基于维度特征的基岩边坡点云数据植被去除方法研究

发布时间：2020-04-12 07:20

【摘要】：地面激光雷达作为一种新型测绘技术,广泛应用于边坡形变监测、逆向工程、电力线巡航、三维建模等工作中。在形变监测时为得到较为准确的坡面坐标信息,需尽可能去除自然场景中的植被点。但在以往的研究中,各学者进行点云分类所使用的方法存在着普适性低、精度具有随机性等问题。本文为了改进分类效果,根据机器学习、统计分析等理论,采用基于多尺度维度特征的点云分类算法(Multi-scale Dimensional Characteristics,MSDF)、基于距离及统计分布的离群点移除算法(Outlier Removal Based on Distance and Statistical Distribution,OR-DSD),对三维激光扫描仪获取的基岩边坡点云中存在的植被点云进行去除,从分类尺度的选择、离群点的检测与移除、误删点恢复等方面对算法进行优化、补充,提高了岩体坡面点云精度,并以北京市密云区四合堂村危岩边坡为例进行了实例验证。取得的主要成果如下:(1)根据植被与基岩坡面点云的特征,确定了复杂地形条件下点云自动分类方法——基于多尺度维度特征的点云分类算法。利用混淆矩阵对不同条件下的分类结果进行精度评价,提出了“分区块分类、小场景先行”的MSDF参数选取规则,降低了仅靠经验选取参数的影响,同时也缩短了分类所需时间。(2)根据MSDF分类得到的坡面点云空间特征,采用离群点检测算法进行二次去除,提出了利用点距标准差表征点云离散度的方法,确定了离群点检测时采用的邻域大小,由此提出了“先粗略检测、后精细检测”的离群点检测移除流程。引入了基于角度的边缘点识别算法,对移除离群点后的主体点云进行边界识别,以得到的边缘点为中心进行区域增长,恢复在离群点检测阶段被误删除的边界周围点云。(3)运用上述方法,对三维激光扫描仪获取的四合堂村边坡点云进行植被去除实验,结果显示:经最佳尺度分类处理得到的坡面点云平均精确率达98.52%;经离群点去除及误删点恢复处理得到的坡面点云平均精确率达98.87%。这表明在复杂基岩坡面点云植被去除过程中,上述方法比单独使用MSDF方法获得的坡面点云精度更高。
【图文】：

图 2-1 多尺度点云局部维度特征.1.2 量化多尺度维度特征1 构建 K 邻域索引散乱点云不含拓扑关系嗣挥辛谟蛴肟占涞母拍，

本文编号：2624439