r>[0030]如图7所示的一种基于点云的地物关键点提取方法，所述将不同采集方式采集到不同精度的点云数据分别进行区域划分并按照划分的区域进行工程化组织管理的具体步骤为:
1)通过架设在不同平台上的数据采集设备获取目标区域内地物点云数据，得到不同精度、不同密度、不同方位的原始数据；
2)以精度较高的点云数据为参考，从中提取纠正点，根据纠正点建立纠正模型；
3)将多幅纠正模型中的共同纠正点进行拼接，获取整体纠正模型。
[0031]具体实施例中所述点云数据是通过移动平台、固定式和卫星系统进行采集获得，所述移动平台可为:车辆、船舶、机车、移动式扫描仪和火车。
[0032]具体实施例中所述地物信息包括:交通设施、房屋建筑、桥梁、道路及其附属设施与沿线公共设施。
[0033]下面以一个更具体的一个细节方面的例子来对上述内容加以说明。
[0034]如图1所示，在本实施例为:将点云信息进行采集，并将采集后的点云数据进行地物关键点提取的一种方法。
[0035]首先利用移动平台进行点云数据采集。对所采集的路线进行规划，由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，采用飞行器和车辆作为移动平台，在移动平台上架设数据采集设备采集数据，同时根据所需精度与测量区域内观测环境架设GNSS基站，且基站覆盖半径为30公里。此外，在移动平台存在数据采集盲区的区域利用地面激光扫描设备进行数据补充采集，在移动平台开始采集前，先对移动平台上架设的采集设备进行设备检校，获取准确的检校参数。
[0036]在具体实施例中:分别采用飞行器从空中对需要采集的区域进行数据采集，采用车辆沿测区内道路对需要采集的区域进行数据采集，通过地面激光扫描设备对固定点位区周边区域进行数据采集。
[0037]在具体实施例中:分别采用飞行器和车辆作为移动平台。在飞行器上安装有一台数据采集设备，其采集设备的采集角度为50度。在车辆上安装有两台数据采集设备，其数据采集设备的采集角度均为360度，两台数据采集设备的采集角度的交叉点范围为75度。地面激光扫描设备数据采集角度为360度。
[0038]然后进行外业扫描测量:
由地面GNSS基站对卫星信号进行接收、存储；地面GNSS基站上需在搭载有数据采集设备的移动平台进行数据采集作业前10分钟开始工作，数据采集作业结束后15分钟结束工作。
[0039]由于考虑到不同时段GNSS信号差异及地物遮挡因素，为保证获取最优的数据成果，在以车辆为移动平台进行数据采集时分别对双向车道进行单向的两次测量；考虑到数据覆盖完整性要求，特选取行车道和应急车道分别作为路线进行测量数据采集。由于考虑到白天车道上车辆较多，特选取在夜间进行测量数据采集。
[0040]由于考虑到天气及成果精度要求因素，为保证获取最优的数据成果，在以飞行器为移动平台进行数据采集时为提高单个脉冲能量，降低激光发射脉冲频率至50kHz，为保证扫描线边缘数据精度，限定扫描角度为40度进行测量数据采集。
[0041]通过车辆和飞行器和地面激光扫描设备获取到3组目标区域不同方位的原始三维数据，这三组原始三维数据的精度、密度不同。
[0042]将三组原始数据分别进行预处理。
[0043]首先对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使测区内航带间、子测区间点云数据匹配满足要求，然后进行点云冗余数据去除，最后将去除冗余后的数据进行滤波去噪处理，得到精准的点云数据并存储。
[0044]然后对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使两台采集设备获取的点云匹配满足要求，然后综合利用两次测量采集到的点云数据进行冗余去除，得到本次采集范围内的有效数据；最后将上述数据进行滤波去噪处理，得到精准的点云数据并存储。
[0045]最后将固定式地面激光扫描设备采集到的原始数据进行匹配优化处理；使多个连续测站采集的点云数据匹配满足要求，最后将匹配后的数据进行滤波去噪处理，得到精准的点云数据并存储。
[0046]具体实施例中:对获取的原始数据进行数据平差处理。
[0047]具体实施例中:对获取的原始数据进行数据接边处理优化。
[0048]具体实施例中:对获取的原始数据进行数据匹配处理。
[0049]具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化、数据匹配处理中的两种进行处理。
[0050]具体实施例中:对获取的原始数据分别进行数据平差处理、数据接边处理优化和数据匹配处理。
