亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于強度信息聚類的機載LiDAR點云道路提取

        2011-11-15 03:30:04張永生李正國包全福
        測繪通報 2011年9期
        關(guān)鍵詞:均值高程聚類

        龔 亮,張永生,李正國,包全福

        (1.信息工程大學(xué)測繪學(xué)院,河南鄭州450052;2.江西省數(shù)字國土重點實驗室,江西撫州344000)

        基于強度信息聚類的機載LiDAR點云道路提取

        龔 亮1,2,張永生1,李正國1,包全福1

        (1.信息工程大學(xué)測繪學(xué)院,河南鄭州450052;2.江西省數(shù)字國土重點實驗室,江西撫州344000)

        提出一種利用強度信息聚類提取機載LiDAR點云道路的方法,并綜合利用回波次數(shù)信息與高程信息對分類結(jié)果進行進一步精化。采用北京鳳凰嶺地區(qū)某塊機載LiDAR數(shù)據(jù)進行試驗,試驗結(jié)果表明,通過強度信息聚類從LiDAR點云中提取道路能取得一定效果,但誤差較大;經(jīng)過回波次數(shù)和高程信息篩選精化后,試驗效果得到明顯提升,大量的誤分點被去除,道路點云得到較好的保留。

        機載激光掃描;點云;強度;K均值聚類;模糊C均值聚類

        一、引 言

        激光雷達(light detection and ranging,LiDAR)系統(tǒng)融合了激光雷達、全球定位系統(tǒng)(GPS)和慣性導(dǎo)航系統(tǒng)(INS),可以快速有效地獲取測區(qū)表面的三維坐標(biāo)信息,得到了越來越廣泛的應(yīng)用。機載LiDAR系統(tǒng)在測定激光腳點三維坐標(biāo)的同時,還能夠記錄該激光腳點位置反射激光信號的強度信息。本文的目的就是要利用LiDAR點云數(shù)據(jù)的強度信息對非城區(qū)進行道路的提取。

        目前強度信息在點云數(shù)據(jù)處理中的應(yīng)用還不多見,JeongHeon Song等人對利用強度信息進行LiDAR數(shù)據(jù)分類的可行性做出了評估[1];James Bethel等人綜合利用強度信息和三維坐標(biāo)信息進行了道路提?。?]。理論上,激光回波強度與地物目標(biāo)的反射率成正比關(guān)系,即反射率越大激光強度值越高。但是激光雷達系統(tǒng)記錄的回波強度是尚未經(jīng)過校正的值,會受大氣衰減、激光入射角度等多種因素的影響,而且激光回波強度的校正至今還是一個比較困難的課題,因此激光回波強度很難真實地反映地物的反射率信息。但利用激光回波強度信息能夠區(qū)分開介質(zhì)屬性區(qū)別較明顯的地物。

        在非城區(qū),道路通常為水泥材質(zhì),而且兩旁通常都是植被或者莊稼地,所以通過強度信息聚類可以將道路從點云中分離出來。目前常見的聚類算法主要有基于劃分的方法和基于網(wǎng)格的方法[3]。本文采用的聚類算法為K均值聚類和模糊C均值聚類算法,它們都是基于劃分的方法,優(yōu)點是通過最小空間距離達到均衡狀態(tài),而且收斂速度較快。

        二、兩種聚類算法

        1.K均值聚類

        K均值聚類[4]屬于劃分型聚類方法,應(yīng)用領(lǐng)域十分廣泛。假設(shè)待聚類數(shù)據(jù)為X={x1,…,xn}(其中,xj={xj1,…,xjq}∈Rq,j=1,…,N),則K均值聚類問題就是要找到X的一個劃分pk={C1,…,Ck},使目標(biāo)函數(shù)最小。式中表示第i個類的中心位置(i= 1,…,k);n是類Ci中數(shù)據(jù)項的個數(shù);d(xl,mi)表示xl到mi的距離。而K均值聚類算法的具體工作流程如下:

