买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：临沂大学

摘要：本发明公开了一种结合机载激光雷达LightDetectionAndRanging，LiDAR点云数据和高清航空影像的城市地物精细化分类方法，针对不同地物采用有效的分类特征，阶梯式地实现了城市复杂地物的三维精细化提取。其包括以下步骤：首先进行点云空洞追踪实现了水体的提取，并采用改进的渐进加密三角网的点云滤波方法实现地面点的提取。然后利用高分辨率航空影像计算得到的植被指数图像实现了植被的提取，将该提取结果投影到点云上可得到植被点云，在此基础上采用自上而下的分割策略依次实现了树木、灌木及草地点云的分类。最后，采用三维标记连接体的聚类方法对剩余的未分类点云实现点云分割，并提出针对分割块的识别规则，实现了建筑物、桥梁及灯柱点的单体化提取。

主权项：1.结合机载LiDAR点云数据和航空影像的城市地物精细化分类方法，其包括以下步骤：A、针对水体在激光雷达点云中呈现数据空洞的特性，采用二维alphashape方法追踪空洞边界，并通过设置面积阈值剔除数据缺失导致的无效空洞，实现水体提取；B、采用改进的渐进三角网加密滤波算法实现城市复杂场景中地面点的提取；C、针对植被在航空影像中多呈现绿色的颜色特性，利用改进的植被指数实现植被区域的提取；所述步骤具体包括：①根据航空影像的RGB波段，计算植被指数VI＝2G'-R'-B'，其中，G'＝gr+g+b，R'＝rr+g+b，B'＝br+g+b，r、g、b分别对应影像中RGB三个波段的像素灰度值；②针对植被指数图像，采用局部自适应阈值法，尽可能多的提取绿色植被区域；③对于植被提取结果中可能遗漏的红花或非绿色植被区域，利用空洞填充算法予以补充；④设置蓝色掩膜，即提取区域的绿色光谱值大于蓝色光谱值，去除提取结果中可能混有的蓝色地物；D、利用提取的植被区域获取植被点云，并在对植被点云进行高度归一化处理的基础上，采用自上而下的分割策略，实现单棵树木点、灌木点、草地点的逐一识别；所述步骤具体包括：①按照航空影像的空间分辨率对点云进行格网化，映射植被范围获取初始植被点云，并通过三维主要分析的后处理操作，纠正影像到点云的映射过程中可能导致的边缘错分问题；②对植被点云进行高度归一化处理，即每个点减去相应地面点的高程，去除地形对点云高度值的影响；③采用从树顶点出发的单木分割方法，实现单棵树木点云的依次提取，剩余的植被点按照归一化高度值的值域范围标识为灌木点及草地点，实现植被点云的精细识别；E、针对剩余的未分类点云，采用改进的三维标记连接体方法实现优化分割，利用分割块的整体特征制定识别规则，实现建筑物、桥梁及灯柱的单体识别；所述步骤具体包括：①采用八叉树结构组织点云，最小细分单元为三维体素，体素大小应小于地物内点间距，大于地物间点间距；②利用三维标记连接体方法实现各地物点云的分割，通过控制垂直方向不遍历不分割，保证分割地物的完整性；③根据分割块的整体尺寸、形状及高度分布实现地物精细识别,其中尺寸以包围盒的长、宽、高定义，形状通过比较长、宽、高的数值关系判断，识别规则如下：如果分割块的形状趋近立方体，且高度低于设定阈值,分割块为遗漏的树木；如果分割块的形状趋近立方体,高度大于设定阈值，且高度分布存在分布集中层,分割块为建筑物；如果分割块的形状趋近平面状，且高度分布存在集中层,则分割块为平面型人造物，如桥梁；如果分割块的形状趋近柱状，且长、宽值小于高度值，分割块为灯柱；剩余分割块长宽均值大于设定阈值者，为不规则建筑物。

全文数据：

权利要求：

百度查询： 临沂大学 一种结合机载LiDAR点云数据和航空影像的城市地物精细化分类方法