一种文物遗址点云提取分类的方法及装置制造方法及图纸

本申请公开了一种文物遗址点云提取分类的方法及装置，应用于遥感考古技术领域。本申请中，对激光雷达扫描到的预设区域中的第一点云进行预处理，减少噪声点等离群点对遗址分类的影响，可以提高各分类类别的点云数据之间的均衡性，获得均匀分布的第二点云。设置多个不同尺度的邻域范围，在计算第二点云的特征集时，降低邻域半径对特征值计算结果的影响，减小特征值计算时对邻域点的依赖。将得到的特征集输入到，利用相同的点云特征集计算方法训练得到的分类模型中，对分类模型的输出结果进行提取标注，得到预设区域中第二点云的分类结果，从而可以分辨出激光雷达扫描的场景的文物遗址的分类结果。因此，可以精准提取分类雷达扫描目标中的文物遗址。扫描目标中的文物遗址。扫描目标中的文物遗址。

【技术实现步骤摘要】
一种文物遗址点云提取分类的方法及装置


[0001]本申请涉及遥感考古
，特别是涉及一种文物遗址点云提取分类的方法及装置。

技术介绍

[0002]遥感技术是文物遗址数字化保护的重要手段之一，激光雷达是一种主动遥感技术。激光雷达扫描距离远、观测范围广，采集的点云通常可以覆盖场景内的所有目标，在所有扫描的目标中精准提取出文物遗址，需要对采集的点云进行提取分类。
[0003]一般情况下，对点云的提取分类需要对点云进行特征提取，而特征值的计算依赖邻域点。进行特征提取时需要以选定的中心点为中心预设邻域范围，邻域范围中包括的其它数据点作为邻域点。邻域半径的设置会极大影响特征值的计算结果。在激光雷达扫描的场景较大的情况下，各个雷达扫描的所有目标的尺度和文物遗址结构的不同也会增加邻域半径设置的难度。当邻域半径设置不合理时，会导致无法精准提取分类雷达扫描目标中的文物遗址。

