一种利用激光雷达点云数据识别黄土落水洞的方法技术

本发明专利技术公开了一种利用激光雷达点云数据识别黄土落水洞的方法，涉及落水洞识别技术领域，包括如下步骤：采集待检测区域的激光雷达点云数据；对激光雷达点云数据预处理，标记出洞穴区域；构建改进

【技术实现步骤摘要】
一种利用激光雷达点云数据识别黄土落水洞的方法


[0001]本专利技术涉及落水洞识别
，特别涉及一种利用激光雷达点云数据识别黄土落水洞的方法
。

技术介绍

[0002]土壤管道侵蚀被认为是一个广泛而重要的过程，但地下土壤侵蚀的研究在宽度
、
广度和深度上远远不及地表土壤侵蚀的研究
。
中国的黄土洞穴根植于世界上最典型的黄土地层和黄土地貌之中，黄土高原也是世界上地质灾害最为频发
、
水土流失最为严重的区域之一，具有许多鲜明的
、
独特的地域特点和特色
。
黄土高原地区广泛分布着落水洞，这些洞穴具有危害性
、
隐蔽性
、
不可预测性和地表响应性等特点，给交通
、
农业
、
城市建设等事业带来了很大的隐患和不便
。
因此，黄土落水洞的检测和识别已经成为黄土高原地区交通
、
土地
、
水利
、
矿产
、
城建等部门非常关注的一项重要问题
。
[0003]开展黄土洞穴敏感性评估与制图，可以更好地服务黄土洞穴地质灾害的防灾减灾
。
黄土洞穴在地下空间的分布和延伸极其复杂，不同洞穴在地下互相串连
、
连通，甚至在斜坡上和沟道中形成了复杂的地下洞穴系统
。
黄土洞穴系统的复杂性
、
隐蔽性和连通性决定了使用常规遥感和无人机摄影测量很难摸清楚它们在地下空间的三维形态结构
。
[0004]现有的黄土落水洞检测的方法还存在一些问题和不足之处
。
具体来说，主要表现在以下几个方面：
[0005]人力工作量大，效率低
。
传统的落水洞检测方式常常依赖于人工驾车例行巡查和步行探查，需要消耗大量的人力物力，而且由于视线受限
、
人为主观因素等原因，效率和准确性都有待提高，数据质量难以保障
。
传统的黄土落水洞检测方式存在采样点密度低
、
地形复杂
、
范围广
、
采样不连续等数据不全面的难题，这些问题都对黄土落水洞的识别和定位造成了巨大的困难，造成分析精度和效果不一
。
传统的黄土落水洞检测方法还依赖于杨氏方差分析
、
支持向量机等基于统计方法和机器学习方法，分析精度和效果受到很多因素的影响，无法取得理想的效果，且传统的基于图像的黄土落水洞识别算法模型体积庞大，训练复杂程度高
。

