本发明专利技术属于三维GIS领域，具体提供了基于先验知识引导的城市三维点云变化检测方法及装置。方法包括：步骤1，从几何形态和纹理材质上对多时序点云中存在的变化进行先验性地挖掘，确认不同时序点云间的邻域点，获取邻域点在几何空间和纹理空间的差异值，并将该差异值与设定阈值进行对比，计算得到先验变化值；步骤2，根据先验变化，计算出能够强化模型对变化区域特征的学习、抑制对未变化区域学习效果的变化掩膜；步骤3，基于变化掩膜，形成变化感知的差值注意力方法，强化特征编码器对变化特征的学习，获取不同时序点云间的差异；步骤4，基于步骤1～3形成由先验知识引导的三维点云变化检测深度学习模型，采用该模型进行城市三维变化检测。
【技术实现步骤摘要】
本专利技术属于三维gis领域，具体涉及一种基于先验知识引导的城市三维点云变化检测方法及装置。
技术介绍
1、三维变化检测是在不同时期对同一三维空间进行多次观察，并通过对比分析获取其中存在的差异和变化的技术。随着三维数据采集精度的提高和数据获取周期的缩短，三维变化检测技术开始逐渐普及，并被广泛应用于资源监测、城市规划以及土地管理等多个领域。点云数据由于数据结构简单，数据精度高，且易获取，成为了三维变化检测的主流数据。但是每次点云采样的内外因素都存在差异，会导致点云数据出现密度不一致、遮挡缺失等情况，这会产生大量假变化样本，从而混乱真变化对象的检测，这将给三维变化检测技术带来极大的挑战。
2、目前三维点云变化检测的方法主要分为两类，即传统方法以及深度学习方法。传统方法主要有基于代数的方法(高度差值、距离差值)，基于分类的方法(随机森林、支持向量机)以及其他方法(马尔科夫随机场、八叉树)。大多数传统方法都需要依赖手工构建的特征，这些特征并不能全面地表达点云对象，且泛化性和可移植性较差，这将导致该方法在不同场景下变化检测的精度降低。
3、深度学习方法具有良好的学习能力和泛化能力，能够自动提取不同场景中点云的多尺度抽象特征，因此被广泛应用于变化检测领域。基于深度学习的三维变化检测的主流思想是将两个共享权重的特征提取骨干网络构成孪生结构(siamese)，通过获取不同时序点云间的特征差异实现变化检测。良好的特征差异计算方法是实现高效三维变化检测的重要基础，主要有直接差值法、多尺度差值法以及特征融合三种方法。
<
p>4、通过对应位置特征的相减或多时序特征的交叉融合，深度学习方法能够容易地获取特征的差异，但却存在以下问题：(1)变化特征的表达不充分。丰富的变化特征能有效提高模型的性能，但现有模型只能隐式地提取变化特征，对变化相关特征的表达不够充分。(2)变化点的关注度不足。变化检测是一个典型的长尾问题，但已有变化检测模型过度关注未变化信息，从而导致无法聚焦变化信息的挖掘。这些问题将极大地限制三维变化检测模型的性能。(3)大规模城市实景三维变化检测方法的稀缺。目前，大部分三维变化检测的研究对象都是面向小场景、独立对象，城市级的大规模实景变化检测方法十分匮乏。因此，亟需研究一种可解释的城市级三维变化检测方法。
技术实现思路
1、本专利技术是为了解决上述问题而进行的，目的在于提供基于先验知识引导的城市三维点云变化检测方法及装置，能够充分表达和关注变化特征，实现高效地城市级三维变化检测。
2、本专利技术为了实现上述目的，采用了以下方案：
3、<方法>
4、本专利技术提供基于先验知识引导的城市三维点云变化检测方法，包括：
5、步骤1，挖掘三维变化检测先验知识；
6、从几何形态和纹理材质上对多时序点云中存在的变化进行先验性地挖掘，确认不同时序点云间的邻域点，获取邻域点在几何空间和纹理空间的差异值，并将该差异值与设定阈值进行对比，计算得到不同时序点云的先验变化值；
7、步骤2，设计变化掩膜；
8、根据不同时序点云的先验变化，计算出能够强化模型对变化区域特征的学习、抑制模型对未变化区域学习效果的权重矩阵，将该权重矩阵作为变化掩膜mask；
9、步骤3，通过变化感知的差值注意力方法进行变化特征编码；
10、基于变化掩膜mask，形成变化感知的差值注意力方法，强化特征编码器对变化特征的学习，并将强化的特征值在对应位置进行代数差值，获取不同时序点云间的差异；
11、步骤4，基于步骤1～3形成由先验知识引导的三维点云变化检测深度学习模型，采用该模型进行城市三维变化检测。
12、优选地，本专利技术提供的基于先验知识引导的城市三维点云变化检测方法，步骤1包括如下子步骤：
13、步骤1-1，确认不同时序点云对应位置：给定点云pc1中的采样点与点云pc2中的采样点获取s1在pc2中的k个最近邻点以及s2在pc1中的k个最近邻点这些最近邻点即是每个采样点在另一时期点云中对应位置的邻域点；
