一种电力走廊机载LiDAR点云数据的地物分类方法
【技术领域】
[0001] 本发明涉及机载LiDAR点云数据处理领域；特别涉及一种电力走廊机载LiDAR点 云数据的地物分类方法。
【背景技术】
[0002] 传统的电力走廊巡检一般依靠人眼的目视判读，除了耗费大量人力物力外，所获 取的数据精度也不高，而且对于复杂地形，车辆、人力难以到达，给电力走廊巡检带来较大 困难。而采用直升机搭载数码相机、红外摄像仪等设备，所获取的数据缺乏三维信息，并不 能准确地判断电力走廊的地物状态信息。而机载LiDAR(Light Detection and Ranging) 系统可以快速获取地面场景的三维空间信息，具有高效率、低损耗、高精度的特点，因此近 年来开始较多地用于电力走廊巡检中。
[0003]目前利用机载LiDAR对电力走廊进行巡检，所获取的LiDAR点云数据大多对电 力设施（包括电线和电塔）进行三维建模。而机载LiDAR系统获取的点云数据中不仅包 含电力设施信息，还包括电力走廊内的其他地物信息，包括植被、建筑等。如果仅关注电 力设施点云，使得LiDAR点云数据的利用效率大大降低。2012年7月18日公开的公开号 CN102590823A的发明专利申请《一种机载LIDAR数据电力线快速提取及重构方法》中公开 了一种基于点云高程阈值滤波以及密度滤波的方法，从LiDAR点云中提取出电力线和电塔 点云，然后对点云进行分层拟合得到单根电力线矢量，实现了多个跨度间的电力线自动提 取和电塔提取。2013年1月16日公开的公开号为CN102879788A的发明专利申请《一种基 于机载LiDAR数据的输电线路的电力线提取方法》中公开了一种基于对横截面采样点云聚 类的电力线束中心进行拟合的电力线提取方法，对拟合后的中心线进行复制和偏移得到同 塔多回路电线。2013年11月27日公开的公开号为CN103412296A的发明专利申请《无序 激光点云数据中自动提取电力塔方法》中公开了一种利用LiDAR点云进行电塔提取的方法。 这些技术均是利用机载LiDAR点云数据进行电力走廊中电力线或电塔的提取与重建，忽视 了非电力设施点云中所包含的大量有用信息。
【发明内容】
[0004] 本发明为了解决现有技术对电力走廊内机载LiDAR点云数据仅限于对电力线的 提取，使所包含的信息利用不足的问题，因此提出了一种电力走廊机载LiDAR点云数据的 地物分类方法。
[0005] 机载LiDAR系统由GPS定位系统、INS惯性导航系统以及激光扫描测距系统三个 分系统组成。其中，GPS定位系统实现对机载平台的定位；INS惯性导航系统测量平台的姿 态信息，包括翻滚角、俯仰角和方位角；激光扫描测距系统记录激光的扫描角度以及飞行时 间，通过测量飞行时间得到地物点距激光接收装置的距离。具体步骤如下：
[0006] 步骤一、获取LiDAR点云数据，将LiDAR点云数据进行三维可视化显示，设定高程 阈值去除粗差点；
[0007] 步骤二、对LiDAR点云数据进行特征提取与特征处理；
[0008] 步骤三、从LiDAR点云数据中随机选择有标签样本；
[0009] 步骤四、利用有标签样本通过分类器即k近邻准则分类方法对LiDAR点云数据待 分类样本进行分类，获得电力设施、植被、建筑物、地表点云数据；
[0010] 步骤1、计算待分类样本和所有有标签样本的欧式空间距离
y表示待分类样本，X1表示有标签样本，n i表示第i类有标签 样本的数量；
[0011] 步骤2、根据k近邻准则将待分类样本进行分类，将待分类样本与有标签样本距离 最小的分为一类，即待分类样本的k个最近邻有标签样本中第i类的样本数量为Hl1,则类别 标签 ω = argmaxmi〇
[0012] 其中步骤一具体过程为：
[0013] 步骤一一、利用MATLAB软件将点云数据读取到工作区，并进行可视化显示；
[0014] 步骤一二、根据不低于地面，不高于场景内最高的地物目标点，确定地物目标点存 在的高程区间[L，H]，其中L表示高程阈值最低点，H表示高程阈值最高点，将高程阈值小于 L和高程阈值大于H的点剔除掉。