技术实现思路

[0006]本专利技术的目的在于针对上述现有技术的不足，提供一种利用激光雷达点云数据识别黄土落水洞的方法，以解决现有技术中落水洞的检测和识别效率低且会产生人工差错和漏检的问题
。
[0007]本专利技术具体提供如下技术方案：一种利用激光雷达点云数据识别黄土落水洞的方法，包括以下步骤：
[0008]采集待检测区域的激光雷达点云数据；
[0009]对所述激光雷达点云数据预处理，标记出洞穴区域；
[0010]构建改进
PoinNet++
模型：在
PoinNet++
模型基础上加入
Transformer
特征提取模
块；
[0011]将所述标记出洞穴区域的激光雷达点云数据输入改进
PoinNet++
模型进行识别，提取出初步的黄土落水洞区域；
[0012]使用区域生长算法将所有所述初步的黄土落水洞区域作为种子点，并对每个种子点定义一个邻域；
[0013]将每个种子点视作锚节点，并将每个种子点邻域内的
k
个种子点视作邻节点，对每个邻节点到锚节点的法向量判断，若法向量大于阈值就将该种子点加入到初步的黄土落水洞区域中；
[0014]对包含多个种子点的邻域通过设定规则合并成新的区域，通过所述新的区域获得最终的黄土落水洞区域；其中最终的黄土落水洞区域精细程度大于初步的黄土落水洞区域
。
[0015]优选的，所述采集待检测区域的激光雷达点云数据，包括如下步骤：
[0016]利用低空机载激光雷达无人机获取地表点云数据；
[0017]利用手持激光雷达设备环绕洞穴顶部扫描获取内部点云；
[0018]对于空穴以及其他设备的测量盲区，采用激光雷达无人机飞入洞穴内部进行点云数据采集；
[0019]对所述地表点云数据
、
洞穴的内部点云数据以及测量盲区的点云数据进行合并，获得最终的激光雷达点云数据
。
[0020]优选的，对所述地表点云数据
、
洞穴的内部点云数据以及测量盲区的点云数据进行合并，获得最终的激光雷达点云数据，包括如下步骤：
[0021]以测量精度最高的低空机载雷达无人机设备获取的点云数据作为配准基准数据；
[0022]利用迭代最近点精细配准算法，将手持激光雷达设备和激光雷达无人机获取的点云数据进行配准
。
[0023]优选的，所述对所述激光雷达点云数据预处理，标记出洞穴区域，包括如下步骤：
[0024]采用点云滤波算法清除点云数据中的噪声；
[0025]对去噪后的点云数据进行分割，分别标注出落水洞区域和地面区域，然后合并点云数据；
[0026]并将所述点云数据量以
7:1:2
进行分割，划分为训练集
、
测试集与验证集
。
[0027]优选的，所述构建
PoinNet++
模型，包括如下步骤：
[0028]在
PointNet
模型基础上增加层级式采样模块和层级式聚合模块来构建
PoinNet++
模型；
[0029]所述层级式采样模块用最远点采样算法逐级对点云进行均匀的下采样；
[0030]所述层级式聚合模块用最近邻算法或者球形查询的方式聚合寻找单个锚节点的邻域节点，低于阈值级别的采样结果被用作高于阈值级别的聚合输入
。
[0031]优选的，所述将所述标记出洞穴区域的激光雷达点云数据输入
PoinNet++
模型进行识别，包括如下步骤：
[0032]将激光雷达点云数据作为输入，利用多层感知机对输入点云坐标数据进行升维；
[0033]将所述升维后的激光雷达点云数据输入层级式采样模块，通过最远点采样算法逐级对点云进行均匀的
N
倍下采样减少点云数量；
[0034]将减少点云数量的激光雷达点云数据输入所述层级式聚合模块中，使用
K
近邻算法或者球形查询的方式聚合寻找每个点周围的
k
个邻居节点，并使用
Transformer
特征提取模块对
k
个邻居节点进行全本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，包括以下步骤：采集待检测区域的激光雷达点云数据；对所述激光雷达点云数据预处理，标记出洞穴区域；构建
PoinNet++
模型，对
PoinNet++
模型设置
Transformer
特征提取模块；将所述标记出洞穴区域的激光雷达点云数据输入
PoinNet++
模型进行识别，提取出初步的黄土落水洞区域；使用区域生长算法将所有所述初步的黄土落水洞区域作为种子点，并对每个所述种子点定义一个邻域；将每个种子点视作锚节点，将每个种子点邻域内的
k
个种子点视作邻节点，并对每个邻节点到锚节点的法向量判断，若法向量大于阈值就将该种子点加入到初步的黄土落水洞区域中；对包含多个种子点的邻域通过设定规则合并成新的区域，通过所述新的区域获得最终的黄土落水洞区域；其中最终的黄土落水洞区域精细程度大于初步的黄土落水洞区域
。2.
如权利要求1所述的一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，所述采集待检测区域的激光雷达点云数据，包括如下步骤：利用低空机载激光雷达无人机获取地表点云数据；利用手持激光雷达设备环绕洞穴顶部扫描获取内部点云；对于空穴以及其他设备的测量盲区，采用激光雷达无人机飞入洞穴内部进行点云数据采集；对所述地表点云数据
、
洞穴的内部点云数据以及测量盲区的点云数据进行合并，获得最终的激光雷达点云数据
。3.
如权利要求2所述的一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，对所述地表点云数据
、
洞穴的内部点云数据以及测量盲区的点云数据进行合并，获得最终的激光雷达点云数据，包括如下步骤：以测量精度最高的低空机载雷达无人机设备获取的点云数据作为配准基准数据；利用迭代最近点精细配准算法，将手持激光雷达设备和激光雷达无人机获取的点云数据进行配准
。4.
如权利要求1所述的一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，所述对所述激光雷达点云数据预处理，标记出洞穴区域，包括如下步骤：采用点云滤波算法清除点云数据中的噪声；对去噪后的点云数据进行分割，分别标注出落水洞区域和地面区域，然后合并点云数据；并将所述点云数据量以
7:1:2
进行分割，划分为训练集
、
测试集与验证集
。5.
如权利要求4所述的一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，构建所述
PoinNet++
模型，包括如下步骤：在
PointNet
模型基础上增加层级式采样模块和层级式聚合模块来构建
PoinNet++
模型；所述层级式采样模块用最远点采样算法逐级对点云进行均匀的下采样；所述层级式聚合模块用最近邻算法或者球形查询的方式聚合寻找单个锚节点的邻域
节点，低于阈值级别的采样结果被用作高于阈值级别的聚合输入
。6.
如权利要求5所述的一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，所述将所述标记出洞穴区域的激光雷达点云数据输入改进的
PoinNet++
模型进行识别，包括如下步骤：将激光雷达点云数据作为输入，利用多层感知机对输入点云坐标数据进行升维；将所述升维后的激光雷达点云数据输入层级式采样模块，通过最远点采样算法逐级对点云进行均匀的
N
倍下采样减少点云数量；将减少点云数量的激光雷达点云数据输入所述层级式聚合模块中，使用
K
近邻算法或者球形查询的方式聚合寻找每个点周围的
k
个邻居节点，并使用
Transformer
特征提取模块对
k
个邻居节点进行全局特征和局部特征提取；使用上采样插值的方式逐步将全局特征和局部特征提取后的点云数量增加到原始大小，利用
k
个邻居节点更新特征
。7.
如权利要求6所述的一种利用激光雷达点云数据识别黄土落水洞的方法，其特征在于，所述使用
Transformer
特征提取模块对
k
个邻居节点进行全局特征和局部特征提取，包括步骤：依...

【专利技术属性】
技术研发人员：胡胜，邓号，汪霖，吴松柏，王宁练，李思思，
申请(专利权)人：西北大学，
类型：发明
国别省市：