        1)選取k個初始聚類中心{c1,c2,…,ck}(其中cj={cj1,cj2,…,cjd}),給定聚類最大迭代次數(shù)I和迭代結(jié)束的最大收斂系數(shù)T。

        2)根據(jù)歐氏距離公式,計算每個數(shù)據(jù)到各類的距離,并將各數(shù)據(jù)劃分到具有最小距離的類中。其中,距離計算公式為

        式中,d(xi,mj)表示第i個矢量數(shù)據(jù)到第j個聚類的距離。

        3)重新計算k個聚類的中心值 {m1,m2,…,mk},計算公式為

        式中,mj為第j類的聚類中心。

        4)檢驗聚類操作是否應(yīng)該結(jié)束。若迭代次數(shù)等于I,則結(jié)束聚類;否則計算該次迭代的各個收斂聚類,若每個類的收斂距離都小于給定參數(shù)T,則結(jié)束;否則,轉(zhuǎn)向步驟2),繼續(xù)迭代。收斂距離的計算公式為

        式中,j=1,…,k;l=1,…,d;k為當(dāng)前迭代次數(shù)。

        K均值聚類算法是一種滿足最小二乘誤差約束的迭代算法,它通過移動類中心而逐次優(yōu)化聚類結(jié)果。但該方法受到選定的聚類數(shù)和給定的初始類中心位置的影響。

        2.模糊C均值聚類

        模糊C均值算法[5]是由Dunn于1974年提出并經(jīng)Bezdek加以推廣的模糊聚類算法。其原理為:把N個M維數(shù)據(jù)集X={Xj,|j=1,2,…,N}劃分為模糊類別F~={F~i|i=1,2,…,c}。通過計算歐氏距離d的度量,求得第i個聚類F~i的類心Vi(1≤i≤c),使得準則函數(shù)J(U,V)最小化。

        式中,m為模糊加權(quán)系數(shù);μij∈U是數(shù)據(jù)Xj屬于~Fi的模糊隸屬度,它必須滿足以下的約束條件

        模糊C聚類算法計算簡單,運算速度快,但是對噪聲數(shù)據(jù)敏感。

        三、試驗與分析

        本文試驗數(shù)據(jù)為北京鳳凰嶺地區(qū)的一塊機載LiDAR數(shù)據(jù),該塊數(shù)據(jù)采用Riegl公司的LMS Q560系統(tǒng)獲得,總點數(shù)為129 636,平均點云密度為1.7個/m2。數(shù)據(jù)區(qū)中包含道路、植被和建筑物等信息。數(shù)據(jù)區(qū)的航空正射影像如圖1(a)所示,原始點云分層設(shè)色如圖1(b)所示。

        1.強度信息預(yù)處理

        由于激光雷達的回波強度值中有很多的粗差,在道路區(qū)域內(nèi)的點也可能出現(xiàn)強度值與道路兩邊其他類別地物像素的強度值相同的情形。因此,直接利用激光強度信息進行地物的識別和提取還有很大困難。在利用回波強度進行地物點云提取時,首先應(yīng)該進行強度值的規(guī)則化等預(yù)處理,然后利用處理后的強度數(shù)據(jù)分析典型地物的強度值差異。強度值規(guī)則化預(yù)處理包括去除粗差點(奇異點)和強度值范圍變換等,首先去除明顯錯誤的異常強度值,然后變換強度值的動態(tài)分布范圍,將強度值的分布范圍拉伸到0~255之間。本文采用線性拉伸法對強度值的分布范圍進行變換,線性拉伸法是采用線性關(guān)系將原始的強度值變換到新的強度值。

        圖1 試驗數(shù)據(jù)影像與原始點云

        設(shè)原數(shù)據(jù)的強度值為I,強度值的分布范圍為[Imin,Imax],變換后數(shù)據(jù)的強度值為Int,強度值的分布范圍為[Intmin,Intmax],則原數(shù)據(jù)和變換后數(shù)據(jù)強度值之間的對應(yīng)關(guān)系為

