[发明专利]机载激光雷达点云中建筑物点分类扩张方法和系统

说明书

本发明公开了一种机载激光雷达点云中建筑物点分类扩张方法及系统，其中建筑物点分类扩张方法包括：1、获取对测区机载激光雷达点云初步分类的结果；2、采用三维欧几里得聚类对建筑物类点云数据C₁进行聚类；3、设置建筑物点扩张候选点集；对建筑物点扩张候选点集构建索引；4、对每个建筑物点聚类分别计算在XY平面上的边界和空间包容盒；5、依次对N₁个建筑物点聚类做第一类分类扩张；6、依次对N₁个建筑物点聚类做第二类分类扩张。该方法针对现有技术中对机载LiDAR点云中的建筑物点自动分类的分类不完全问题，对未成功分类的点重新分类。

技术领域

本发明属于机载激光雷达点云数据处理领域，尤其涉及一种从机载激光雷达点云中对分类不完全的建筑物点进行分类扩张，使得建筑物点提取更完全的方法。

背景技术

机载LiDAR(Light Detection And Ranging，激光雷达)是当前测绘领域效率最高、发展最快的大面积测绘手段之一。通过使用激光器发射和接收高能激光脉冲来测距，GNSS(Global Navigation Satellite System，全球导航卫星系统)接收机给出激光器实时位置，INS(Inertial Navigation System，惯性导航系统)给出激光器实时三维姿态，可利用向量公式和坐标转换计算出散射面的三维坐标。借助机械扫描装置，机载LiDAR可以实现大面积面状测量。目前，机载LiDAR的发射频率普遍高达数百KHZ以上乃至2000KHZ。这意味着，在不考虑多回波和无回波的情况下，一秒钟激光雷达可采集数十万乃至数百万点。因此，机载LiDAR可以在短时间内获得海量的点，称为点云。

经过初步处理的机载LiDAR点云中，除点坐标外，还提供的点属性包括回波强度、第几次回波、数据采集时间等。但是，缺乏语义信息，不能给出激光脉冲打到的散射面的物理性质，不知道测量是地面、建筑物还是植被、鸟等。而在构建DEM(Digital ElevationModel，数字高程模型)时必须采用位于地面上的点，在构建三维建筑物模型时必须采用位于建筑物上的点，在进行森林制图时必须采用位于树木上的点。所以，对点云进行分类，确定点位于哪种基本地物类型上，是机载LiDAR数据处理中最重要的基础工作之一。

针对不同类型的地物，研究人员提出了不同的自动分类方法，很多可以取得良好的提取率。但是，所有的分类方法都不是完美的，一般存在一些错分和漏分的情况，只是比例有高有低。造成这些问题的原因多种多样。一个常见的原因是算法依赖于参数或阈值，参数或阈值取得不好会造成分类结果不理想。另外一个重要原因是数据不符合算法的假设。一个明显的例子是建筑物屋顶提取，在大部分建筑物点提取算法中，经常假设屋顶由平面构成，通过提取离地够高的平面点云作为屋顶点。但是，这种假设并不总是可靠的。屋顶的形状多种多样，并不一定能用平面近似拟合；屋顶上的一些附属结构，如花盆、热水器、晾衣架、女儿墙等在点云中并不明显地落在屋顶平面上，体现为平面的外点或噪声点等。目前常用的算法往往会造成屋顶非平面部分未被提取，以及屋顶上的部分点，包括位于屋顶内部的点(如落在热水器、晾衣架、花盆等上的点)和屋顶边缘的点(如女儿墙上的点)，未被成功分为屋顶点。这些问题在本申请中被统称为点云分类不完全问题。在主流的机载LiDAR处理软件，如Terrasolid、LiDAR-DP的处理结果中，这些问题表现的很明显。如果后续采用人工进行分类会造成很大的工作量。在现有的文献中，对分类不完全问题还没有解决方案。

发明内容

发明目的：针对现有技术中对机载LiDAR点云中的建筑物点自动分类的分类不完全问题，本发明提供了一种机载激光雷达点云中建筑物点分类扩张方法，对未成功分类的点重新分类。

技术方案：本发明一方面公开了一种机载激光雷达点云中建筑物点分类扩张方法，包括：

(1)获取对测区机载激光雷达点云初步分类的结果，所述结果包括：建筑物类点云数据C₁，其他类点云数据C₀；