[发明专利]基于分层多回波的点云分割方法、装置、存储介质及设备

权利要求书

1.一种基于分层多回波的点云分割方法，其特征在于，所述方法包括：

根据多回波点云数据的分布形式构建对应的分层结构模型；

提取所述分层结构模型每一层结构中各个点的节点特征参数；

根据所述分层结构模型每一层结构中各个点的节点特征参数以及各个点所属的层结构之间的相邻关系，计算每一层结构中各个点的高阶特征参数；

获取与当前层结构中各个待优化点具有相邻关系的属于当前层结构的上层结构中的点，所述相邻关系包括直接相邻或跨层相邻；

分别将不同层结构中的与当前层结构中待优化点具有相邻关系的点的高阶特征参数进行最大池化，得到基于层结构排列的序列特征；

对所述序列特征进行特征提取，得到待优化点的优化特征，并根据所述优化特征对所述待优化点的高阶特征参数进行优化；

采用预设的深度学习分类模型对各个点的优化后的高阶特征参数进行分类学习，基于分类学习结果实现多回波点云数据的点云分割。

2.根据权利要求1所述的方法，其特征在于，所述根据多回波点云数据的分布形式构建对应的分层结构模型，包括：

获取多回波点云数据中每一点的回波类型；

将回波类型为第一回波类型的点划分为第一层结构，所述第一回波类型的点为第一次回波数据中的点；

根据预设的邻区划分参数获取所述第一层结构中各个点的邻区，将所述第一层结构中各个点的邻区中的未划分的点划分为第二层结构；

根据预设的邻区划分参数获取所述第二层结构中各个点的邻区，将所述第二层结构中各个点的邻区中的未划分的点划分为第三层结构；

依次执行上述层结构划分操作，直到所述多回波点云数据中每一点均划分到对应层结构。

3.根据权利要求1所述的方法，其特征在于，所述根据所述分层结构模型每一层结构中各个点的节点特征参数以及各个点所属的层结构之间的相邻关系，计算每一层结构中各个点的高阶特征参数，包括：

根据所述分层结构模型中各个点的节点特征参数，计算各个点与满足预设的邻区划分参数的相邻点的节点特征参数的特征比较结果；

根据所述分层结构模型的第一层结构中各个点的节点特征参数，计算第一层结构中各个点的高阶特征参数；

根据所述第一层结构中各个点的高阶特征参数以及所述第一层结构中各个点与相邻点之间的特征比较结果，计算各个相邻点的高阶特征参数；

依次执行上述根据上层结构中各个点的高阶特征参数计算相邻点的高阶特征参数的操作，直到得到所述多回波点云数据中每一点的高阶特征参数。

4.根据权利要求3所述的方法，其特征在于，所述根据所述第一层结构中各个点的高阶特征参数以及所述第一层结构中各个点与相邻点之间的特征比较结果，计算各个相邻点的高阶特征参数，包括：

采用多层感知机算法根据所述第一层结构中各个点与相邻点之间的特征比较结果生成对应的相邻点的滤波权重方阵；

将所述第一层结构中各个点的高阶特征参数分别与对应的相邻点的滤波权重方阵相乘，得到对应的相邻点的高阶特征参数。

5.根据权利要求1所述的方法，其特征在于，在所述根据多回波点云数据的分布形式构建对应的分层结构模型之前，所述方法还包括：

根据所述多回波点云数据对应的影像数据的色彩分布分别对所述多回波点云数据中各个点进行颜色赋值。

6.根据权利要求1所述的方法，其特征在于，所述节点特征参数包括空间位置特征、几何特征、高程特征、颜色特征和反射强度；

其中，空间位置特征具体包括空间x、y和z坐标特征；

几何特征具体包括线条性、平面性、发散性和垂直性特征；

颜色特征具体包括r、g和b参数特征。