[发明专利]基于LiDAR点云数据的城市高精度三维地形构建方法及系统

权利要求书

1.一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：基于LiDAR所得三维点云实现城市三维地形构建，实现方式包括以下步骤：

步骤1，建立城市场景下的三维点云语义分割分类体系和标注样本库，所述三维点云语义分割分类体系设置多种语义类别，包括自然地表、人工地表和其他类别；

步骤2，建立城市场景下的三维点云混合尺度体素块，包括将标注样本库的三维点云数据和城市场景下待建模区域的三维点云数据进行混合尺度格网化处理，依据高斯模型确定多个混合尺度，按照不同尺度的格网边长划分体素，并标注每个体素块内的点密度信息；

步骤3，实现三维点云的特征学习，包括对于标注样本库中的三维点云，针对步骤2划分的多个混合尺度，使用多个权值共享的三维卷积网络，将三维点云的细节结构和周围地表背景信息融合，得到三维点云的混合尺度特征向量；

步骤4，实现三维点云的语义要素分割，包括训练特征学习网络，通过训练的结果对待建模区域的三维点云的各个点所属类别进行推理预测；

步骤5，实现语义几何共生约束的地表点插值，包括根据步骤4预测的点云类别信息，取自然地表和人工地表两类点作为地表点；进行几何语义共生约束的插值，弥补应滤除的非地表点造成的空洞；

步骤6，构建城市三维地形模型，包括根据步骤5所得结果使用Delaunay三角网的规则构建三维地表模型。

2.根据权利要求1所述一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：步骤2的实现过程包括以下子步骤，

步骤2.1，对于所有给定的三维点云中的任意点P，以点P为中心点建立邻域立方体；

步骤2.2，建立点云数据的物方空间坐标系；

步骤2.3，基于高斯模型划分混合尺度体素，设置不同大小的体素边长r₁，r₂，...，r_S，满足r_i＜r_i+1，i＝1，2，...，S-1，其中S为混合尺度的个数；体素边长由高斯分布公式决定，计算方式如下，

其中，(x₀，y₀，z₀)为邻域立方体中心点坐标，(x_i，y_i，z_i)为第i个尺度的格网的边界坐标；λ表示缩放因子，e为自然常数；

步骤2.4，体素内点密度标注。

3.根据权利要求2所述一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：步骤3的实现过程包括以下子步骤，

步骤3.1，将第s尺度上体素化后的点云邻域块记录为V_S，s∈1，2，...，S；

步骤3.2，利用步骤2.4得到的体素标注作为初始特征，对于每个尺度s，采用卷积网络Fs实现特征学习；所述卷积网络Fs由多层三维卷积变换和非线性激活函数构成，将三维点云映射到特征空间；综合每层输出得到最终第s尺度上Fs的最终输出特征向量；

步骤3.3，将三维点云的各点在第s尺度上的特征向量进行融合，最终构成混合尺度特征向量

4.根据权利要求3所述一种基于LiDAR点云数据的城市高精度三维地形构建方法，其特征在于：步骤4的实现过程包括以下子步骤，

步骤4.1，以步骤1得到的标注样本库为训练样本，根据步骤3.3得到的混合尺度特征向量训练语义要素分割网络；

步骤4.2，根据步骤4.1的网络训练结果，对待建模区域三维点云的各个点所属类别进行推理预测。