14、步骤1-2，对变化信息进行先验性计算：通过步骤1-1确认输入点云pc1与pc2在另一时序点云中的邻域点pc12与pc21后，分别计算pc12与pc1、pc21与pc2中各个点的空间距离以及纹理材质差值随后，根据输入点云pc1与pc2的密度，设置空间距离阈值与以及纹理材质阈值与若空间距离或纹理材质超过阈值，则赋值为1；若小于阈值，则除以相应的阈值，将空间距离和纹理材质进行归一化；最后，将空间距离和纹理材质进行加权求和，结果作为先验变化值输入到模型中，为后续的变化检测提供先验性的引导；先验变化值越接近1，则该采样点越可能是变化点；先验变化值越接近0，则该采样点越可能是未变化点；先验性计算公式如下：
15、
16、
17、
18、式中，p是点云的空间坐标，m是点云的纹理信息；是空间距离阈值，是纹理材质阈值；是点云的空间距离差值，是点云的纹理材质差值；λ1与λ2是权重值；knn表示k近邻算法。
19、优选地，本专利技术提供的基于先验知识引导的城市三维点云变化检测方法，在步骤1变化检测过程中，根据点云属性的不同动态调整空间距离阈值和纹理材质阈值：
20、空间距离阈值应与点云密度适配，以点云密度15个/m2作为密度基准值，当实际点云密度等于该密度基准值时，空间距离阈值设置为2.0；若实际点云密度比密度基准值大，则空间距离阈值设置成小于2.0，且实际点云密度越大则空间距离阈值越小；若实际点云密度比密度基准值小，则空间距离阈值设置成大于2.0，且实际点云密度越小则空间距离阈值越大；空间距离阈值的取值范围是[0,+∞)；
21、纹理材质阈值应与不同时序点云的光照条件适配，对于进行比较的两个时序的点云数据：光照差异基准为，夏季晴天正午时段a1与夏季晴天下午5点时段a2这两个点云数据的光照强度差值，纹理材质阈值设置为0.6；若两个时序的点云数据的实际光照差异大于光照差异基准，则纹理材质阈值设置成大于0.6，且实际光照差异越大则纹理材质阈值越大；若两个时序的点云数据的实际光照差异小于光照差异基准，则纹理材质阈值设置成小于0.6，且实际光照差异越小则纹理材质阈值越小，当实际光照差异为0时，纹理材质阈值为0.2；纹理材质阈值的取值范围是[0.2,1]。
22、优选地，本专利技术提供的基于先验知识引导的城市三维点云变化检测方法，在步骤1中，将空间距离和纹理材质进行加权求和计算先验变化时，设置λ1与λ2均为0.5。
23、优选地，本专利技术提供的基于先验知识引导的城市三维点云变化检测方法，在步骤2中，给定点云在获取不同时序点云先验变化值，根据先验变化值的大小，对各个采样点进行权重赋值，先验变化值大则赋予的权重值越大，从而得到包含各采样点权重值的变化掩膜。
24、优选地，本专利技术提供的基于先验知识引导的城市三维点云变化检测本文档来自技高网
...
【技术保护点】
1.基于先验知识引导的城市三维点云变化检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
3.根据权利要求2所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
4.根据权利要求2所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
5.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
6.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
7.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
8.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
9.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
10.基于先验知识引导的城市三维点云变化检测装置，能够自动执行权利要求1～9中任意一项所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于，包括：
...
【技术特征摘要】
1.基于先验知识引导的城市三维点云变化检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
3.根据权利要求2所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
4.根据权利要求2所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
5.根据权利要求1所述的基于先验知识引导的城市三维点云变化检测方法，其特征在于：
6.根据权利要求1所述的基于先验知...
【专利技术属性】
技术研发人员：詹文枭，陈静，
申请(专利权)人：武汉大学，
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。