一种点云地面滤波方法、系统、电子设备及存储介质

本发明涉及点云数据处理，特别是涉及一种点云地面滤波方法、系统、电子设备及存储介质。

背景技术：

1、点云地面滤波是将点云中的地面点和非地面点区分开来的操作。现有的地面滤波方法主要分为传统算法和深度学习算法。

2、传统算法：该类算法通常会要求用户提供一些参数。这些参数的设定，可能影响滤波的时间效率并造成滤波结果的主观偏差，对滤波结果的影响是巨大的。给定了参数，就相当于对待滤波区域的地形特征做出了假设；然而不同区域之间的地形特征可能相差很大。这使得想要得到良好的滤波效果，用户通常需要多次尝试修改参数；甚至，同一地区也可能有着多种地形特征，这使得无论如何调参，都无法在这些区域取得满意的效果。

3、深度学习算法：受限于计算机显存的大小，目前大多数3d深度神经网络在实现最佳综合性能的同时，只能处理小尺寸的输入，这会导致对大型构建筑物的误分类。

技术实现思路

1、本发明的目的是提供一种点云地面滤波方法、系统、电子设备及存储介质，以避免现有的深度学习方法只能处理小尺寸的输入而导致的对大型构建筑物的误分类的技术缺陷。

2、为实现上述目的，本发明提供了如下方案：

3、本发明提供一种点云地面滤波方法，所述方法包括如下步骤：

4、对样本点云进行等间距垂直切片，获得多个训练切片点云；

5、分别对每个训练切片点云进行等量采样，获得多个训练样本单元；

6、基于多个训练样本单元训练fgfnet网络模型，获得训练好的fgfnet网络模型；

7、基于训练好的fgfnet网络模型预测待测点云中每个点为地面点的平均概率。

8、可选的，所述训练切片点云包括平行于xoz平面的训练切片点云和平行于yoz平面的训练切片点云，所述对样本点云进行等间距垂直切片，获得多个训练切片点云，具体包括：

9、以垂直于y轴的面为切面，对样本点云进行等间距垂直切片，获得多个平行于xoz平面的训练切片点云；

10、以垂直于x轴的面为切面，对样本点云进行等间距垂直切片，获得多个平行于yoz平面的训练切片点云。

11、可选的，分别对每个训练切片点云进行等量采样，获得多个训练样本单元，具体包括：

12、获取训练切片点云中的第1个至第n个点，组成所述训练切片点云的第1个训练样本单元；

13、获取训练切片点云中的第x1个至第x2个点，组成所述训练切片点云的第k个训练样本单元；其中，，，k=2,3…，且，为训练切片点云中点的数量，n为训练样本单元中点的数量；

14、获取训练切片点云中的第个至第个点，组成所述训练切片点云的最后1个训练样本单元。

15、可选的，所述训练切片点云包括平行于xoz平面的训练切片点云和平行于yoz平面的训练切片点云，分别对每个训练切片点云进行等量采样，获得多个训练样本单元，之前还包括：

16、按照x轴坐标的大小对平行于xoz平面的训练切片点云中的点进行排序；

17、按照y轴坐标的大小对平行于yoz平面的训练切片点云中的点进行排序。

18、可选的，基于多个训练样本单元训练fgfnet网络模型，获得训练好的fgfnet网络模型，具体包括：

19、基于多个训练样本单元，构建训练集和验证集；

20、初始化学习速率、训练次数m和计数值l；

21、基于所述学习速率，采用训练集对fgfnet网络模型进行训练，获得第m次训练后的fgfnet网络模型；

22、基于所述验证集验证第m次训练后的fgfnet网络模型的损失函数值是否小于第m-1次训练后的fgfnet网络模型的损失函数值，获得第一判断结果；

23、若所述第一判断结果表示否，则令计数值l增加1，并判断计数值l是否小于计数阈值，获得第二判断结果；否则，执行训练次数判断过程；

24、若所述第二判断结果表示否，则确定第m次训练后的fgfnet网络模型为初步优化后的fgfnet网络模型，降低所述学习速率，并执行训练次数判断过程；否则，直接执行训练次数判断过程；

25、所述训练次数判断过程包括：

26、判断训练次数m的数值是否小于训练次数阈值，获得第三判断结果；

27、若所述第三判断结果表示是，则令m的数值增加1，返回基于所述学习速率，采用训练集对fgfnet网络模型进行训练，获得第m次训练后的fgfnet网络模型的步骤；

28、若所述第三判断结果表示否，则选取损失函数值小的初步优化后的fgfnet网络模型为训练好的fgfnet网络模型。

29、可选的，基于训练好的fgfnet网络模型预测待测点云中每个点为地面点的平均概率，具体包括：

30、对待测点云进行等间距垂直切片，获得多个待测切片点云；

31、分别对每个待测切片点云进行等量采样，获得多个待测样本单元；

32、分别将每个所述待测样本单元输入至训练好的fgfnet网络模型，获得每个待测样本单元中每个点为地面点的概率；

33、基于每个待测样本单元中每个点为地面点的概率，计算待测点云中每个点为地面点的平均概率。

34、可选的，基于每个待测样本单元中每个点为地面点的概率，计算待测点云中每个点为地面点的平均概率的公式为：

35、；

36、其中，为待测点云中第g个点为地面点的平均概率，为待测点云中第g个点被重复预测的次数，为第j次预测得到的待测点云中第g个点为地面点的概率。

37、一种点云地面滤波系统，所述系统应用于上述的方法，所述系统包括：

38、垂直切片模块，用于对样本点云进行等间距垂直切片，获得多个训练切片点云；

39、等量采样模块，用于分别对每个训练切片点云进行等量采样，获得多个训练样本单元；

40、模型训练模型，用于基于多个训练样本单元训练fgfnet网络模型，获得训练好的fgfnet网络模型；

41、平均概率预测模块，用于基于训练好的fgfnet网络模型预测待测点云中每个点为地面点的平均概率。

42、一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的方法。

43、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现上述的方法。

44、根据本发明提供的具体实施例，本发明公开了以下技术效果：

45、本发明实施例提供一种点云地面滤波方法、系统、电子设备及存储介质，所述方法包括如下步骤：对样本点云进行等间距垂直切片，获得多个训练切片点云；分别对每个训练切片点云进行等量采样，获得多个训练样本单元；基于多个训练样本单元训练fgfnet网络模型，获得训练好的fgfnet网络模型；基于训练好的fgfnet网络模型预测待测点云中每个点为地面点的平均概率。本发明通过对点云进行垂直切片，从切片中获取点数相等的样本，使得包含相同点数的样本单元可以表达更大的地形跨度，可以更好的处理包含大型构建筑物的地形，并通过fgfnet网络模型自主地从点云中学习特征并完成地面点提取，能适应包含多种地形特征区域的地面滤波工作，避免了滤波过程中由于参数设定而造成的主观偏差。