第36卷 第10期2018年 10月数字技术与应用Digital Technology &ApplicationVol.36 No.10October 20182018年第 10 期学术论坛DOI:10.19695/j.cnki.cn12-1369.2018.10.114LiDAR点云数据分割方法的比较分析*李雅盟1,2 李朝奎1 陈奇1 褚楠1(1.湖南科技大学 地理空间信息技术国家地方联合工程实验室,湖南湘潭 411201;2.湖南科技大学 资源环境与安全工程学院,湖南湘潭 411201)摘要:目前点云数据分割又分为基于面域、基于边界及混合三大类方法。与之前的方法不同,本文通过比较各类点云数据分割算法,得出各类分割算法的优缺点,并在实验过程中总结出点云数据在滤波、分类中的相关性,提出一种基于分类与分割迭代的分割算法。关键词:点云；分割；比较分析中图分类号:TN958.98文献标识码:A文章编号:1007-9416(2018)10-0221-02激光雷达测量技术(LiDAR)以其观测精度高、作业效率高等优点,已在三维建模、森林资源管理、海岸侵蚀检测中得到广泛应用[1]。其中数据分割是点云数据生成栅格数据的关键环节。现存的点云数据分割算法主要分为基于边界、基于面域及混合分割算法这三大类,根据应用需求的不同,选取相应的算法进行数据分割[2-3]。通过总结点云数据处理过程中的各个环节之间重要的相互关系,提出了一种基于分类与分割迭代的分割算法。2 基于分类与分割迭代的分割算法目前存在的算法都是基于面域或基于边界,且各种混合算法也只是为了得到一种基于边界及基于面域分割算法的最优组合,尽管有些混合算法达到了较好的分割结果,但针对不同的数据处理目的,算法不一定适用。但是通过一系列数据处理实验,不难发现点云数据分类可能会直接影响到数据分割的精度,而这种影响又是相互的且线性相关。由于点云数据分割的目的就在于将空间划分为不同的区域,方便之后分门别类的对点云数据进行表面重建、三维建模等。所以点云数据的分割也直接影响到之后的表面重建工作。基于以上原理及现存的算法总结,本文提出了一种将点云分类与分割迭代的新型算法。1 LiDAR点云分割算法的比较分析一般来说,点云数据分割算法可以分为基于边界的算法和基于面域的算法两大类。前者主要着眼于提取点云中代表不同曲面间边界的扫描点,然后根据得到的边界分割点云数据。而后者则主要着眼于寻找点云中具有相同属性的扫描点,构成可靠种子区域,然后对这些种子进行生长,最终达到分割点云数据的目的。很多研究人员综合使用了上述两种方法进行点云分割,即混合算法。其中基于面域的分割算法,又分为高级特性及扫描点聚类算法。本实验通过对现有的点云分割算法,得到相应的实验结果,并结合算法思想,得到了基于面域、基于边界及混合算法的对比结果(见表1),基于面域的高级特性及扫描点聚类的对比结果(见表2)。2.1 基本原理基于分类与分割迭代的分割算法的基本原理如下:(1)首先对每个激光脚点生成小邻域;(2)再将各个小邻域进行生长,属性相同的邻域进行合并,得到粗分割结果;(3)然后对粗分割结果使用最大似然法进行粗差剔除,去除分割碎片.使得该算法具备很强的抗差能力;(4)粗分割后,在各个类别中去除可靠性低于70%的种子,并选取可靠性最高的中心种子进行分门别类的生长,得出细分割结果;(5)判断分割精度是否满足要求,若不满足则转到第四步;表1 基于面域、基于边界及混合分割算法的对比结果基于面域分割 采用各种手段构造可靠的种子区域；进行曲面生长；再采用一定的手段对基本原理 各区域进行裁剪和缝合操作，提取有效边界；最终分割与拟合点云。 更为稳定可靠；对点云数据噪声的敏主要优点 感性较低，具有较好的抗差性能。 计算效率低；种子区域曲面类型的选择和扫描点先验精度的确定对于分割主要缺点 会起到至关重要的作用 类别 基于边界分割 首先利用各种手段寻找点云中的边界点；然后想办法将寻找到的离散边界点相互连接；提取边界曲线，将点云分割为多个相互分离的区域；已达到分割点云目的。 计算效率高。 混合分割 采用基于面域的相关算法进行曲面拟合；采用边界分割相关算法提取区域边界，进行分割点云。 计算效率高；具备较高的稳定性及可靠性；抗差性能强。 可靠性稳定性差；对噪声非常敏感，不易提算法复杂，时间复杂度及空取出有效完整的边界；滤波操作容易使锐利间复杂度高；算法不够完善，边界变成缓和边界，导致对象的细节损失。 综合选取的两类算法的方法直接影响分割结果。 收稿日期:2018-08-12*基金项目:国家自然科学基金资助项目,编号:41571374,41771462;湖南省青年基金,编号:2018JJ3151。作者简介:李雅盟(1993—),女,江苏徐州人,硕士研究生,研究方向:机载LiDAR点云数据后处理。通讯作者:李朝奎(1967—),男,湖南汉寿人,博士,教授,博士生导师,研究方向:三维地理建模及应用。221Copyright©博看网 www.bookan.com.cn. All Rights Reserved.第 36 卷 数字技术与应用 www.szjsyyy.com表2 基于面域的高级特性及扫描点聚类的对比结果对比项 基本原理 抗差性能 基于高级特性的分割算法 以扫描线为单位，首先提取其中的二维“曲线元”信息；然后以“曲线元”为基础，生成种子区域并进行生长；最终完成分割和拟合。 “曲线元”的提取算法本身可以有效屏蔽掉粗差扫描点，所以此类算法具有较好的抗差性能。 基于扫描点聚类的分割算法 直接运算于扫描点；通过各种手段，将具有相同属性的扫描点聚合到一起；最终完成分割和拟合。 运用各类抗差算法，或者采用各种手段构造可靠的种子区域，然后进行生长的方法，保证算法的抗差性能。 若满足则得到最终的分割结果。2.2 算法优势基于分类与分割迭代的分割算法是在总结点云数据处理过程中分类与分割的相关程度及其特点的基础上建立的,通过运用点云数据分类与分割过程中相互之间的影响,得出的一类新型算法。该算法通过将点云数据的分类及分割过程迭代进行,克服了点云数据分类与分割中遇到的分类自动化程度低、分割效果差等缺点,可以大大缩减LiDAR后处理过程中的成本。此外,该类算法通过使用聚类生长算法进行生长,具备抗差能力强、稳定性可靠性高、思路简单明了、适用性强等优点。关性,总结点云数据处理过程中各个环节的相互作用,提出一种基于分割与分类相互迭代的分割算法。