        圖2(a)中點云數(shù)據(jù)的原始回波強度值范圍為10~165,通過回波強度值的線性拉伸得到的強度值數(shù)據(jù)如圖2(b)所示。

        圖2 線性拉伸前后的強度值圖像顯示

        2.強度信息聚類

        理論上,激光回波強度與目標(biāo)的反射率成正比,目標(biāo)反射率越大,激光強度值越高。但是激光雷達系統(tǒng)記錄的回波強度是尚未經(jīng)過校正的值,受激光入射角度、大氣衰減等多種因素的影響,而且激光回波強度的校正至今仍然是一個比較困難的課題。因此,單純利用激光回波強度很難判斷出地物屬性。但不同地物的反射強度會有不同程度的差別,利用激光回波強度信息聚類能夠區(qū)分開介質(zhì)屬性區(qū)別較明顯的地物。

        本文分別利用K均值聚類和模糊C均值聚類對線性拉伸后的強度值進行聚類。通過采集訓(xùn)練樣本確定初始聚類中心為{7,82,164,247},聚類數(shù)均為4。圖3為K均值聚類結(jié)果;圖4為模糊C均值聚類結(jié)果;表1為兩種聚類算法對比。

        圖3 K均值聚類結(jié)果

        圖4 模糊C均值聚類結(jié)果

        表1 兩種聚類算法對比

        從圖3、圖4和表1可以看出,模糊C均值聚類雖然運算速度快,但是效果要遠差于K均值聚類。原因在于模糊C均值聚類對噪聲很敏感,而LiDAR點云數(shù)據(jù)的強度信息噪聲較大,導(dǎo)致聚類效果不夠好。

        觀察圖3聚類結(jié)果和圖1(a)的航空影像可以發(fā)現(xiàn),當(dāng)?shù)缆穬膳詾橹脖坏扰c道路反射強度差別較大的地物時,聚類效果較好。但也有許多與道路材質(zhì)差別小的地物被誤分為道路點,如建筑物、水泥地面等。

        3.聚類結(jié)果篩選精化

        由于道路點通常是僅有一次回波,所以首先可以利用回波次數(shù)信息對分為道路一類的數(shù)據(jù)進行再次篩選。Num(number of returns)表示產(chǎn)生該點的這次脈沖的總回波數(shù),Rnum(return number)表示該點回波在這一次脈沖所有回波(Num)中的次序。本步驟的目的是要去除道路點中Num>1的點。K均值聚類提取的道路如圖5所示;利用回波次數(shù)信息篩選結(jié)果如圖6所示。

        圖5 K均值聚類提取的道路

        圖6 回波次數(shù)篩選結(jié)果

        從圖6可以看出,還有一些建筑物點沒有被去除,因為建筑物通常也只有一次回波,這個特性與道路一樣。但是利用高程信息可以進一步將建筑物與道路區(qū)分,由于試驗區(qū)地勢較平坦,所以可以直接利用高程閾值將建筑物過濾。本試驗高程閾值T=90 m,將圖6中高程大于90 m的點去除,結(jié)果如圖7所示。

        圖7 高程閾值篩選結(jié)果

        經(jīng)過回波次數(shù)和高程閾值篩選后,大量的誤分點(如建筑物點)被去除,道路點得到較好的保留。但是仍有一些點(如水泥地面點)難以區(qū)分,目前只能結(jié)合航空影像進行目視判讀,道路的進一步精確自動提取還需要深入研究。

        四、結(jié)束語

        通過激光回波強度信息聚類分析,能比較容易地區(qū)分開植被和水泥介質(zhì)的道路,但是對于某些回波強度相似的地物點和道路則較難區(qū)分。同時也證明了模糊C均值聚類對噪聲數(shù)據(jù)非常敏感,聚類效果差于K均值聚類。在經(jīng)過K均值聚類后,本文先后利用回波次數(shù)信息和高程信息對結(jié)果進行了進一步的精化,效果比較顯著,基本上可以去除一般地面點和建筑物的影響,但是水泥地面與道路的區(qū)分還比較困難,需要作進一步的研究。

        [1] SONG J H,HAN S H,YU Kiyun.Assessing the Possibility of Land-cover Classification Using LiDAR Intensity Data[C]∥ISPRS CommissionⅢ.Graz:[s.n.],2002.

