chapter08_地面三维激光雷达点云分割及分类.pdfVIP

8 地面三维激光雷达点云分割与分类 海量空间数据的快速、可靠、自动化处理是当前测绘领域研究的前沿。融 合了空间信息、激光强度信息和物体色彩信息的三维激光点云数据，可以真实 描述目标的空间结构、形态特性和光谱特征，三维激光点云为测量目标的识别 分析提供了丰富信息，但由于其数据量大以及受到当前计算机硬件的限制，其 快速、可靠、自动化的数据处理仍难难以实现，其中点云数据的自动分割是其 中的一个难点，也是进行特征提取和曲面重建的前提和关键。正确进行点云分 割和识别点云特征不仅有助于点云数据的管理，提高数据处理效率，还能对目 标的三维重建提供可靠信息。在点云数据挖掘技术的研究中，点云分割技术的 研究处在首要和优先的地位，是技术核心和基础。未来点云数据分割算法的研 究则更多地集中在智能分割领域，如神经网络、群智能、遗传算法等。因此， 研究三维激光点云的自动分割方法，对提高点云数据处理效率，三维目标的可 靠重建和点云数据信息的充分挖掘与应用具有重要意义。 8.1 点云分割 点云分割是确定点云中具有相同属性（空间位置、几何形状、激光强度、光 谱特征等）区域的过程。点云分割的目的是从点云数据中获取更高层次的信息， 是进行三维重建的基础。 ( ) 基于面的方法是根据微分几何中曲面的某些特征参数 如高斯曲率 的性 质，来确定属于一个面的所有点，而上述特征参数的求取在曲面光滑连续的情 况下才有效。实际中的物体不可能完全光滑连续而只可能是分片连续的，所以 如何准确地估算出分片连续曲面的曲率是基于面的激光点云分割方法的瓶颈。 基于平面度的直接分割方法是基于面的分割方法之一。 该方法在计算过程中回 避了种子点的选取，利用曲面上点及其邻域点的最小二乘拟合平面法矢量夹角 的均方差值，来检测曲面上给定点邻域的弯曲程度，通过提取曲面之间的过渡 曲面来分割曲面。 基于边的方法首先根据点的局部几何特性在点邻域中估计出点的法向量或 曲率，然后将法向量或曲率的突变处判定为边界位置，并经过边界跟踪和拟合 等处理方法形成封闭的边界，再将封闭边界的区域作为最终的分割结果。 以上两种方法都可以归结为对曲面之间过渡曲面的搜索过程。基于边的方 法是通过搜索过渡曲面的边界，将过渡曲面及主要曲面分开；基于面的方法直 接搜索过渡曲面和主要曲面，将过渡曲面作为独立的曲面分离出来。 基于特征识别的分割的关键是各表面类型的辨识及其几何参数计算。表面 1 , , 类型辨识是一个智能程度较高的过程 目前还难以由计算机自动完成必须借助于 , , , 人机交互 由人完成表面特征的辨识由计算机完成几何参数的计算再根据该被 识别表面的类型和几何参数将该表面上的数据点群从整个三维点云中分离出来, 实现三维点云分割。 (VQ Vectorquantization) 基于群簇的方法是通过向量量化 ， 技术把局部几何 Hoffman Jain 特征参数相似的数据点聚集为一类。 和 通过提取数据点的坐标和法 矢六维特征向量，来辨识数据点的特征；JeanK 通过自组织特征映射神经网络 实现聚类，取坐标、法矢和平均曲率、高斯曲率八维特征向量，来处理单视图 的呈行列分布的数据。 目前国际国内对点云分割问题的研究，多数是面对具体应用问题，从图像 分割技术推广而来，例如分水岭法、区域增长法、Mean-shift 法、聚类分析方法 等。目前还没有一个有效的点云分割评价标准，多数工作仅仅致力于进一步提 高分割质量。这些方法主要只考虑点云空间几何属性，而对点云的光谱特征信 息利用较少。结合几何特征和光谱特征的方法将是点云分割的发展趋势。 8.1.1 基于