基于多层次分割的三维点云分类研究.pdf

基于多层次分割的三维点云分类研究

摘要

点云分类是为点云数据中的每个点分配语义标签。对于给定点云数据集，点云分类

过程是指按照制定好的分类标准，将任意一个激光脚点归入某一类别，使得同一个点云

集具有相似或相同的属性的过程。点云分类作为点云数据处理的重要环节在诸多领域发

挥着重要的作用。其中，城市场景点云数据的分类作为自动驾驶、城市建模、目标识别

等研究的前提和首要任务，引起学者们广泛关注。目前城市场景点云分类存在许多困难，

其难点在于地面目标复杂多样，采集设备工作时距离地物较远，导致获取的点密度不均

且存在噪声。同时使用单点或单一层次点集作为基本单元难以提取鲁棒的特征。针对以

上问题，本文提出了一种基于多层次分割点云分类方法，可以在有效的避免噪声点和点

云密度不均干扰同时，提取具有较高鲁棒性的特征，提升点云分类精度。本文的主要工

作如下：

首先，对特征提取基本单元进行研究，提出一种多层次分割算法构建多层次点集。

多层次分割过程中先利用生长分割原理进行初始分割，考虑到曲率浮动大的地物目标容

易被分割为碎小点集的问题，在分割后加入点集合并优化操作，得到高质量初始点集。

然后将初始点集输入到融合多层次自然指数阈值的归一化分割方法进一步分割，最终构

建出多层次点集。以多层次点集作为特征提取基本单元，可以更好的消除点云密度不均

和噪声干扰影响，解决传统分类方法以单点或单一层次点集作为特征提取基本单元不能

更精细的描述地物目标，不能在后续提取鲁棒性分类特征的问题。

其次，对提取多层次点集特征进行研究，提出了一种联合稀疏编码和概率潜在语义

分析的方法提取多层次点集特征。对每个点集提取点的特征值特征、自旋图特征、高度

特征。使用稀疏编码进行稀疏表达剔除冗余特征提高处理效率，同时进行字典学习。以

每个点集类比为一个文档，点集中点的特征类比为单词，利用概率潜在语义分析主题模

型结合学习到的字典对多层次点集进行分析，从而获取鲁棒性和鉴别性的点集特征。利

用提取的特征训练点云分类器对城市场景点云数据进行分类。

最后，本文在由激光雷达扫描设备采集的标准数据集上进行了实验，并与两种点云

分类方法进行了对比，实验结果表明，本文提出的方法有效的提升城市场景点云数据的

分类精度。

关键词：点云分类；多层次点集；特征提取；多层次分割

基于多层次分割的三维点云分类研究

Abstract

Pointcloudclassificationinvolvesassigningsemanticlabelstoeachpointinapoint

clouddataset.Foragivenpointclouddataset,theprocessofpointcloudclassificationrefers

toassigningeachindividuallaserpointtoaspecificcategorybasedonpredetermined

classificationcriteria,ensuringthatpointswithinthesamepointcloudexhibitsimilaror

identicalattributes.Pointcloudclassificationplaysacrucialroleinvariousfields,including

autonomousdriving,urbanmodeling,andobjectrecognition,servingasaprerequisiteand

primarytaskforresearchintheseareas.Currently,urbanscenepointcloudclassificationfaces

numerouschallenges,primarilyduetothecomplexanddiversenatureofgroundobjects,as

wellasthel