一种基于高度差异的点云数据分类方法

doi:10.13474/j.cnki.11-2246.2018.0174

测绘通报 ›› 2018, Vol. 0 ›› Issue (6): 46-49.doi: 10.13474/j.cnki.11-2246.2018.0174

一种基于高度差异的点云数据分类方法

马东岭^1,2, 王晓坤², 李广云¹

1. 信息工程大学导航与空天目标工程学院, 河南郑州 450001;
2. 山东建筑大学测绘地理信息学院, 山东济南 250101

收稿日期:2017-11-06 修回日期:2018-02-08 出版日期:2018-06-25 发布日期:2018-07-07
作者简介:马东岭(1980-),女,博士生,副教授,主要从事数字摄影测量、激光雷达与三维重建方面的研究工作。E-mail:mdling2003@126.com
基金资助:
山东省住房和城乡建设厅科技计划（2014KY004）；山东省艺术科学重点课题（2014082）；教育部人文社会科学研究规划基金（1ZYJAZH013）

Research on the Classification Method of Point Cloud Based on Elevation Difference

MA Dongling^1,2, WANG Xiaokun², LI Guangyun¹

1. School of Navigation and Aerospace Engineering, Information Engineering University, Zhengzhou 450001, China;
2. School of Surveying and Geoinformatics, Shandong Jianzhu University, Jinan 250101, China

Received:2017-11-06 Revised:2018-02-08 Online:2018-06-25 Published:2018-07-07

摘要/Abstract

摘要： LiDAR点云数据存在数据量大、不易识别、不易处理的问题，为了解决上述问题，需要对点云数据进行分类处理。针对点云分类方法存在精度不高、处理过程复杂等难题，本文提出了一种基于高度差值的二次导数的建筑物、植被的点云分类方法，能够高效、准确地将各类点云分离。利用该方法分离点云数据，首先通过TerraSolid软件对原始LiDAR点云数据进行初步处理，去除噪点并提取出地表点云，然后利用规则建筑和不规则植被高度差异上的二次导数不同，提取出可能是建筑物或植被的点，并利用高斯偏差估计模型为建筑物、植被点的分类提供阈值，最后利用断点统计模型将建筑物、植被点云补充完整。为证明这种方法的可行性和有效性，使用Autzen_Stadium地区的LiDAR点云数据进行点云分类试验，结果表明，该方法具有可行性好、分类效果好、处理自动化等优势。

关键词: LiDAR点云数据, 点云数据分类, 高度差异, 建筑物, 植被

Abstract: LiDAR point cloud data has the problem of large data volume, not easy to be recognized and difficult to deal with. In order to solve the above problems,point cloud data needs classification and processing. Aiming at the problem that the accuracy of point cloud classification is not high and the complexity of the process is complicated,a new method of point cloud classification based on height difference is proposed,which is combined with TerraSolid software.Using the method to separate the point cloud data,the first step is to deal with the original LiDAR point cloud data by TerraSolid software to remove the noise and extract the surface point cloud,and then use the second derivative of regular building and irregular vegetation height difference to extract which may be the point of the building or vegetation,and use the Gaussian deviation estimation model to provide the threshold for the classification of the building and vegetation,and finally use the breakpoint statistical model to supplement the building and vegetation point cloud.In order to prove the feasibility and effectiveness of this method,the point cloud classification of LiDAR point cloud data in Autzen_Stadium region is used.The results show that the method has the advantages of good feasibility,good sorting effect and processing automation.

Key words: LiDAR point cloud data, point cloud data classification, elevation difference, building, vegetation

中图分类号:

P234.4

马东岭, 王晓坤, 李广云. 一种基于高度差异的点云数据分类方法[J]. 测绘通报, 2018, 0(6): 46-49.

MA Dongling, WANG Xiaokun, LI Guangyun. Research on the Classification Method of Point Cloud Based on Elevation Difference[J]. 测绘通报, 2018, 0(6): 46-49.