该算法凌驾于其他三类算法,从数据处理环节链的角度,动态处理数据,能够同时达到数据分类与数据分割的目的,大大简化数据处理的复杂度,提高分类与分割处理的精度,有效缩短工作时间,适应性强。参考文献[1]Chen Z, Gao B, Devereux B. State-of-the-Art: DTM Genera-tion Using Airborne LIDAR Data[J].Sensors,2017,17(1):150.[2]Bose S K, Biswas K K, Gupta S K. An integrated approach forrange image segmentation and representation[J].Artificial In-telligence in Engineering,1996,10(3):243-252.[3]Kaveti S, Teoh E K, Wang H. Second-order implicit polynomi-als for segmentation of range images[J].Pattern Recognition,1996,29(6):937-949.3 结语分门别类总结现存的点云数据分割主流算法,得到各类算法的基本原理、优缺点,对于我们之后的学习工作有很好的导向作用。在实验过程中,通过发现点云数据分类、数据分割、表面重建环节的相The Compare and Analysis of LiDAR Data Segmentation Methods*LI Ya-meng1,2, LI Chao-kui1△, CHEN Qi1, CHU Nan1(1.National-local Joint Engineering Laboratory of Geo-Spatial Information Technology, Hunan University of Science andTechnology, Xiangtan Hunan 411201;2.School of Resource Environment and Safety Engineering, Hunan University of Scienceand Technology, Xiangtan Hunan 411201)Abstract:LiDAR data segmentation methods are divided into three categories, including based on domain, based on the boundary and mixed.Different from previous methods, it is concluded that the advantages and disadvantages of all kinds of segmentation algorithms though comparing allkinds of LiDAR data segmentation methods. And summing up the point cloud data in the experimental process, the correlation among the various stepsin processing, put forward a segmentation algorithm based on alternates of classification and segmentation.Key words:point cloud; segmentation; comparative analysis······上接第220页[2]莫吉儒.根据我国电工设计现状浅谈自动化技术在电子信息工程设计中的具体应用[J].中国战略新兴产业,2018,(08):128+130.[3]尹坤任.自动化技术在电子信息工程设计中的应用[J].电子技术与软件工程,2014,(1):253-253.[4] 吴国静.自动化技术在电子信息工程设计中的应用研究[J].教育科学:全文版,00256-00256.Application Analysis of Automation Technology in Electronic InformationEngineering DesignQIU Sheng-ji(Harbin No. 1 middle school,Harbin Heilongjiang 150000)Abstract:With the development of social economy, the development of the tertiary industry and the secondary industry is very rapid, which playsa key role in the process of industrial development. Among them, automation technology is promoting the development of electronic informationengineering design, effectively improving the efficiency of production and improving the quality of production. This paper will analyze the applicationof automation technology in electronic information engineering design, and expound the application advantages and means of automation design.Key words:automation technology; electronic information; engineering design; application222Copyright©博看网 www.bookan.com.cn. All Rights Reserved.