[0051]按照规划路线，将500平方公里范围内的数据进行区域划分，数据采集设备以车辆为载体采集的数据沿行进路线按150米*150米格网进行分幅管理，数据采集设备以飞行器为载体采集的数据按I公里*1公里格网进行分幅管理，固定式地面激光扫描设备采集的数据以点间距3毫米采样的基础上按3米*3米格网进行分幅管理，然后进行数据纠正，纠正后按500米*500米格网进行管理。具体实施例中:首先，按照划分的区域，将该区域内的数据根据轨迹线的解算精度或控制点判定通过飞行器、车辆和固定式地面激光扫描设备获取的三组点云数据的精度，并以精度较高的点云数据作为参考，对另外两组数据精度较低的点云数据进行纠正分析，提取纠正点，并根据纠正点生成纠正模型；然后，根据纠正模型对另外两组点云数据中精度较差的数据进行纠正分析；最后，通过构建数字表面模型检查数据融合精度。
[0052]当出现就该500平方公里范围内通过车辆或飞行器在不同时期进行数据采集的情况时。首先，根据点云数据采集日期判定通过构建数字表面模型确定相同区域点云数据的变化情况。然后，提取变化区域内的现势性高的点云数据，并利用其对同区域原有数据进行替换，最后通过构建数字表面模型检查数据融合精度，得到测区范围内最具现势性的数据。
[0053]在具体实施例中:采用自适应空间聚类分析手段，对城市部件点云数据集进行类别细分处理，获取同一物体点云集数据；
其中，自适应空间聚类分析手段，具体为:
I)根据分块标准，对城市部件点云数据进行分块，获取分块城市部件点云数据、点云样本划分矩阵和聚类中心点集；
其中分块标准具体为:分块的城市部件点云数据的大小不超过第一阈值，第一阈值的取值根据实际应用中的具体应用情况进行设定，具体实现时，本发明实施例对此不做限制。
[0054]在待聚类的点云样本集合中，随机选择聚类数目相同个数的样本点作为聚类中心点，其余待聚类样本点根据距各个类中心点的直线空间距离，划分给最近的中心点。再通过点云的个数，聚类中心点的数据，样本与聚类中心点之间的直线空间距离得到点云数据到聚类中心点的距离总、空间数据点的重权值，获得目标函数与聚类中心点集与样本划分矩阵之间的关联，样本划分矩阵与积累中心点集的关联。因此，使自适应方法来解决此类问题，在这里可以直接对聚类中心点进行编码。如果采用自然编码方案可以获得样本集中的样本。
[0055]2)设置自适应空间聚类的相关参数；
其中，相关参数包括最大迭代次数、群体大小、交叉概率和变异概率等。
[0056]3)根据城市部件空间分布特征,选择一个最小阈值Min和一个最大阈值Max ； 其中，最小阈值Min和一个最大阈值Max作为空间聚类划分进行综合评价的区间值。
[0057]4)对分块城市部件点云数据进行初始化，根据最小阈值Min和最大阈值Max，选择K个中心点作为聚类点，计算每个样本点与聚类点的三维空间距离，基于三维空间距离对分块城市部件点云数据进行划分，采用三维空间距离值之和对样本分类的情况进行评价，获取评价值；
其中，Min彡K彡Max。
[0058]5)根据评价值，将样本分类中的权重中心点作为新的聚类划分的中心点；
6)判断迭代次数是否小于最大迭代次数，如果是，执行步骤4);如果否，停止迭代，输出点云样本划分矩阵、聚类中心点集和评价值，将K+1值作为中心聚类点，执行步骤4)；
判断K值是否达到Max值，如果是，停止自适应空间聚类解算，以目标函数的评价参数作为参考，选择最小值的聚类集合，作为点云分类的结果，获取同一物体点云集数据，如果否，继续进行自适应空间聚类解算，得到自适应空间聚类分析数据，获取同一物体点云集数据。
[0059]将滤波后的点云集数据进行分类存储。再将点云集数据进行关键点提取，具体步骤为:
1)对分类后的地物信息逐一进行关键点提取，其中关键点提取主要基于各类地物形态学特征进行；首先基于平立面一致性策略将同一地物点云集数据划分为不同区域，然后通过区域增长策略检测三维空间内的几何突变，完成地物边界点提取，最后将提取到的边界点分别投影至不同平面进行对比分析，根据几何形态基于拓扑形态学分析方法提取能反映地物边界特征的点云集作为地物关键点集；
2)采用人工干预方式对提取后关键点的有效性进行验证；
3)输出(保存)验证后的地物关键点为特征点云数据集。
[0060]具体实施例中:通过车辆和飞行器和地面激光扫描设备获取到3组目标区域不同方位的原始三维数据，这三组原始三维数据的精度、密度不同。
[0061]将三组原始数据分别进行预处理。
[0062]首先对飞行器上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使测区内航带间、子测区间点云数据匹配满足要求，然后进行航带间点云冗余数据去除，最后将去除冗余后的数据进行滤波去噪处理，得到精准的点云数据并存储。
[0063]然后对车辆上搭载的数据采集设备采集到的原始数据进行匹配优化处理；使两台采集设备获取的点云匹配满足要求，然后综合利用两次测量采集到的点云数据进行冗余去除，得