没有合适的资源?快使用搜索试试~ 我知道了~
基于车载LiDAR点云的地物分类方法的研究_邵帅1
需积分: 0 1 下载量 75 浏览量
2022-08-03
18:03:16
上传
评论
收藏 828KB PDF 举报
温馨提示
试读
4页
①种 ②表面区域的增长: 确定了种 ③主成分分析
资源详情
资源评论
资源推荐
收
稿日期: 2016 - 03 - 15
作者简介: 邵 帅(1992 - ),男,河南商丘人,大地测量与测量工程专业硕士研究生,主要研究方向为现代测量数据处理及其应用。
基
于车载 LiDAR 点云的地物分类方法的研究
邵 帅,刘春晓,
周光耀,井文胜
(
山东科技大学 测绘科学与工程学院,山东 青岛 266590 )
摘
要: 基于点云 分类常用的近邻聚类法和物体表面分割等方法,本文提出了一种基于最大网格密度的近邻聚
类的方法。该方法首先对原始点云进行低点提取,设置格网的大小,在此基础上对点云数据进行去噪并进行主
成分分析,再对点云空间进行 均匀格网化,使具有最大密度的格网为聚类中心,加入高程、强度以及法向量等特
征对分割后的点云实现 了不同地物的分类,提高了运算效率,降低了错分率。
关键词: 车载 LiDAR; 聚类; 主成分; 强度; 分类
中图分类号: P237 文献标识码: A 文章编号: 1672 - 5867( 2017) 02 - 0198 - 04
Research on Classification Method of Vehicle LiDAR Point Cloud
SHAO Shuai,LIU Chun - xiao,ZHOU Guang - yao,JING Wen - sheng
(College of Geomatics,Shandong University of Science and Technology,Qingdao 266590,China)
Abstract: Combining the nearest neighbor clustering algorithm and object surface segmentation method,this paper proposes a new
method which combines the nearest neighbor clustering algorithm based on the maximum grid density. Firstly,we should have low
point extraction of the original point cloud,set the grid size,based on the point cloud data of denoising and the principle components
analysis,then uniform grid point cloud space,maximum density of grid clustering center is introduced,add height,strength and the
method of vector feature for segmentation of point cloud to achieve the classification of different features,and improve the efficiency of
operations and reduces the error rate.
Key words:vehicle LiDAR; cluster; principle components; intensity; classification
0 引
言
车
载移动测量( Vehicle - Borne Mobile Mapping Sys-
tems),亦称车载 LiDAR,是以车辆作为搭载平台的,集成
了定位定向系统,即“POS”系统(包括获取高精度动态信
息的 GNSS、提供定位定姿信息的 IMU 测量单元等组件),
获取地物表面信息的三维激光扫描仪、提供高倍率影像
数据的全景相机或者 CCD 相机等各种组件以及各种传感
器集成技术的测量系统。车载 LiDAR 能快速、高精度地
获取道路、建筑物等城市地物的空间信息
[1 - 3]
,
使它成为
一种全新的、独立的测量方式,也被称之为测绘技术的一
次伟大革命,并为地理空间信息数据的采集与更新指出
了一条高效的捷径,逐渐成为三维城市信息更新与有效
监测城市建筑群以及促进城市旅游发展的重要手段之
一
[4 - 6]
。随
着移动测量技术的发展、传感器性价比的提
高、自动处理技术的完善,车载移动测量技术将会在导航
数据采集和地图更新中发挥越来越大的作用。但是,由
于车载 LiDAR 能获得海量的离散点云,所以我们需要做
的工作就是如何快速准确地从大量离散点云中提取到所
需的信息。然而,相对于其硬件的快速发展,针对车载 Li-
DAR 点云数据的处理还处于初始阶段,而对车载 LiDAR
的离散点云进行分割,是提取目标信息的重要前提,也是
当前 LiDAR 领域的研究热点。
目前,针对点云数据的分类研究很多,然而,早期的
研究多以影像信息为主进行特征提取和分类,但激光点
云数据仅仅作为辅助信息。随着 LiDAR 技术的不断成
熟,基于点云数据的分类研究才开始逐渐增多。Mana-
ndhar 等提出了根据断面扫描点的点位空间分布特征(几
何特征、分散程度和密度信息)将激光扫描点云数据分成
不同类的算法,但该算法对混合排列点的识别较为困难,
不适用于城市复杂场景下点云数据的分类
[7]
。 Abu-
hadrous 等将点云分别在 Z 轴、Y 轴
方向上进行投影,通过
分析断面直方图的方法来实现目标分类,但此方法需要
利用扫描数据的断面信息,难以处理散乱的点云
[8]
。史
文
中等提出了利用投影点密度进行距离图像分割的方
法,为点云数据的处理研究提供了新方向,但是由于距离
书书书
第 40 卷 第 2 期
2017 年 2 月
测绘与空间地理信息
GEOMATICS & SPATIAL INFORMATION TECHNOLOGY
Vol. 40,No. 2
Feb. ,
2017
maXZero
- 粉丝: 24
- 资源: 303
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0