基于颜色和影像指导的近岸海域三维点云分类和建模方法

doi:10.13474/j.cnki.11-2246.2024.1120

测绘通报 ›› 2024, Vol. 0 ›› Issue (11): 115-119.doi: 10.13474/j.cnki.11-2246.2024.1120

• 技术交流 • 上一篇

基于颜色和影像指导的近岸海域三维点云分类和建模方法

余锐^1,2,3, 张卉冉^1,2,3, 廖剑波^1,2,3

1. 广州市城市规划勘测设计研究院有限公司, 广东广州 510060;
2. 广州市资源规划和海洋科技协同创新中心, 广东广州 510060;
3. 广东省城市感知与监测预警企业重点实验室, 广东广州 510060

收稿日期:2024-03-25 发布日期:2024-12-05
作者简介:余锐(1986-),男,高级工程师,研究方向为大地测量、变形监测数据处理、海洋测绘。E-mail:375745905@qq.com
基金资助:
广州市资源规划和海洋科技协同创新中心项目(2023B04J0301;2023B04J0191);广东省重点领域研发计划(2020B0101130009);广东省城市感知与监测预警企业重点实验室基金(2020B121202019);广州市城市规划勘测设计研究院科技基金(RDI2220201029)

Classification and modeling of 3D point clouds in offshore waters based on color and image guidance

YU Rui^1,2,3, ZHANG Huiran^1,2,3, LIAO Jianbo^1,2,3

1. Guangzhou Urban Planning&Design Survey Research Institute, Guangzhou 510060, China;
2. Collaborative Innovation Center for Natural Resources Planning and Marine Technology of Guangzhou, Guangzhou 510060, China;
3. Guangdong Enterprise Key Laboratory for Urban Sensing, Monitoring and Early arning, Guangzhou 510060, China

Received:2024-03-25 Published:2024-12-05

摘要/Abstract

摘要： 针对从点云数据中进行近岸海域地物分类存在精度损失及在水面与滩涂划分界限模糊等问题,本文提出了一种基于颜色和影像指导的近岸海域三维点云分类和建模方法。该方法先以颜色分布直方图指导地物粗分类,然后采用SVM实现地物精分类,基于影像的二维分类结果指导三维点云数据分类,并在此基础上对海岛和滩涂等地物进行三维模型重建。试验结果表明,本文提出的分类和建模方法能够精确可靠地划分近岸海域地物,实现地物三维模型重建。

关键词: 点云分类, 三维模型重建, 海岸带, 海岛, 滩涂

Abstract: In order to solve the problems of accuracy loss and blurring the boundaries between sea surface and mudflat in coastal sea features classification, we proposes a 3D point cloud classification and modeling method in offshore waters through color and image-guidance strategies. This method first uses the color distribution histogram to guide the rough classification of ground objects, and then uses SVM to achieve fine classification of ground objects. The 2D classification results will then be optimally mapped to the 3D point cloud, and on this basis, 3D model reconstruction of islands, mudflats and other features is carried out. The experimental result indicated the proposed method can accurately and reliably classify offshore sea features and achieve 3D model reconstruction of surface features.

Key words: point cloud classification, 3D reconstruction, coastal zone, island, mudflat

中图分类号:

P237

余锐, 张卉冉, 廖剑波. 基于颜色和影像指导的近岸海域三维点云分类和建模方法[J]. 测绘通报, 2024, 0(11): 115-119.

YU Rui, ZHANG Huiran, LIAO Jianbo. Classification and modeling of 3D point clouds in offshore waters based on color and image guidance[J]. Bulletin of Surveying and Mapping, 2024, 0(11): 115-119.