技术实现思路

[0004]基于上述问题，本申请提供了一种文物遗址点云提取分类的方法及装置，可以精准提取分类雷达扫描目标中的文物遗址。
[0005]本申请实施例公开了如下技术方案：
[0006]第一方面，本申请提供一种文物遗址点云提取分类的方法，包括：
[0007]对激光雷达扫描预设区域得到的第一点云进行预处理，以获取均匀分布的第二点云；
[0008]将所述第二点云中的间隔等于预设间隔的数据点作为中心点；
[0009]预设至少两个邻域范围，将各所述中心点在各所述邻域范围中包括的其它数据点作为各所述中心点在该邻域范围内的邻域点，并根据各所述中心点在该邻域范围内的邻域点确定各所述中心点对应该邻域范围的特征集，所述特征集用于确定所述预设区域中所述第二点云的分类结果；
[0010]将所述特征集输入分类模型，对所述分类模型的输出结果进行提取标注，在所述第二点云的分类结果中得到所述文物遗址的分类结果，所述分类模型利用预设至少两个所述邻域范围确定的所述特征集进行训练和测试。
[0011]可选地，所述对所述激光雷达扫描所述预设区域得到的第一点云进行预处理，以获取均匀分布的第二点云，具体包括：
[0012]计算每个所述第一点云到最近的k个所述第一点云的平均欧式距离；
[0013]当所述平均欧式距离大于预设阈值时，去除所述第一点云，若否，保留所述第一点云，得到降噪后的所述第一点云；
[0014]对降噪后的所述第一点云进行体素化处理，将降噪后的所述第一点云划分为多个
体素，所述体素化处理是将所有降噪后的所述第一点云划分为多个立方体，每个所述体素表征一个所述立方体；
[0015]利用每个所述体素中距离所述体素的中心点最近的数据点，代替所述体素内其他数据点，得到所述均匀分布的第二点云。
[0016]可选地，所述计算每个所述第一点云到最近的k个所述第一点云的平均欧式距离，具体包括：
[0017]根据以下公式计算每个所述第一点云到最近的k个所述第一点云的平均欧式距离：
[0018][0019]其中，d
n
是被计算的所述第一点云的数据点的所述平均欧式距离，x
n
是被计算的所述第一点云的数据点的x轴方向的坐标值，y
n
是被计算的所述第一点云的数据点的y轴方向的坐标值，z
n
是被计算的所述第一点云的数据点的z轴方向的坐标值，x
i
是所述最近的k个所述第一点云中第i个数据点的x轴方向的坐标值，y
i
是所述最近的k个所述第一点云中第i个数据点的y轴方向的坐标值，z
i
是所述最近的k个所述第一点云中第i个数据点的z轴方向的坐标值。
[0020]可选地，所述中心点的特征集，具体包括：
[0021]所述中心点在所述邻域范围中的点密度、所述中心点的点平面度特征值、所述中心点的点线性度特征值、所述中心点的点各向异性特征值、所述中心点的点表面粗糙度特征值、所述中心点的点球形度特征值、第一高程差、第二高程差、第三高程差和所述中心点的点强度。
[0022]可选地，所述根据各所述中心点在该邻域范围内的邻域点确定各所述中心点对应该邻域范围的特征集，具体包括：
[0023]以所述中心点为球心，根据所述邻域范围选取球形邻域；
[0024]利用以下公式，计算所述球形邻域中所有所述第二点云的数据点的数量与所述球形邻域的体积的比例，得到所述中心点的所述邻域范围中的点密度：
[0025][0026]其中，f
density
是所述中心点在所述邻域范围中的点密度，Num是所述球形邻域中所有所述第二点云的数据点的数量，r是所述球形邻域的邻域半径。
[0027]可选地，所述根据各所述中心点在该邻域范围内的邻域点确定各所述中心点对应该邻域范围的特征集，具体包括：
[0028]以所述中心点为球心，根据所述邻域范围选取球形邻域；
[0029]计算得到所述中心点的协方差矩阵的特征值后，根据对应的预设的映射关系，得到所述中心点的点平面度特征值、所述中心点的点线性度特征值、所述中心点的点各向异性特征值、所述中心点的点表面粗糙度特征值和所述中心点的点球形度特征值；
[0030]根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点平面度特征值：
[0031]f
plane
＝(λ2‑
λ3)/λ1[0032]其中，f
plane
是所述中心点的点平面度特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ2是所述中心点的协方差矩阵的第二特征值，λ3是所述中心点的协方差矩阵的第三特征值；
[0033]根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点线性度特征值：
[0034]f
line
＝(λ1‑
λ2)/λ1[0035]其中，f
line
是所述中心点的点线性度特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ2是所述中心点的协方差矩阵的第二特征值；
[0036]根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点各向异性特征值：
[0037]f
anisotropy
＝(λ1‑
λ3)/λ1[0038]其中，f
anisotropy
是所述中心点的点各向异性特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ3是所述中心点的协方差矩阵的第三特征值；
[0039]根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点表面粗糙度特征值：
[0040]f
rough
＝λ3/(λ1+λ2+λ3)
[0041]其中，f
rough
是所述中心点的点表面粗糙度特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ2是所述中心点的协方差矩阵的第二特征值，λ3是所述中心点的协方差矩阵的第三特征值；...

