【技术实现步骤摘要】
本专利技术涉及地面三维激光雷达点云数据分割的，特别是一种基于无监督模糊聚类的地面三维激光点云分割方法。
技术介绍
1、在地理测绘、建筑工程和文化遗产保护等领域，地面三维激光扫描已经成为一种强大的测量工具。这种技术能够迅速、精确地获取大量的三维点云数据，使得复杂的建筑物和场景可以被准确地记录下来。然而，这些原始的激光扫描点云数据在生成最终产品之前需要经过大量的处理，这包括数据的分割和分类。
2、分割是点云数据处理的关键步骤之一，它通常用于将具有共同属性的点进行分组，以便后续的分析和建模。例如，在建筑工程中，分割可以用来提取墙面、天花板和地板等不同的表面。然而，由于原始激光扫描点云数据通常是无序的，因此需要一种有效的分割方法来将这些数据组织成有用的部分，以便进一步的分析和应用。目前，最常用的点云分割方法是监督分类器法，其使用区域生长等机器学习算法将激光点云进行分割，来实现多个特征的分割分类。监督分类器法通常易于实现和计算速度较快，但其严重依赖标签信息和数据质量，容易受到数据中不连续性的影响，难以满足复杂环境下地面激光点云数据分割需求。
技术实现思路
1、本专利技术的目的在于克服上述不足，提供一种基于无监督模糊聚类的地面三维激光点云分割方法，以解决
技术介绍
中提出的问题。
2、为解决上述技术问题，本专利技术所采用的技术方案是：一种基于无监督模糊聚类的地面三维激光点云分割方法，它包括如下步骤：
3、步骤1)获取现场地面三维激光雷达点云数据；
4
5、步骤3)将位于表面特征上的点分类为不同平面，在已经分割为表面类别的基础上，进一步将位于表面特征(平坦表面)上的点分类为不同的平面，从而进一步区分单个类别内的不同平面类别；
6、步骤4)对平面类别进行精化，在识别了不同的平面类别的基础上，通过对这些平面的分割进行精化，将平面区域的边界或特征进一步细化，从而提高点云分割的精确度。
7、进一步地，所述步骤1)中，地面三维激光雷达点云数据采集需要用到的设备材料包括三维扫描仪、全球导航卫星系统(gnss)、惯性导航系统(ins)、控制单元和计算机、数据存储设备、电源和供电设备、数据后处理软件；对于地面复杂环境，实验采用地面三维扫描仪采集地面或建筑物不同区段的三维点云数据。
8、进一步地，所述步骤2)具体为：
9、根据三维激光点云的空间特征，使用高度差异hi来具体地定义数据点的不同类别，典型的数据集包括四个类别：平面表面、平滑起伏、高起伏和边缘；具体步骤为：首先根据采集的点云数据利用模糊聚类c均值(fcm)算法通过目标函数找到与数据中聚类相对应的最终原型，即为聚类中心，其目标函数j应满足：
10、
11、其中x＝{x1,x2,…,xn}代表数据集，是数据点高度差异hi的集合；c＝{c1,c2,…,cc}代表聚类的原型，是聚类p1,p2,…,pc的中心点；u＝[uij]为一个c×n矩阵(c表示聚类数量、n表示数据点数量)，是模糊c-分区矩阵；uij表示数据点xi在聚类ci中的隶属度，其值在0～1之间；m是模糊化的加权指数，控制隶属度的模糊性程度，取值为2；||xj-ci||表示点xj到聚类中心ci之间的距离；
12、然后，在上述迭代过程中通过不断对目标函数j进行参数优化，更新隶属度uij和聚类中心ci来最小化目标函数，最终实现点云的模糊划分聚类，其隶属度uij和聚类中心ci计算公式为：
13、
14、
15、最后，在迭代过程中目标函数j满足以下条件时，则其函数值达到最小，算法停止迭代；
16、|j(k-1)-j(k)|<ε (4)
17、式中，ε是一个正数；k表示迭代的次数。在模糊聚类过程中，当两次迭代之间的目标函数值变化小于ε时，目标函数值最小，算法迭代停止。在这过程中，最小化的目标函数确保了每个数据点被分配到最合适的聚类簇中，并且聚类之间的重叠度最小化，从而实现了将数据点分类为不同表面类别。
18、进一步地，所述步骤3)具体为：
19、在使用步骤2)获取的表面类别上，将可能性理论引入模糊聚类(pcm)中，在不定义类别数量的前提下通过利用新的目标函数j来自动检测数据点中的类别数量和原型(聚类中心)，其新的目标函数j应满足：
20、
