生成查询网络，包括表征网络和生成网络；S23将所述第一点云集和所述点云库输入生成查询网络进行训练和表征学习，得到所述第一点云集的场景表征和所述点云库的场景表征，其中，在训练时，根据所述生成网络和所述表征网络对所述点...

【专利技术属性】
技术研发人员：李洁，刘仕琪，邹圣兵，
申请(专利权)人：北京数慧时空信息技术有限公司，
类型：发明
国别省市：