【技术保护点】

【技术特征摘要】
1.一种文物遗址点云提取分类的方法，其特征在于，包括：对激光雷达扫描预设区域得到的第一点云进行预处理，以获取均匀分布的第二点云；将所述第二点云中的间隔等于预设间隔的数据点作为中心点；预设至少两个邻域范围，将各所述中心点在各所述邻域范围中包括的其它数据点作为各所述中心点在该邻域范围内的邻域点，并根据各所述中心点在该邻域范围内的邻域点确定各所述中心点对应该邻域范围的特征集，所述特征集用于确定所述预设区域中所述第二点云的分类结果；将所述特征集输入分类模型，对所述分类模型的输出结果进行提取标注，在所述第二点云的分类结果中得到所述文物遗址的分类结果，所述分类模型利用预设至少两个所述邻域范围确定的所述特征集进行训练和测试。2.根据权利要求1所述方法，其特征在于，所述对所述激光雷达扫描所述预设区域得到的第一点云进行预处理，以获取均匀分布的第二点云，具体包括：计算每个所述第一点云到最近的k个所述第一点云的平均欧式距离；当所述平均欧式距离大于预设阈值时，去除所述第一点云，若否，保留所述第一点云，得到降噪后的所述第一点云；对降噪后的所述第一点云进行体素化处理，将降噪后的所述第一点云划分为多个体素，所述体素化处理是将所有降噪后的所述第一点云划分为多个立方体，每个所述体素表征一个所述立方体；利用每个所述体素中距离所述体素的中心点最近的数据点，代替所述体素内其他数据点，得到所述均匀分布的第二点云。3.根据权利要求2所述方法，其特征在于，所述计算每个所述第一点云到最近的k个所述第一点云的平均欧式距离，具体包括：根据以下公式计算每个所述第一点云到最近的k个所述第一点云的平均欧式距离：其中，d
n
是被计算的所述第一点云的数据点的所述平均欧式距离，x
n
是被计算的所述第一点云的数据点的x轴方向的坐标值，y
n
是被计算的所述第一点云的数据点的y轴方向的坐标值，z
n
是被计算的所述第一点云的数据点的z轴方向的坐标值，x
i
是所述最近的k个所述第一点云中第i个数据点的x轴方向的坐标值，y
i
是所述最近的k个所述第一点云中第i个数据点的y轴方向的坐标值，z
i
是所述最近的k个所述第一点云中第i个数据点的z轴方向的坐标值。4.根据权利要求1所述方法，其特征在于，所述中心点的特征集，具体包括：所述中心点在所述邻域范围中的点密度、所述中心点的点平面度特征值、所述中心点的点线性度特征值、所述中心点的点各向异性特征值、所述中心点的点表面粗糙度特征值、所述中心点的点球形度特征值、第一高程差、第二高程差、第三高程差和所述中心点的点强度。5.根据权利要求4所述方法，其特征在于，所述根据各所述中心点在该邻域范围内的邻域点确定各所述中心点对应该邻域范围的特征集，具体包括：
以所述中心点为球心，根据所述邻域范围选取球形邻域；利用以下公式，计算所述球形邻域中所有所述第二点云的数据点的数量与所述球形邻域的体积的比例，得到所述中心点的所述邻域范围中的点密度：其中，f
density
是所述中心点在所述邻域范围中的点密度，Num是所述球形邻域中所有所述第二点云的数据点的数量，r是所述球形邻域的邻域半径。6.根据权利要求4所述方法，其特征在于，所述根据各所述中心点在该邻域范围内的邻域点确定各所述中心点对应该邻域范围的特征集，具体包括：以所述中心点为球心，根据所述邻域范围选取球形邻域；计算得到所述中心点的协方差矩阵的特征值后，根据对应的预设的映射关系，得到所述中心点的点平面度特征值、所述中心点的点线性度特征值、所述中心点的点各向异性特征值、所述中心点的点表面粗糙度特征值和所述中心点的点球形度特征值；根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点平面度特征值：f
plane
＝(λ2‑
λ3)/λ1其中，f
plane
是所述中心点的点平面度特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ2是所述中心点的协方差矩阵的第二特征值，λ3是所述中心点的协方差矩阵的第三特征值；根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点线性度特征值：f
line
＝(λ1‑
λ2)/λ1其中，f
line
是所述中心点的点线性度特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ2是所述中心点的协方差矩阵的第二特征值；根据所述中心点的协方差矩阵的特征值，计算得到所述中心点的点各向异性特征值：f
anisotropy
＝(λ1‑
λ3)/λ1其中，f
anisotropy
是所述中心点的点各向异性特征值，λ1是所述中心点的协方差矩阵的第一特征值，λ3是所述中心点的协方差矩阵的第三特征值；根据所述中心点的协方差矩阵的特征值，计...

【专利技术属性】
技术研发人员：骆磊，邵杰，宗鑫，杨树，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：