21、其中，c表示类别的数量；n表示数据点的数量；uij表示数据点xj属于类别i的隶属度(关联程度)，其值在0～1之间；xj表示数据集中的第j个数据点；ci表示类别i的原型，即聚类中心；m表示一个模糊加权指数，通常设置为1.5或2，用于调整隶属度的模糊度；表示数据点与其所属类别的原型之间的距离平方和，确保每个数据点更接近其所属的类别的原型；是关于可能性的项，其目标是最小化数据点与非所属类别的原型之间的距离；ηi是每个类别i相关的尺度参数，定义了数据点在该类别中隶属度达到0.5的距离，确保数据点远离非所属类别的原型；
22、然后，在上述聚类过程中通过最小化目标函数j来进行迭代计算；当对目标函数进行微分求极值过程中，获得新的隶属度方程uij，在每次聚类迭代中通过隶属度方程计算每个数据点所属每个类别的隶属度，并根据隶属度来更新类别的原型(聚类中心)；其新的隶属度方程uij应满足：
23、
24、其中，uij表示数据点xj属于类别i的隶属度(关联程度)，其值在0～1之间；||xj-ci||表示数据点xj与类别i的原型ci之间的欧式距离，衡量了数据点到类别原型的相似性；ηi表示与类别i相关的尺度参数，其定义了使隶属度达到0.5的距离范围；m表示加权指数，设置1.5或2，用于调整隶属度的模糊性；
25、随着每次迭代的进行，隶属度将根据数据点与原型之间的距离和尺度参数的变化而更新，直到当目标函数收敛到一个局部最小值，满足停止条件时为止，最终自动确定数据的聚类结构，并找到最佳的原型和隶属度分布，实现在单个表面类别下不同平面的分类。
26、进一步地，所述步骤4)具体为：
27、在模糊聚类过程中，平面区域边缘附近的点可能会存在一些未标记和未分类为平面表面的点；因此，在不同平面分类之后，需要扩展数据来细化平面区域边缘；具体步骤为，首先通过计算未标记的点到提取平面原型ci之间距离dpi，来评估平面的拟合质量；当dpi很小，表示未标记的点很接近平均值，拟合质量较高；如果dpi较大，表示未标记点分布较广，拟合质量较低；因此，通过比较不同平面的dpi值，来评估未标记点的拟合程度。其距离dpi计算公式应满足：
28、
29、其中ni表示平面pi的点数量；x表示平面pi内的数据点；ui表示数据点所属平面pi的隶属度；||x-ci||表示点x到平面pi的原型ci的距离；
3本文档来自技高网...
【技术保护点】
1.一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于：它包括如下步骤：
2.根据权利要求1所述的一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于：所述步骤1)中，地面三维激光雷达点云数据采集需要用到的设备材料包括三维扫描仪、全球导航卫星系统(GNSS)、惯性导航系统(INS)、控制单元和计算机、数据存储设备、电源和供电设备、数据后处理软件；对于地面复杂环境，实验采用地面三维扫描仪采集地面或建筑物不同区段的三维点云数据。
3.根据权利要求1所述的一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于，所述步骤2)具体为：
4.根据权利要求1所述的一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于，所述步骤3)具体为：
5.根据权利要求1所述的一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于，所述步骤4)具体为：
【技术特征摘要】
1.一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于：它包括如下步骤：
2.根据权利要求1所述的一种基于无监督模糊聚类的地面三维激光点云分割方法，其特征在于：所述步骤1)中，地面三维激光雷达点云数据采集需要用到的设备材料包括三维扫描仪、全球导航卫星系统(gnss)、惯性导航系统(ins)、控制单元和计算机、数据存储设备、电源和供电设备、数据后处理软件；对于地面复杂环境，实验采用地面三...
【专利技术属性】
技术研发人员：方春华，胡锦军，李罗璟懿，路雯棋，刘家良，吕俊杰，胡涛，申万科，
申请(专利权)人：三峡大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。