[0015] 步骤二具体过程为：
[0016] 步骤二一、提取单点特征；
[0017] 步骤二二、提取邻域特征；
[0018] 步骤二三、特征归一化及特征选择。
[0019] 步骤二一一、将LiDAR点云中的高度、强度、回波次数、回波位置信息均作为当前 点的一个特征；
[0020] 步骤二一二、将LiDAR点云进行分块，选取每块中的最低点作为地面点进行地表 模型拟合，将原始点云高度减去地表高度得到点的相对高度信息作为一个特征；将相对高 度小于Im的点设定为地面点。
[0021] 步骤二二一、计算点云中两点之间距离，找出与当前点P。距离最近的k个点构成 其近邻点集{Pj, i = 1，2,. . .，k，每点的空间三维坐标用向量表示为Pi= (X ;，y;，Zi)T;其 中，Pi表示第i个近邻点向量，X i, Yi, Zi表示空间三维坐标，T表示转置。
[0022] 步骤二二二、计算每个点集中所有点三维坐标的协方差矩阵
，.户表示k个近邻点平均值，P。表示当前点；求 解出Σ的三个特征值λ A λ 2> λ 3及其对应的三个特征向量V v2, v3。
[0023] 将特征值作为当前点的三个特征，在特征值基础上定义其他特征量：
[0024] CN 105184250 A 说明书 3/7 页
[0025] 假设法向量为V3= (v31, V32, V33)\则夹角为
将夹角角 度信息作为当前点的一个特征。
[0026] 步骤二二三、计算邻域内点的高度方差、强度方差、角度方差，作为当前点的三个 特征；
[0027] 步骤二二四、查找邻域点集中距离最远的点，根据以此最远距离作为半径的球体 体积计算邻域点集的点密度特征。
[0028] 步骤二三一、所提取的特征点云数据，利用公式f = (f-min) / (max-min)， f e [0, 1]，其中max为特征f的最大值，min为特征f的最小值；
[0029] 步骤二三二、经归一化后的特征数值集中在0或1附近，动态范围较小；而经归一 化后的剩余特征数值分布较离散，动态范围较大，则通过y = In (x+1)或者y = ex+1对动态 范围进行调整。
[0030] 步骤三具体过程为：
[0031] 步骤三一、通过确定某点或某点集的类别信息，将其添加到对应的有标签样本集 合中；
[0032] 步骤三二、所选有标签样本应均匀分布且分类后的各类样本数相等。
[0033] 本发明有益效果：
[0034] 本发明解决了现有技术电力走廊场景机载LiDAR点云数据处理技术不能得到合 理利用，以电力走廊区域机载LiDAR点云数据为研究对象，提出了一种新的电力走廊机载 LiDAR点云数据的地物分类方法。通过机载LiDAR点云数据的获取；点云数据粗差点去除； 点云数据特征提取与处理，其中点云数据特征包括单点特征和邻域特征，并对提取的特征 进行归一化处理；从LiDAR点云数据集合中选择有标签样本，将LiDAR点云中分离出电力 线、植被、建筑和地表等目标信息利用有标签样本对数据集进行分类，得到电力线、植被、建 筑物和地表等类别信息。LiDAR点云数据中信息得到充分有效利用。本发明应用于三维建 模领域。
【附图说明】
[0035] 图1是本发明所述的电力走廊场景机载LiDAR点云数据的地物分类的流程框图示 意图；
[0036] 图2是实施例中机载LiDAR系统获取电力走廊场景点云数据图，图2 (a)是原始三 维点云图，图2(b)是三维点云侧视图，图2(c)是实施例所用点云数据图；
[0037] 图3是实施例中LiDAR点75Γ中粗差点不意图：图3 (a)为二维视图，图3 (b)为侧视 图，其中，O表示飞点，□表示低点；
[0038] 图4是实施例中LiDAR点云粗差点剔除效果图：图4(a)是原始点云立体效果图， 图4(b)是粗差点剔除结果立体效果图，图4(c)是原始点云剖面效果图，图4(d)是粗差点 剔除结果剖面效果图，图4(e)是原始点云俯视图，图4(f)粗差点剔除结果俯视图；
[0039]