当前位置: >新闻资讯>行业新闻 >浅析倾斜摄影测量点云监督分类方法
联系我们
飞燕航空遥感技术有限公司

电话:025-83216189

邮编:210008

邮箱:marketing@feiyantech.com

公司地址:南京市秦淮区太平南路450号斯亚财富中心803/804

浅析倾斜摄影测量点云监督分类方法

分享到:
0
2019-05-31

有一种数据可以应用于城市建设和规划、环境保护、三维城市建模、地图更新、林业勘测等,这类数据也就是我们常说的点云数据。机载激光雷达技术和影像密集匹配技术的发展,使得获取高精度、高密度的三维点云数据更加便捷。

 

另外,倾斜航空摄影技术在近年来的飞迅发展,通过密集匹配方法从多角度航空倾斜影像中获取具有立面信息的高密度点云,被称为倾斜摄影测量点云。然而,这些点云数据并不具备语义信息,点云分类成为点云应用的关键所在,高精度的点云分类具有极大的研究价值和现实意义。

 

目前,针对激光点云分类的方法较多,但和倾斜航空摄影技术相比,激光雷达技术扫描事获取建筑物立面的点较少,所以倾斜摄影测量点云的应用有着广泛的需求,有学者提出一种面向对象的倾斜摄影测量点云监督分类方法。

 

由于在监督分类方法中,随机森林算法和 SVM 分类精度相当,且在计算效率、对异常值和噪声的鲁棒性、内部误差估计和变量重要性等方面具有优越性,因此本文采用随机森林分类器进行分类。根据目标对象的颜色和几何等特征将点云分成屋顶、地面、植被和立面 4 类。

 

文分方法用的特征如下:

1)法向量nxnynz的法向量定义为k域内的行最小二乘以和平面向量

2)颜色信息BGR其值别为影像每个像素蓝光绿光红光3DN,在影像密集匹配直接

3)Nz用文HuH,DingYL,ZhuQ,et...)方法分离地面点并字地形模型(digitalterrainmodelDTM),然后每点减去DTM的对度以取归

4)绿信比Gr由于植被区绿光波段DN般比红光蓝光波段DN高,绿信比来区植被8Gr=G/(R+G+B)。

5)局部拟平面垂直度fv假设平面程为ax+by+cz+d=0,式:xyz为点坐标;abcd为平面拟合方那么fv定义为fv(pi)=|c|,式pii个点fv取值范围为(01),当拟平面接近于铅垂面时,fv值趋近于1

6)局部平面拟fp常情况下建筑物屋顶比较规则多由平面组成,而植被区表面规则平面拟度可以作为类特征

图片1.png

 

:n为邻;djj个邻点到平面距离计算平面拟时,用一定邻域内的点拟合一个平面然后计算所该平面点到该平面距离幂作为fpfp取值范围为(01),局部邻越接近于平面fp值越小

1.2对象分割与特征计算

用的点云软件生成的密集点云张影像个点云并采用间的方法获得点云即首先利线性迭代聚类(SLIC)将点云影像超像素该算仅需指定超像素的数m;然后共线程将点云投影到影像;再根超像素将点云聚类成不超体素作为的对

 

在获点云据对象中所包含的单特征向量公式计算特征向量

图片2.png 

:fo表示特征向量;fl表示l特征向量;N表示象中包含的单

 

1.3随机森林算法

随机森林算Breiman2001提出该算法的基本思想是用随机的方式建立个森林森林中含很多策树棵树都二叉树森林当输入新样本时,每棵策树便会行判断然后根有的判断结选出票最多作为最终的分类结

待处理点云数据,首先选取4个类别(建筑物屋顶地面植被建筑物立面)的少量样本数据,然后选取20%样本作为训练数据,剩余样本作为测试数据

这里将将点云特征构成的10维特征向量直接输入到随机森林,在训练器之测试数据评价类正确由于的数对分类结果有较大影响测试了不的分类效果,然后选择效较好的分器对待处理点云(即总体数据)进


1.4后处理优化

初始分类结果中不可避免地存在错误分类,因此进一步利用上下文关系对初始分类结果进行优化。

首先,对分类结果进行联通分析,将具有邻接关系的同类点云聚成簇;然后,根据上下文关系对其进行优化处理,具体包括以下3个规则:

①对于屋顶簇,如果屋顶周围没有立面,则认为该屋顶是错分的,根据其邻域中所占比例最高的类别来修正其类别;

②对于地面簇,如果地面的周围只有屋顶,则将该地面修正为屋顶;

③对于立面簇,如果立面周围没有屋顶,则该立面是错分的,根据其邻域中所占比例最高的类别来修正其类别。

 

版权声明:文章来源于网络,登载此文出于传递更多信息之目的,版权归原作者及刊载媒体所有,如本文中图片或文字侵犯您的权益,请联系我们。


猜你喜欢:

激光Lidar 点云到DOM制作需历经几步?

深度迁移学习与高光谱遥感图像不期而遇后?


上一篇 返回列表 最后一篇了