基于车载LiDAR点云的城市典型地物分类方法研究

摘要

激光扫描测量技术是一种新兴的非接触主动式的测绘技术，为目标三维空间信息的实时获取提供了一种精确有效的测量手段。车载移动测量系统具有快速、高分辨率等特点，在城市三维空间信息的获取以及建模中充当了越来越重要的角色。目前，国内外学者在车载点云数据处理的研究中取得了一定的研究成果，然而由于各种原因，车载点云的地物分类方法呈现多样化发展，各种方法的适应性不强，且自动化程度不高，需要进一步深入研究。本文在充分分析了车载LiDAR城市点云数据特点、数据结构的基础上，对城市主要地物的点云分类方法进行了研究，本文主要研究内容如下:
　　(1)车载LiDAR点云数据分析。在论述了车载移动测量系统基本理论的基础上，分析了车载LiDAR点云数据的特点，结合当前车载扫描系统点云分类的难点，总结归纳了现有的车载LiDAR点云分类方法，为本文改进的方法提供理论依据。
　　(2)改进点云分割算法。在研究了现有的针对车载LiDAR点云分类方法的基础上，提出了一种基于最大网格密度的近邻聚类算法对点云进行分割。该方法是在对原始点云数据进行去噪滤波的基础上实现的，该算法首先对点云整体区域均匀格网化，以具有最大网格密度的单元网格为聚类中心，以引入权重比例系数的欧氏距离为约束条件实现推进式聚类，有效地解决了近邻聚类中初始聚类中心难以确定的问题。
　　(3)地物的识别分类。提取出经过分割算法处理后生成的的点云块，利用高程、法向量和投影点密度信息作为约束条件，对分割后的点云块实现了地物的识别，从而对点云实现地物分类。
　　针对不同车载点云数据进行了相关实验，实验结果表明该方法可以精确有效的实现地面、建筑物、植被等城市典型地物的分类，对灯杆、交通指示牌等独立地物亦能实现基本分类，但精度尚有不足，研究结果对车载点云的自动分类研究有一定的参考价值。

目录

声明

摘要

1 结论

1．1 研究背景

1．2 研究意义

1．3 国内外研究现状

1．4 本文主要研究内容

2 车载LiDAR系统简介

2．1 三维激光扫描原理

2．2 车载LiDAR的系统组成及工作原理

2．3 车载LiDAR系统的应用

2．4 车载LiDAR点云数据

2．5 本章小结

3 点云分割方法研究

3．1 点云分割的定义及目的

3．2 基于几何特征的分割方法

3．3 基于车载点云数据的分类与识别

3．4 本章小结

4 分类方法改进

4．1 点云分类流程

4．2 点云滤波

4．3 聚类分析

4．4 基于最大网格密度的近邻聚类分割方法

4．5 地物识别

4．6 本章小结

5 实例与分析

5．1 实例一

5．2 实例二

5．3 精度评价

5．4 本章小结

6 总结与展望

6．1 总结

6．2 展望

致谢

参考文献

攻读硕士期间主要成果