参考文献

[1] 杨必胜,梁福逊,黄荣刚.三维激光扫描点云数据处理研究进展、挑战与趋势[J].测绘学报,2017,46(10):1509-1516.
[2] 张蕊,李广云,李明磊,等.利用PCA-BP算法进行激光点云分类方法研究[J].测绘通报,2014(7):23-26.
[3] 张利明.机载激光雷达点云数据分类方法研究[D].成都:西南交通大学,2013.
[4] 唐菲菲,刘经南,张小红,等.基于机载LiDAR数据获取森林地区DTM新方法[J].武汉大学学报(信息科学版),2009,34(4):459-462.
[5] 刘峰,龚健雅.基于3D LiDAR数据的城区植被识别研究[J].地理与地理信息科学,2009(6):5-8.
[6] 刘婷,苏伟,王成,等.基于机载LiDAR数据的玉米叶面积指数反演[J].中国农业大学学报,2016,21(3):104-111.
[7] 童礼华,程亮,李满春,等.地面LiDAR数据中建筑轮廓和角点提取[J].中国图象图形学报,2013,18(7):876-883.
[8] 王刃,徐青,朱新慧.用多种策略从机载Lidar数据中提取建筑脚点[J].武汉大学学报(信息科学版),2008,33(7):688-691.
[9] 李亮,王成,李世华,等.基于机载LiDAR数据的建筑屋顶点云提取方法[J].中国科学院大学学报,2016,33(4):537-541.
[10] 陈性义,黄迟,倪标.融合LiDAR数据与航空影像的面向对象水体提取[J].测绘科学,2017,42(3):114-119.
[11] 王宗跃,马洪超,徐宏根,等.基于LiDAR点云数据的水体轮廓线提取方法研究[J].武汉大学学报(信息科学版),2010,35(4):432-435.
[12] 彭检贵,马洪超,高广,等.利用机载LiDAR点云数据提取城区道路[J].测绘通报,2012(9):16-19.
[13] 陈云,丁思磊,王铁军.基于TerraSolid软件的Lidar数据处理初探[J].测绘与空间地理信息,2009(4):40-42.
[14] 李莲芳,邵秋铭.基于Terrasolid软件的激光雷达点云数据处理[J].城市勘测,2013(5):67-70.
[15] 刘沛,李英成,薛艳丽,等.基于TerraSolid与Inpho的LiDAR数据处理方法分析与研究[J].遥感信息,2010(1):17-21.
[16] 羌云娟,吴侃,秦臻.基于三维TIN的非地面点云剔除方法研究[J].测绘工程,2011,20(2):43-45.

一种基于高度差异的点云数据分类方法

Research on the Classification Method of Point Cloud Based on Elevation Difference

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]	李茂林, 闫庆武, 仲晓雅. 一种复合型校正植被信息的方法[J]. 测绘通报, 2022, 0(6): 49-54142.
[2]	赵侃, 师芸, 牛敏杰. Google Earth Engine平台下秦岭地区植被覆盖时空变化分析[J]. 测绘通报, 2022, 0(5): 49-55.
[3]	张兴忆, 李佳田, 杨汝春, 陆大进, 张泽龙, 杨超. 端到端堆叠沙漏网络的遥感影像建筑物轮廓重构[J]. 测绘通报, 2022, 0(5): 67-73.
[4]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.
[5]	兰峰, 张帆, 高云龙, 黄先锋. 顾及地物类别的倾斜摄影三维模型简化方法[J]. 测绘通报, 2022, 0(4): 44-50.
[6]	王雪, 梁珂, 隋立春, 钟棉卿, 朱剑锋. 膨胀卷积与金字塔表达的深度学习模型用于农村建筑物提取[J]. 测绘通报, 2022, 0(4): 61-65.
[7]	王刚, 丁华祥. Sentinel-2A数据支持下的雷州半岛植被类型识别[J]. 测绘通报, 2022, 0(3): 76-82.
[8]	童矿, 宋洋, 孔祥芬. 机场净空区建筑物的识别与监测[J]. 测绘通报, 2022, 0(3): 127-131.
[9]	李少先. 利用双向布料模拟的机载建筑物点云提取[J]. 测绘通报, 2022, 0(3): 148-151.
[10]	王珍, 张涛, 丁乐乐, 潘宇明, 史芙蓉. 融合高度和光谱信息的倾斜摄影数据建筑物自动提取[J]. 测绘通报, 2022, 0(2): 10-15.
[11]	程滔, 管林杰, 郑新燕, 陶舒, 高崟. 基于色调饱和度亮度模型的可见光植被提取[J]. 测绘通报, 2022, 0(2): 116-120.
[12]	张自强, 刘涛, 杜萍, 锁旭宏, 杨国林. 图残差神经网络支持下的建筑物群组模式分类[J]. 测绘通报, 2022, 0(1): 1-7.
[13]	柳絮, 张宁, 徐晓天, 安超, 许士翔, 李程. 基于多源空间数据与空地协同的植被覆盖度估算——以东亚干草草原为例[J]. 测绘通报, 2022, 0(1): 39-43,55.
[14]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[15]	高智梅, 王竞雪, 沈昭宇. 机载LiDAR建筑物点云渐进提取算法[J]. 测绘通报, 2021, 0(8): 7-13,36.