一種點云場景物體提取方法
【技術領域】
[0001] 本發(fā)明屬于計算機圖形學和模式識別相結(jié)合的交叉學科技術領域，涉及一種點云 場景物體提取方法。
【背景技術】
[0002] 從點云場景中提取對象一直都是計算機圖形學和模式識別的一個重要研宄領域。 傳統(tǒng)的提取方法多是針對單一的對象進行提取，因此難以適用于包含復雜對象的點云場 景。
[0003] 由于點云數(shù)據(jù)的大范圍、大尺度以及海量性，場景中包含有豐富的對象，且對象特 征各異，再加上掃描場景時物體間存在遮擋，導致場景中的每個物體不可能得到多方位的 掃描，造成對象對應的點云數(shù)據(jù)不完整。這使得從點云場景的提取對象比較困難。
[0004] 在近幾年中，很多學者集中于研宄對象提取算法的研宄。根據(jù)輸入數(shù)據(jù)類型的不 同，現(xiàn)有的方法分為兩類：基于圖像的對象提取以及基于點云數(shù)據(jù)的對象提取。
[0005] ①基于圖像的對象提取
[0006] 圖像是一種比較容易獲得的數(shù)據(jù)類型，已經(jīng)有很多方法從地面拍攝圖像或者航空 拍攝的圖像提取對象。
[0007] Yang通過分析點云的空間分布特征（平面距離、高程差異和點密集程度等）確定 激光掃描點的權(quán)值，采用距離加權(quán)倒數(shù)IDW(Inverse Distance Weighted)內(nèi)插方法生成車 載激光掃描點云的特征圖像。然后，利用圖像分割、輪廓提取等圖像處理手段，與三維空間 幾何分析相結(jié)合的方法，完成對場景中建筑物、樹木的提取。Xiao提出一種從航拍圖像中提 取建筑物的方法，該方法通過檢測航拍圖像的邊界和高度信息提取建筑物，其中高度信息 是從密集圖像的匹配技術中提取的。王根據(jù)遙感影像的建筑物紋理區(qū)別于其它空間對象紋 理的特點，為提高影像分辨率，提出Gabor紋理塊的遙感影像對象模型方法應用于遙感影 像城鎮(zhèn)建筑物的提取，以整個城鎮(zhèn)為對象，以建筑物、道路、綠地等不同城鎮(zhèn)區(qū)域為組成對 象的紋理塊，建立基于紋理塊的對象模型，利用模型進行遙感影像對象的紋理標定，最終提 取出城鎮(zhèn)建筑物。于提出了一種彩色遙感圖像建筑物提取方法，該算法結(jié)合中性集和均值 偏移算法（Mean shift)，對轉(zhuǎn)換到中性集空間的影像進行均值偏移算法分割，生成以影像 中主要地物類型為核心的光譜類別圖像，提取建筑物。李在考慮建筑物光譜特征的基礎上， 建立了平行與垂直于目標建筑物主方向的各向異性鄰域，并采用基于各向異性馬爾可夫隨 機場的亞像元定位模型進行了亞像元尺度的建筑物提取。
[0008] ②基于點云數(shù)據(jù)的對象提取
[0009] Yao利用自適應Mean shift算法對機載激光掃描點云數(shù)據(jù)進行分割，然后提取每 一個分割簇的面積、平面性、垂直位置以及垂直高度差五個特征，利用支持向量機完成對場 景中運動汽車和靜止汽車的提取。Boyko提出了一種從規(guī)模非結(jié)構(gòu)化的三維點云城景中提 取道路的方法，該方法首先將二維地圖映射到給定的三維點云數(shù)據(jù)，完成路線圖注冊，然后 根據(jù)輸入地圖的拓撲和幾何產(chǎn)生大體相當完成點云的分割，接著構(gòu)造圖譜，通過提取道路 的邊界點完成道路的提取。方通過分析掃描線上激光點云的空間分布和統(tǒng)計特征，提出一 種適用于結(jié)構(gòu)化道路環(huán)境的道路點云自動提取方法。徐首先根據(jù)目標的幾何特征建立吉布 斯自由能變模型，通過目標的一致性建立該模型的數(shù)據(jù)項，通過目標的拓撲性質(zhì)等空間特 性建立該模型的先驗項，然后利用可逆跳轉(zhuǎn)馬爾可夫蒙特卡洛算法進行采樣，并采用模擬 退火算法進行優(yōu)化求解，實現(xiàn)建筑物目標和樹冠目標幾何對象的自動提取。Yang根據(jù)獲取 Gibbs能量模型的全局最優(yōu)解后，可以初步地從機載激光掃描數(shù)據(jù)中提取出建筑物目標，然 后利用建筑物目標的幾何屬性特征結(jié)合區(qū)域生長算法剔除錯誤提取的地面點、樹冠點、噪 聲點，對初步提取出的建筑物目標進行了精細化處理，最終從點云數(shù)據(jù)中精確的提取出每 個建筑物目標。
[0010]目前這些相關的方法多是針對場景中特定的對象（例如建筑物、道路等），或者是 針對包含對象較少的航空LiDAR數(shù)據(jù)。真實的城市場景中，往往包含多種復雜的對象，現(xiàn)有 的方法并不適用于地面點云數(shù)據(jù)。

【發(fā)明內(nèi)容】

[0011] 本發(fā)明的目的是提供一種點云場景物體提取方法，解決了現(xiàn)有技術僅能夠針對特 定對象進行提取或者從包含對象較少的航空LiDAR點云數(shù)據(jù)進行對象提取的問題。
[0012] 本發(fā)明所采用的技術方案是，一種點云場景物體提取方法，具體實施步驟為：
[0013] 步驟1、利用點云數(shù)據(jù)在高斯球上的分布情況，利用均值偏移算法利用均值偏移算 法對點云數(shù)據(jù)進行粗分割；
[0014] 步驟2、對步驟1中進行粗分割后的點云數(shù)據(jù)，采用基于距離的點聚類方法進行細 分割；
[0015] 步驟3、對步驟2中進行細分割后的點云數(shù)據(jù)利用高斯球的性質(zhì)及曲率信息進行 形狀識別；
[0016] 步驟4、對步驟3中進行形狀識別后的點云數(shù)據(jù)進行修正。
[0017] 本發(fā)明的特點還在于，
[0018] 步驟1中粗分割的具體實施步驟為：
[0019] 步驟1. 1、利用主元分析法計算點云的法向量
[0020] 點云中的任意一點p，找到點p的k個鄰近點·
【主權(quán)項】
1. 一種點云場景物體提取方法，其特征在于，具體實施步驟為： 步驟1、利用點云數(shù)據(jù)在高斯球上的分布情況，利用均值偏移算法對點云數(shù)據(jù)進行粗分 割； 步驟2、對步驟1中進行粗分割后的點云數(shù)據(jù)，采用基于距離的點聚類方法進行細分 割； 步驟3、對步驟2中進行細分割后的點云數(shù)據(jù)利用高斯球的性質(zhì)及曲率信息進行形狀 識別； 步驟4、對步驟3中進行形狀識別后的點云數(shù)據(jù)進行修正。
2. 根據(jù)權(quán)利要求1所述的一種點云場景物體提取方法，其特征在于，所述步驟1中粗分 割的具體實施步驟為： 步驟1. 1、利用主元分析法計算點云的法向量 點云中的任意一點P，找到點P的k個鄰近點fppp2，…，P/j匚脫3,點P的三階 協(xié)方差矩陣M為：
其中，戶為點