矿区地表彩色点云的自动分类

doi:10.13474/j.cnki.11-2246.2020.0145

测绘通报 ›› 2020, Vol. 0 ›› Issue (5): 55-58.doi: 10.13474/j.cnki.11-2246.2020.0145

矿区地表彩色点云的自动分类

蔡来良¹, 宋德云¹, 魏峰远¹, 薛渊², 舒前进³

1. 河南理工大学, 河南焦作 454150;
2. 山西晋煤集团坪上煤业有限公司, 山西晋城 048000;
3. 中国矿业大学, 江苏徐州 221116

收稿日期:2019-10-31 修回日期:2020-01-03 出版日期:2020-05-25 发布日期:2020-06-02
作者简介:蔡来良(1983-),男,博士,讲师,主要研究方向为开采沉陷、点云处理。E-mail:cll@hpu.edu.cn
基金资助:
国家自然科学基金（41701597；U1810203）；中国博士后科学基金（2018M642746）

Color point cloud classification of mine surface

CAI Lailiang¹, SONG Deyun¹, WEI Fengyuan¹, XUE Yuan², SHU Qianjin³

1. School of Surveying and Land Information Engineering, Jiaozuo 454150, China;
2. Shanxi Jinmei Group Pingshang Coal Industry Co., Ltd., Jincheng 048000, China;
3. College of Mechanics and Civil Engineering, Xuzhou 221116, China

Received:2019-10-31 Revised:2020-01-03 Online:2020-05-25 Published:2020-06-02

摘要/Abstract

摘要： 以矿区的彩色三维激光点云数据为研究对象，提出了矿区点云快速自动分类及目标提取的方法。首先根据彩色点云的RGB值计算HSV空间中的H值，根据各地物间H值的差异，分别对地面点与非地面点根据地物颜色先验值进行点的提取。然后对提取的点进行聚类计算，利用各类地物点云在空间分布上的显著差异，采用分层截面投影，由投影点最小包围盒的长宽比及面积比对矿区地物点云进行自动分类与提取。最后以Riegl VZ-1000扫描仪采集的某矿区地表点云数据为试验对象，验证本文算法的可行性和实用性。

关键词: 地面激光扫描技术, RGB, HSV, 点云分类, 分层截面

Abstract: Taking the color 3D laser point cloud data of the mining area as the research object, a fast automatic classification and target extraction method for the point cloud of the mining area is proposed. Firstly, the H value in HSV space is calculated according to the RGB value of color point cloud. According to the difference of H value among different objects, the points of ground point and non ground point are extracted according to the prior value of ground object color. Then, the extracted points are clustered and calculated. Using the significant difference in spatial distribution of all kinds of ground object point clouds, layered cross-section projection is adopted, and the ratio of length to width of the minimum bounding box of projection points is used In this paper. Finally the RIEGL vz-1000 scanner is used as the experimental object to verify the feasibility and practicability of this algorithm.

Key words: ground laser scanning technology, RGB, HSV, point cloud classification, stratified section

中图分类号:

P234

蔡来良, 宋德云, 魏峰远, 薛渊, 舒前进. 矿区地表彩色点云的自动分类[J]. 测绘通报, 2020, 0(5): 55-58.

CAI Lailiang, SONG Deyun, WEI Fengyuan, XUE Yuan, SHU Qianjin. Color point cloud classification of mine surface[J]. Bulletin of Surveying and Mapping, 2020, 0(5): 55-58.

