一種電力走廊機載LiDAR點云數據的地物分類方法
【技術領域】
[0001] 本發明涉及機載LiDAR點云數據處理領域；特別涉及一種電力走廊機載LiDAR點 云數據的地物分類方法。
【背景技術】
[0002] 傳統的電力走廊巡檢一般依靠人眼的目視判讀，除了耗費大量人力物力外，所獲 取的數據精度也不高，而且對于復雜地形，車輛、人力難以到達，給電力走廊巡檢帶來較大 困難。而采用直升機搭載數碼相機、紅外攝像儀等設備，所獲取的數據缺乏三維信息，并不 能準確地判斷電力走廊的地物狀態信息。而機載LiDAR(Light Detection and Ranging) 系統可以快速獲取地面場景的三維空間信息，具有高效率、低損耗、高精度的特點，因此近 年來開始較多地用于電力走廊巡檢中。
[0003]目前利用機載LiDAR對電力走廊進行巡檢，所獲取的LiDAR點云數據大多對電 力設施（包括電線和電塔）進行三維建模。而機載LiDAR系統獲取的點云數據中不僅包 含電力設施信息，還包括電力走廊內的其他地物信息，包括植被、建筑等。如果僅關注電 力設施點云，使得LiDAR點云數據的利用效率大大降低。2012年7月18日公開的公開號 CN102590823A的發明專利申請《一種機載LIDAR數據電力線快速提取及重構方法》中公開 了一種基于點云高程閾值濾波以及密度濾波的方法，從LiDAR點云中提取出電力線和電塔 點云，然后對點云進行分層擬合得到單根電力線矢量，實現了多個跨度間的電力線自動提 取和電塔提取。2013年1月16日公開的公開號為CN102879788A的發明專利申請《一種基 于機載LiDAR數據的輸電線路的電力線提取方法》中公開了一種基于對橫截面采樣點云聚 類的電力線束中心進行擬合的電力線提取方法，對擬合后的中心線進行復制和偏移得到同 塔多回路電線。2013年11月27日公開的公開號為CN103412296A的發明專利申請《無序 激光點云數據中自動提取電力塔方法》中公開了一種利用LiDAR點云進行電塔提取的方法。 這些技術均是利用機載LiDAR點云數據進行電力走廊中電力線或電塔的提取與重建，忽視 了非電力設施點云中所包含的大量有用信息。
【發明內容】
[0004] 本發明為了解決現有技術對電力走廊內機載LiDAR點云數據僅限于對電力線的 提取，使所包含的信息利用不足的問題，因此提出了一種電力走廊機載LiDAR點云數據的 地物分類方法。
[0005] 機載LiDAR系統由GPS定位系統、INS慣性導航系統以及激光掃描測距系統三個 分系統組成。其中，GPS定位系統實現對機載平臺的定位；INS慣性導航系統測量平臺的姿 態信息，包括翻滾角、俯仰角和方位角；激光掃描測距系統記錄激光的掃描角度以及飛行時 間，通過測量飛行時間得到地物點距激光接收裝置的距離。具體步驟如下：
[0006] 步驟一、獲取LiDAR點云數據，將LiDAR點云數據進行三維可視化顯示，設定高程 閾值去除粗差點；
[0007] 步驟二、對LiDAR點云數據進行特征提取與特征處理；
[0008] 步驟三、從LiDAR點云數據中隨機選擇有標簽樣本；
[0009] 步驟四、利用有標簽樣本通過分類器即k近鄰準則分類方法對LiDAR點云數據待 分類樣本進行分類，獲得電力設施、植被、建筑物、地表點云數據；
[0010] 步驟1、計算待分類樣本和所有有標簽樣本的歐式空間距離
y表示待分類樣本，X1表示有標簽樣本，n i表示第i類有標簽 樣本的數量；
[0011] 步驟2、根據k近鄰準則將待分類樣本進行分類，將待分類樣本與有標簽樣本距離 最小的分為一類，即待分類樣本的k個最近鄰有標簽樣本中第i類的樣本數量為Hl1,則類別 標簽 ω = argmaxmi〇
[0012] 其中步驟一具體過程為：
[0013] 步驟一一、利用MATLAB軟件將點云數據讀取到工作區，并進行可視化顯示；
[0014] 步驟一二、根據不低于地面，不高于場景內最高的地物目標點，確定地物目標點存 在的高程區間[L，H]，其中L表示高程閾值最低點，H表示高程閾值最高點，將高程閾值小于 L和高程閾值大于H的點剔除掉。
