顾及激光反射率的点云数据分割算法研究.pdfVIP

2014年 12月 城 市 勘 测 Dec．20l4 第6期 UrbanGeoteehniealInvestigation Surveying No．6 文章编号：1672-8262(2014)06-21—03 中图分类号：P234．4 文献标识码：B 顾及激光反射率的点云数据分割算法研究 叶珉 吕 ，花向红 (1．佛山市城市规划勘测设计研究院，广东 佛山 528000； 2．武汉大学测绘学院，湖北 武汉 430079) 摘 要：点云数据分割是三维模型重建的关键环节，传统的基于模糊 C均值聚类(FCM)的点云数据分割算法在规则 物体细节的分割上具有一定的局限性。针对此问题 ，在传统算法的基础上，增加 了激光反射率信息，提 出了顾及激光 反射率的分割算法。通过实例验证，该算法具有较高的可行性和普遍适用性，分类结果较为可靠。 关键词：点云数据；分割算法；激光反射率；FCM；三维模型 1 引 言 rithm，FCM)的分割算法 已经较为成熟，被广泛应用 三维激光扫描技术以其数据获取速度快、实时性强、 于点云数据中建筑物、街道与植被之问的分割。目前基 精度高及全天候工作等优点被广泛应用于逆向工程、数 于FCM的分割算法主要是借助点云的位置信息、几何 字城市及变形监测等领域，利用它可以对实物进行数字 信息如法向量或曲率等特征屙 』生进行数据分割，对于属 化，快速获取物体表面大量点的三维坐标、激光反射强度 性信息差别较大的数据能够获得较为理想的结果，但对 及颜色信息等，称为点云数据。对点云数据的分割是三 于比较规则的物体，如在三维城市建模中，建筑物外观 维模型重建的基础，也是关键环节，分割的结果和效率直 细节的分割却具有较大的局限性。 接决定了后续应用的难度，具有重要的研究意义 。点 针对上述问题，在现有算法的基础上，提出一种顾 云分割是指将三维空间中的点划分成若干个互不相交的 及激光反射率的点云数据分割算法，并通过实例分析， 子集的过程，经过分割后，具有相似属性的点归为一类，得 验证该算法的可行性。 到一系列我们感兴趣的对象，如建筑、植被、街道等 。 目前，点云分割算法主要有以下三种：基于边检测 2 点云数据分割算法 的分割算法、基于区域增长的分割算法及基于聚类的分 2．1 传统算法 割算法 J。基于边检测的分割算法根据点云的局部几 传统的基于FCM的点云数据分割算法根据点云的 何特征在点集中检测边界点，通过边界点的连接形成边 位置信息、几何信息等特征属性，通过引入隶属度矩阵 界线将整个点云分割成多个独立的子点云，由于对边界 表示属于不同类别的程度对数据进行分割，其基本思想 的确定只用到边界的局部数据，使得该算法易受到测量 是：首先初始化分类，之后通过反复迭代运算，考察每个 噪声的影响。基于区域增长的分割算法根据给定的相 样本的分类是否正确。若不正确，就要不断地计算类心 似性准则，以一个选定的种子点向外延伸，同时判断周 和调整各样本的类别，直到使得以非相似性(或距离)为 围的点是否满足同一准则，合乎准则的点被加入到同一 指标的目标函数达到最小。最后如果相邻两次的聚类 区域中，直至其周围邻域不包含连续的点集为止。与基 中心没有任何变化，说明样本调整结束，目标函数 已经 于边检测的算法相比，该算法容易实现而且计算速度 收敛，算法结束。模糊 c均值聚类算法能够使得各类本 快，受噪声的干扰也较小，但种子点选择的好坏对分割 身尽可能的紧凑，而各类之间尽可能的分开。