面向对象的倾斜摄影测量点云分类方法

房俊智

（泰安市城市建设设计院）

1 引言

随着人工智能技术的迅猛发展和大数据技术的广泛应用，点云数据获取和应用技术也越来越受到人们的重视和青睐。倾斜摄影测量技术的发展为点云数据的精确获取合理分类提供了有效的技术支持，可以利用面向对象的倾斜摄影测量点云分类方法，获得高密度和高精度的三维点云，为建筑物的三维建模以及智慧城市的构建提供充足的数据，因此，针对面向对象的倾斜测量点云分类方法进行分析研究是十分必要的。

2 面向对象的倾斜摄影测量点云分类方法概述

当前针对激光点云的分类方法包括图割算法、随机森林分类方法、面向对象方法等。通过综合规划高度法向量的分量以及颜色、纹理、长度等特征，将点云分成草地、地面、树木和建筑物等相关类别的方式为图割算法。随机森林分类方法基于光谱的特征以及几何特性和强度特征，将点云分成树木、建筑物、草地和地面。近年来提出的基于规则的层次羽翼面向对象分类方法综合光谱集合拓扑特征，可以将倾斜摄影测量点云分类成为屋顶、草地、树木、立面和道路五类，该方法阈值较高。面向对象的倾斜摄影测量点云分类方法在计算效率内部误差估计、变量重复性以及对噪声和异常值鲁棒性等方面具有显著优势，可以通过目标几何和颜色特征将点云分成四类[1]。

3 面向对象的倾斜摄影测量点云分类方法

3.1 面向对象的倾斜摄影测量点云分类框架

面向对象的倾斜摄影测量点云分类框架主要包括数据预处理、随机森林初次分类以及分类结果优化三部分内容。首先，需要做好数据的预处理工作，倾斜摄影测量点云具有高密度和三维彩色的特征，需要在保留原始数据内容和特征的前提下对点云进行采样，利用布料模拟滤波算法进行点云数据的滤波，该算法模拟了简单的布料覆盖物理过程，可以通过激光点的距离阈值将点云分为非地面点和地面点。选择大约10%左右的点云作为训练集，倾斜摄影测量点云有相对真实的纹理信息，需要从光谱特征和几何特征方面进行倾斜摄影测量点云的分类。通过几何特征和光谱特征的融合，能够进一步提升分类效果和质量，采取的分类特征包括颜色模型特征、植被指数特征、高层系列特征以及协方差系列特征。其次，随机森林是倾斜摄影测量点云分类框架的重要组成部分，信息熵越大说明信息的不确定性越高，信息的价值含量也越大。通过引入信息熵进行信息不确定性的评价标准并将之与随机森林结合，提出一种改进的监督分类方法，可以对原始训练集进行抽样进行初始迭代，剩余数据作为迭代过程中数据源的更新，首次迭代即可以获得初次分类结果。然后计算所有点云的二次熵值，在剩余的训练集中选取熵值比较大的点作为下次迭代的数据，避免所选取的训练集的冗余[2]。

3.2 点云数据的划分原理

对于倾斜摄影获得的大量密集的带有三维坐标的点云数据，如果直接对其处理效率较低，所耗费的时间非常长，而且有的点云数据位于地面，有的位于地面的植被或者建筑物等物体上。所以，必须要先做好非地面点和地面点的分离工作，然后进行点云数据的处理。点云滤波技术原理基于点云数据相邻两个点之间，没有任何过渡进行点云数据的过滤，能够直观反映出建筑物边界以及局部轮廓高层的不连续性。形态学滤波算法是一种经典常见的滤波算法，借助处理栅格图像的方法进行点云数据的处理，在局部范围内可以设定一定大小的滤波窗口，剔除高于地面的点，不断调整窗口大小然后迭代，直到逼近地面，从而能够保留出地面的点，将不符合分析要求的数据点过滤和剔除掉。数学形态学算法简单明了，有丰富的理论知识作为基础，操作简单，处理速度较快。但在实际使用的过程中，往往需要对原始点云数据进行重采样和插值，会造成一些细节信息的丢失，影响数据精度和准确性。其次，数学形态学的高差预置条件是固定不变的，不变的条件往往会造成滤波效果不佳，局限性较大。移动曲面拟合滤波算法直接在原有点云数据的基础之上进行数据处理，利用简单的二次曲面拟合小的曲面部分，当拟合到很小的程度可以将之看作一个平面。通过测量范围内各个点的顺序进行数据记录，并将之作为初始的地面点进行拟合，从而可以得到点云的分类数据[3]。

3.3 面向倾斜摄影建筑三维建模

倾斜摄影模型可以使得规划人员在空间上直接的实施分析以及判断，借助上述提到的一些处理工具，可以实现建筑物测量、规划地块三维立体建模以及现场建筑物保留与分析等，这些在之前传统的规划手段当中，是不可能做到的。利用倾斜摄影模型的设置，可以在模型上直接性的获取各种各样的数据，对其实施针对性的操作以及处理之后，可以使得规划人员的工作效率得到大大的提高。规划人员还可以和目标相结合，在模型的基础上完成方案的判断，看其以及需求之间是否相一致。社会经济以及科学技术一直在持续的发展，当前，在农村不动产测绘当中，倾斜摄影测量技术的运用变得非常的广泛，在倾斜摄影测量技术的使用基础上，可以完成地表状况的全方位拍摄，进而体现出其真实性，并且可以保障数据在获取的过程当中具备多元性。当前在农村地区的一些不动产测绘工作中，使用倾斜摄影测量技术可以使得不动产测绘工作的水平以及质量得到大大的提高，这样非常利于数据获取的准确性，还可以进一步设置倾斜摄影测量技术的三维立体模型，这样就会使得被测对象的信息变得更加的形象化以及具体化。

3.4 数据准备

为了对本文方法进行验证，使用如图1所示的2组数据实施实验。该点云(如图1a以及图1d所示)均使用SWDC-5影像进行生成，密度大致为20～30 pt/m2。图1b以及图1e分别属于彩色点云对应的具体原始影像，图1c以及图1f分别把点云在原始影像上进行投影，进而可以形成叠加的效果，从图1c以及图1f可以发现点云并没有对原始影像进行完全的覆盖，因此把影像进行分割，进而成为一定的超像素时，那么实际需要分类的对象数量和该数值相比较就会小。本文的具体参考数据需要使用人工在原始影像上完成标注，实施精度评定时，可以把分类之后的点云在原始影像上进行投影，与参考数据实施对比之后，计算精度。

3.5 误差分析

分类误差主要包含：①参考数据当中，可以把地面上的物体标注为地面（比如：汽车），如图2所示，因此会出现一些错分的对象，如图2a，汽车的车顶属于绿色，那么会被分类为植被；②由于样本选择的不适当以及阴影的存在会使得一些区域被错误的分类为植被，如图2b所示。

图1 SWDC-5影像生成的点云图

图2 错分的对象图

4 结语

综上所述，加强面向对象的倾斜摄影测量点云分类方法的探究对于三维数据的有效处理和科学应用有着至关重要的作用，结合倾斜摄影测量技术的特征以及点云数据滤波技术的发展现状，基于对象开展倾斜摄影测量点云分类方法，能够进一步优化现有点云分类方法存在的问题和不足，提高点云数据分类的准确性和科学性，加快点云划分的速度，从而可以促进点云数据的合理科学应用。