[0015] 步驟二具體過程為：
[0016] 步驟二一、提取單點特征；
[0017] 步驟二二、提取鄰域特征；
[0018] 步驟二三、特征歸一化及特征選擇。
[0019] 步驟二一一、將LiDAR點云中的高度、強度、回波次數、回波位置信息均作為當前 點的一個特征；
[0020] 步驟二一二、將LiDAR點云進行分塊，選取每塊中的最低點作為地面點進行地表 模型擬合，將原始點云高度減去地表高度得到點的相對高度信息作為一個特征；將相對高 度小于Im的點設定為地面點。
[0021] 步驟二二一、計算點云中兩點之間距離，找出與當前點P。距離最近的k個點構成 其近鄰點集{Pj, i = 1，2,. . .，k，每點的空間三維坐標用向量表示為Pi= (X ;，y;，Zi)T;其 中，Pi表示第i個近鄰點向量，X i, Yi, Zi表示空間三維坐標，T表示轉置。
[0022] 步驟二二二、計算每個點集中所有點三維坐標的協方差矩陣
，.戶表示k個近鄰點平均值，P。表示當前點；求 解出Σ的三個特征值λ A λ 2> λ 3及其對應的三個特征向量V v2, v3。
[0023] 將特征值作為當前點的三個特征，在特征值基礎上定義其他特征量：
[0024] CN 105184250 A 說明書 3/7 頁
[0025] 假設法向量為V3= (v31, V32, V33)\則夾角為
將夾角角 度信息作為當前點的一個特征。
[0026] 步驟二二三、計算鄰域內點的高度方差、強度方差、角度方差，作為當前點的三個 特征；
[0027] 步驟二二四、查找鄰域點集中距離最遠的點，根據以此最遠距離作為半徑的球體 體積計算鄰域點集的點密度特征。
[0028] 步驟二三一、所提取的特征點云數據，利用公式f = (f-min) / (max-min)， f e [0, 1]，其中max為特征f的最大值，min為特征f的最小值；
[0029] 步驟二三二、經歸一化后的特征數值集中在0或1附近，動態范圍較小；而經歸一 化后的剩余特征數值分布較離散，動態范圍較大，則通過y = In (x+1)或者y = ex+1對動態 范圍進行調整。
[0030] 步驟三具體過程為：
[0031] 步驟三一、通過確定某點或某點集的類別信息，將其添加到對應的有標簽樣本集 合中；
[0032] 步驟三二、所選有標簽樣本應均勻分布且分類后的各類樣本數相等。
[0033] 本發明有益效果：
[0034] 本發明解決了現有技術電力走廊場景機載LiDAR點云數據處理技術不能得到合 理利用，以電力走廊區域機載LiDAR點云數據為研究對象，提出了一種新的電力走廊機載 LiDAR點云數據的地物分類方法。通過機載LiDAR點云數據的獲取；點云數據粗差點去除； 點云數據特征提取與處理，其中點云數據特征包括單點特征和鄰域特征，并對提取的特征 進行歸一化處理；從LiDAR點云數據集合中選擇有標簽樣本，將LiDAR點云中分離出電力 線、植被、建筑和地表等目標信息利用有標簽樣本對數據集進行分類，得到電力線、植被、建 筑物和地表等類別信息。LiDAR點云數據中信息得到充分有效利用。本發明應用于三維建 模領域。
【附圖說明】
[0035] 圖1是本發明所述的電力走廊場景機載LiDAR點云數據的地物分類的流程框圖示 意圖；
[0036] 圖2是實施例中機載LiDAR系統獲取電力走廊場景點云數據圖，圖2 (a)是原始三 維點云圖，圖2(b)是三維點云側視圖，圖2(c)是實施例所用點云數據圖；
[0037] 圖3是實施例中LiDAR點75Γ中粗差點不意圖：圖3 (a)為二維視圖，圖3 (b)為側視 圖，其中，O表示飛點，□表示低點；
[0038] 圖4是實施例中LiDAR點云粗差點剔除效果圖：圖4(a)是原始點云立體效果圖， 圖4(b)是粗差點剔除結果立體效果圖，圖4(c)是原始點云剖面效果圖，圖4(d)是粗差點 剔除結果剖面效果圖，圖4(e)是原始點云俯視圖，圖4(f)粗差點剔除結果俯視圖；
[0039]