参考文献

[1] 陈宝金.无人机激光雷达在海岸滩涂地形测量中的应用[J].中文科技期刊数据库(全文版)工程技术, 2022(7):125-128.
[2] 杨安秀.机载LiDAR测深点云滤波与分类方法研究[J].测绘学报, 2023, 52(7):1234.
[3] 张爱武, 李文宁, 段乙好, 等.结合点特征直方图的点云分类方法[J].计算机辅助设计与图形学学报, 2016, 28(5):795-801.
[4] ROSHANDEL S, LIU Weiquan, WANG Cheng, et al.Semantic segmentation of coastal zone on airborne LiDAR bathymetry point clouds[J].IEEE Geoscience and Remote Sensing Letters, 2022, 19:7003705.
[5] LONG Jiawei, ZHANG Hongmei, ZHAO Jianhu.A comprehensive deep learning-based outlier removal method for multibeam bathymetric point cloud[J].IEEE Transactions on Geoscience and Remote Sensing, 2095, 61:4201622.
[6] LIN Yiwen, JENSEN KNUDBY A.Global automated extraction of bathymetric photons from ICESat-2 data based on a PointNet++model[J].International Journal of Applied Earth Observation and Geoinformation, 2023, 124:103512.
[7] 赵传, 郭海涛, 卢俊, 等.基于深度残差网络的机载LiDAR点云分类[J].测绘学报, 2020, 49(2):202-213.
[8] 李佳, 王明果, 王云川, 等.顾及无人机影像点云特征的绿地信息分类方法[J].生态科学, 2022, 41(5):11-18.
[9] 王果, 王强, 张振鑫, 等.航空影像辅助的机载LiDAR植被点云分类[J].激光与光电子学进展, 2020, 57(20):61-66.
[10] 郑真真, 徐爱功, 徐辛超.基于LiDAR的海岛岸线自动提取研究[J].测绘与空间地理信息, 2017, 40(9):52-55.
[11] 李伟华, 彭春辉, 朱玮, 等.基于LIDAR数据的滩涂海岸带主要地物提取技术研究[J].建筑工程技术与设计, 2016(28):1606.
[12] 王晓阳, 周丰年, 赵兴磊, 等.联合机载激光测深波形和点云的水陆识别方法研究[J].人民长江, 2022, 53(1):132-136.
[13] 万意, 李长春, 赵旭辉, 等.基于SVM的光学遥感影像分类与评价[J].测绘地理信息, 2018, 43(6):74-77.
[14] 潘锁艳, 管海燕.机载多光谱LiDAR数据的地物分类方法[J].测绘学报, 2018, 47(2):198-207.
[15] FOODY G M.Explaining the unsuitability of the kappa coefficient in the assessment and comparison of the accuracy of thematic maps obtained by image classification[J].Remote Sensing of Environment, 2020, 239:111630.

基于颜色和影像指导的近岸海域三维点云分类和建模方法

Classification and modeling of 3D point clouds in offshore waters based on color and image guidance

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	刘垒, 张善裕, 刘炜斌, 陈戈敦, 罗亮. 基于机载LiDAR的风暴潮过境前后海岸滩涂侵蚀监测[J]. 测绘通报, 2024, 0(9): 23-27.
[2]	卫梦莎, 龚云, 张小宇, 刘腾飞. 多维特征GS-SVM地下空间激光点云分割[J]. 测绘通报, 2024, 0(9): 117-122.
[3]	黄江雄, 曹骞, 胡向, 陈小军. 轻小型机载激光雷达点云处理关键技术[J]. 测绘通报, 2024, 0(5): 115-120.
[4]	张书航, 李旺民, 庞尹宁, 常兵涛, 马德富, 李秀龙, 张吴明. 基于无人机倾斜摄影和激光扫描的离岸海岛高精度实景三维重建[J]. 测绘通报, 2024, 0(3): 25-30.
[5]	孙栋, 丁仕军, 李晓红, 刘元, 刘海滨. 基于多波束测深系统在海岛(礁)地形测量中的应用[J]. 测绘通报, 2024, 0(11): 90-96.
[6]	冯晓珂, 吕沛娴, 张卡, 沈华康, 叶龙杰, 赵娜, 杨盈. 面向滩涂DEM构建的机载LiDAR点云滤波方法[J]. 测绘通报, 2023, 0(7): 58-62.
[7]	张清波, 严加栋. 融合自适应最优邻域和卷积神经网络的三维点云分类[J]. 测绘通报, 2023, 0(7): 177-182.
[8]	李鹏, 周虹利, 林是聪, 王厚杰, 李振洪. 海洋塑料垃圾卫星遥感探测方法[J]. 测绘通报, 2023, 0(6): 20-26.
[9]	黄桦, 葛为燎, 刘微微, 钱荣荣, 李杰. 利用倾斜影像重建点云的建筑物变化检测[J]. 测绘通报, 2023, 0(5): 125-129.
[10]	钱建国, 张宇琦, 汤圣君, 王伟玺, 李晓明. 最小割与深度学习联合优化的室内粘连点云分割方法[J]. 测绘通报, 2022, 0(9): 45-51.
[11]	胡义强, 杨骥, 荆文龙, 杨传训, 舒思京, 李勇. 基于无人机遥感的海岸带生态环境监测研究综述[J]. 测绘通报, 2022, 0(6): 18-24.
[12]	谭玉慧, 刘欣怡, 张永军. 超体素约束下的主动再学习LiDAR点云分类框架[J]. 测绘通报, 2022, 0(5): 79-83,100.
[13]	刘小丁, 唐力明, 李伊黎, 许敏端, 康昕怡, 孙端, 李宇宸, 肖红, 赵耀龙, 陈伟莲, 吕凤涛. 基于知识图谱的近30年国际海岸带研究进展与热点分析[J]. 测绘通报, 2022, 0(12): 153-159.
[14]	李鹏, 黎楚安, 杨继梅, 李振洪, 王厚杰. 典型海岸带城市扩张的多源遥感监测与预测——以青岛市为例[J]. 测绘通报, 2022, 0(1): 105-109.
[15]	李通, 闫敏, 陈博伟, 张丽, 宋茜茜. 海南岛海岸带土地利用强度与生态承载力分析[J]. 测绘通报, 2020, 0(9): 54-59.