参考文献

[1] 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.
[2] 左志权,张祖勋,张剑清. 区域回波比率与拓扑识别模型结合的城区激光雷达点云分类方法[J]. 中国激光, 2012,39(4):189-194.
[3] 郭波,黄先锋,张帆,等. 顾及空间上下文关系的JointBoost点云分类及特征降维[J]. 测绘学报, 2013,42(5):715-721.
[4] ZHANG X Y, DU S H, WANG Y C. Semantic classification of heterogeneous urban scenes using intrascene feature similarity and interscene semantic dependency[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(5):2005-2014.
[5] 杨必胜,魏征,李清泉,等. 面向车载激光扫描点云快速分类的点云特征图像生成方法[J]. 测绘学报, 2010, 39(5):540-545.
[6] CHARANIYA A P, MANDUCHI R, LODHA S K. Super-vised parametric classification of aerial LiDAR data[C]//Proceedings of Computer Vision and Pattern Recognition Workshop. Washington:IEEE, 2004.
[7] 李海亭,肖建华,李艳红,等. 机器学习在车载激光点云分类中的应用研究[J]. 华中师范大学学报(自然科学版), 2015,45(3):460-464.
[8] 田巍,庄镇泉. 基于HSV色彩空间的自适应肤色检测[J]. 计算机工程与应用, 2004,40(14):81-85.
[9] 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.
[10] 刘明君,董增寿,邵贵成. 基于改进的四叉树分解多聚焦图像融合算法研究[J]. 科技通报, 2019, 35(4):152-156.
[11] 李明磊,李广云,王力,等. 采用八叉树体素生长的点云平面提取[J]. 光学精密工程, 2018, 26(1):172-183.
[12] 张蕊,李广云,王力,等. 车载LiDAR点云混合索引新方法[J]. 武汉大学学报(信息科学版), 2018, 43(7):993-999.
[13] 杨建思. 一种四叉树与KD树结合的海量机载LiDAR数据组织管理方法[J]. 武汉大学学报(信息科学版), 2014, 39(8):918-922.
[14] 朱清海. 一种基于八叉树车载激光点云的杆式地物批量提取方法[J]. 测绘通报, 2019(S2):110-111.
[15] 董亚涵,李永强,孙渡,等. 基于车载LiDAR数据的行道树信息提取与动态分析[J]. 地理与地理信息科学, 2018, 34(4):46-51,82.
[16] ZHANG W M, Qi J B, PENG W, et al. An easy-to-use airborne LiDAR data filtering method based on cloth simulation[J]. Remote Sensing, 2016, 8(6):501.

矿区地表彩色点云的自动分类

Color point cloud classification of mine surface

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]	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.
[2]	孙艺珊, 李晓洁, 赵凯. 改进LBP和HSV颜色直方图相结合的地表状态识别[J]. 测绘通报, 2020, 0(2): 29-36,71.
[3]	张立, 宋莉. 三维激光扫描技术在建筑立面测绘中的应用[J]. 测绘通报, 2019, 0(9): 152-154.
[4]	文学东, 李俊峰, 林昀. 机载LiDAR在高精度滩涂DEM制作中的关键技术分析[J]. 测绘通报, 2019, 0(6): 92-95.
[5]	王志明, 李锁乐. 机载LiDAR技术支持下的荒漠地区1:10 000地形图测绘与研究——以内蒙古阿拉善地区为例[J]. 测绘通报, 2019, 0(4): 91-95.
[6]	蔡来良, 王姗姗, 袁广林, 谷淑丹, 宋德云. 一种利用水平截面法分析高压线塔倾斜度的误差模型[J]. 测绘通报, 2018, 0(5): 71-76.
[7]	焦金龙, 卢小平. 顾及道路约束条件的动态目标检测与跟踪方法[J]. 测绘通报, 2017, 0(5): 47-50.
[8]	李伯进. 基于UASMaster的影像匹配点云分类的应用分析[J]. 测绘通报, 2017, 0(12): 144-145.
[9]	许晓东, 陈国良, 李晓园, 周文振, 杜珊珊. 一种采用图像特征匹配技术的RGB-D SLAM算法[J]. 测绘通报, 2017, 0(10): 48-51.
[10]	位明露, 詹总谦. 一种改进的航空遥感影像阴影自动检测方法[J]. 测绘通报, 2016, 0(6): 14-17.
[11]	林鸿, 欧海平, 王峰. 地面激光扫描技术在建筑变形测量中的应用探讨[J]. 测绘通报, 2016, 0(6): 73-76.
[12]	段佳, 孙敬宇, 刘海飞, 胡娈运, 华建新. 利用机载激光三维点云构建张家界地貌DEM[J]. 测绘通报, 2015, 0(10): 107-109,113.
[13]	张蕊李广云李明磊王石岩. 利用PCA-BP算法进行激光点云分类方法研究[J]. 测绘通报, 2014, 0(7): 23-26.
[14]	赵显富胡晓雯赵轩. 一种基于彩色模型的遥感影像阴影检测方法[J]. 测绘通报, 2014, 0(5): 20-22.
[15]	杨可明钱小丽王林伟刘士文孙阳阳. 结合HSV和小波包变换的高光谱影像融合及信息识别研究[J]. 测绘通报, 2014, 0(5): 11-15.