[发明专利]一种基于特征球的室外场景三维点云数据的分类方法

说明书

技术领域

本发明涉及一种三维点云数据的分类方法，更具体地说，涉及一种基于特征球的室外场景三维点云数据的分类方法。

背景技术

随着三维扫描测距技术的发展，三维点云数据在逆向工程、工业检测、自主导航等领域的应用越来越为广泛。三维点云数据处理技术作为实现上述应用的基础，发挥了至关重要的作用。在三维点云数据处理技术中，三维点云数据的分类识别是一个非常重要的技术，尤其是针对室外场景的三维点云数据的分类识别，其对于移动机器人的目标识别、环境探测和自主导航，以及各种智能机械的自主作业，都有着极其重要的作用。

室外场景三维点云数据分类是指利用外部传感器来获取室外场景环境信息，并通过对环境信息的学习和挖掘，将其分割和分类为各种自然物体(地面、建筑、树木、车辆等)，以实现对环境的深入理解和对目标的准确分类。目前，基于三维点云数据的物体分类、目标分类和环境分析已经成为人工智能领域的前沿课题和研究热点。

目前，较为常见的室外场景三维点云数据分类方法主要是通过对离散点的分割以及特征的提取来实现的，特别是基于条件随机场模型的分类方法，条件随机场主要引用先验信息，将不确定性与先验知识相联系，通过利用观测到的变量，根据统计理论中的最优准则确定分类问题的目标函数，进而求解得到满足这些条件的最大可能分布，基于条件随机场模型的点云分类利用了点与点之间的邻域关系，并由这种邻域关系来构造“团”，依靠这些团和这种邻域关系推导出的几何特性，来对整幅场景进行推断，实现了很不错的分类效果，这是其他分类方法都没有的优势。然而基于条件随机场模型的分类方法在以下几个方面仍存在一些不足之处：1、条件随机场实现点云分类的基础是点云的分割，即点云的团的构造，但由于室外场景形状比较复杂，噪声比较大等，目前还没有较好的室外场景三维点云的分割方法，即缺乏可靠的团构造方法；2、点云特征向量的构造和计算是条件随机场分类的另一个重要组成部分，但目前在这一方面所提特征都相对简单，不能够准确描述室外场景中离散点的几何形状和拓扑结构。

发明内容

为了克服现有技术中存在的不足，本发明目的是提供一种基于特征球的室外场景三维点云数据的分类方法，以提高室外场景分类的准确性和可靠性。该方法针对一个室外场景，首先利用激光扫描测距仪获取室外场景的三维点云数据，其实质为三维空间中的一个点集，然后通过一定的点云分类方法，从室外场景三维点云数据中，准确可靠地分类出建筑、树木、汽车、地面等。该方法解决了由于室外场景几何拓扑结构较为复杂等因素而引起的点云特征向量构造不完善和点云分割(即团构造)不准确的问题，极大地提高了基于条件随机场模型的分类方法的分类效果。

为了实现上述发明目的，解决现有技术中所存在的问题，本发明采取的技术方案是：一种基于特征球的室外场景三维点云数据的分类方法，包括以下步骤：