[发明专利]基于特征选择的全波形机载激光雷达地物分类方法及系统

说明书

本发明涉及一种基于ReliefF特征选择的全波形机载激光雷达地物分类方法。该方法包括：对机载激光雷达全波形数据进行高斯分解，获取回波参数并使用LM算法进行优化；基于不同几何邻域提取机载激光雷达数据点云特征，利用优化后的回波参数提取全波形数据的波形特征；将机载激光雷达数据中的点云特征和全波形数据的波形特征相融合，使用ReliefF算法对各特征在分类时的重要性进行评价；进行特征选择，分析多种特征组合对不同地物分类效果的影响，利用随机森林分类器进行地物分类。本发明利用机载激光雷达点云数据与全波形数据，通过特征提取与选择找到分类的最优特征组合，从而达到实现高精度地物多分类的目的。

技术领域

本发明涉及一种机载激光雷达地物分类方法及系统，属于机载激光雷达技术领域，具体是涉及一种基于特征选择的全波形机载激光雷达地物分类方法。

背景技术

机载激光雷达(Airborne LiDAR System,ALS)是一种集成了高精度惯性测量单元(Inertial Measurement Unit,IMU)、全球定位导航系统(Global Positioning System，GPS)以及激光扫描测距系统组成的主动对地观测系统，可以通过量测激光脉冲在空气中传播的时间来获取扫描仪与激光脚点之间的距离，在森林参数估计、三维城市建模、提取电力线和数字地面模型生成等方面应用广泛。近年来，由于ALS具有受天气影响小、作业周期快、时效性强、穿透性等诸多优点，正日益成为遥感数据采集技术的一种重要方式。

然而，传统的机载激光雷达只能提供离散三维点云数据和回波强度信息，这些有限的信息使得地物分类的精度受到很大的制约。通过多源数据融合的方法来弥补点云物理信息的缺乏是目前常用的解决方法，但是这种方法又带来了对数据完备性要求过高的问题。

目前，随着全波形LiDAR观测技术的发展，全波形LiDAR数据的获取，为弥补传统机载激光雷达点云数据物理信息的不足，提高地物分类精度提供了新的可能。与传统的机载激光LiDAR系统相比，全波形LiDAR系统具有两点优势：(1)全波形LiDAR系统接收的回波信号包含更加全面的地面几何信息。这意味在同一个光斑内，全波形LiDAR数据比传统LiDAR数据能够更详细地描述目标地物的粗糙度、水平分布和垂直结构等信息(尤其在林区)。(2)全波形数据经过波形分解以后可以得到更丰富的高密度、高精度三维点云数据。

全波形数据分解的基本目的是实现从一维信号到三维点数据的转化，即根据一维波形信号获取三维地形信息。采用高斯分解方法可以提取额外波形信息(脉冲宽度和振幅等)，获得的波形参数不仅使波形数据处理精度更高，而能反映地物特性。可见，通过利用全波形机载激光雷达数据，可以对地物进行更加细致的描述，提供丰富的信息，对地物分类有着极其重要的意义。

现有技术中利用全波形机载激光雷达数据进行地物分类的方法仍存在以下两点不足：(1)应用范围小，目前在国内外已有的案例中大多将全波形数据应用于林地区域，但对于城市区域多目标分类问题仍没有一种可以达到生产需求的有效处理方法。(2)计算消耗大，加入波形特征后导致特征空间的维度显著增加，使得分类算法的运算复杂度较高，其对于有限面积的城市区域仍然适用，但是对于大范围的野外林区则将会产生巨大的计算消耗。

发明内容

鉴于此，为克服现有技术的不足，针对现有地物分类精度受限及全波形数据处理中存在应用范围小、计算消耗大的问题，本发明提供一种基于特征选择的全波形机载激光雷达地物分类方法及系统，该方法及系统有效提高机载激光雷达数据点自动分类精度，能够为环境监测、地质调查、农业勘测以及城乡规划等领域提供高质量的基础数据。

为实现上述目的，本发明公开一种基于ReliefF特征选择的全波形机载LiDAR地物分类方法，包括以下步骤：

步骤一、全波形机载激光雷达的准备和安装，以及机载激光雷达数据的生成；

步骤二、获取全波形机载激光雷达数据后进行预处理，去除噪声影响。