        [2] ALHARTHY A,BETHEL J.Automated Road Extraction from LiDAR Data[C]∥Proceedings of American Society of Photogrammetry and Remote Sensing.Ancharage,Alaska:[s.n.],2003.

        [3] 劉春,陳華云,吳杭彬.激光三維遙感的數(shù)據(jù)處理與特征提取[M].北京:科學(xué)出版社,2010.

        [4] 余旭初.模式識別與人工智能[M].北京:解放軍出版社,2000.

        [5] 卜娟,王向陽,孫藝峰.基于模糊C均值聚類的多分量彩色圖像分割算法[J].中國圖象圖形學(xué)報,2008,13(10):1837-1840.

        Automated Road Extraction from LiDAR Data Based on Clustering of Intensity

        GONG Liang,ZHANG Yongsheng,LI Zhengguo,BAO Quanfu

        0494-0911(2011)09-0015-03

        P237

        B

        2010-09-06

        江西省數(shù)字國土重點實驗室開放研究基金資助項目(DLLJ201001);測繪學(xué)院碩士學(xué)位論文創(chuàng)新與創(chuàng)優(yōu)基金資助項目

        龔 亮(1985—),男,四川自貢人,碩士生,主要研究方向為機載LiDAR數(shù)據(jù)處理。

        猜你喜歡
        均值高程聚類
        8848.86m珠峰新高程
        基于DBSACN聚類算法的XML文檔聚類
        電子測試(2017年15期)2017-12-18 07:19:27
        GPS控制網(wǎng)的高程異常擬合與應(yīng)用
        均值不等式失效時的解決方法
        均值與方差在生活中的應(yīng)用
        基于改進的遺傳算法的模糊聚類算法
        關(guān)于均值有界變差函數(shù)的重要不等式
        SDCORS高程代替等級水準測量的研究
        一種層次初始的聚類個數(shù)自適應(yīng)的聚類方法研究
        對偶均值積分的Marcus-Lopes不等式
        国产偷国产偷亚洲清高| 国产精品第一二三区久久| 国产成人精品2021| 人妻少妇看a偷人无码精品| 香蕉视频免费在线| av在线网站一区二区| 午夜被窝精品国产亚洲av香蕉| 亚洲成在人网站av天堂| 69av视频在线观看| 中文字幕日本韩国精品免费观看| 亚洲高清三区二区一区| 亚洲av无码一区二区乱孑伦as | 欧美人妻aⅴ中文字幕| 美女自卫慰黄网站| 国产精品美女久久久久浪潮AVⅤ | 亚洲国产精品成人久久久| 国产一女三男3p免费视频| 久久久久久一级毛片免费无遮挡| 蜜桃视频网址在线观看| 风韵少妇性饥渴推油按摩视频| 四虎影库久免费视频| 亚洲av中文无码乱人伦在线咪咕| 日本不卡一区二区三区久久精品| 中文字幕一区日韩精品| 亚洲AV无码一区二区三区日日强 | 免费a级毛片无码免费视频首页| 三男一女吃奶添下面| 亚洲成在人网av天堂| 国产韩国一区二区三区| 国产av无码专区亚洲avjulia| 偷窥村妇洗澡毛毛多| 中文字幕av人妻一区二区| 成人影院在线视频免费观看| 久久精品人人爽人人爽| 亚洲国产成人资源在线桃色| 亚洲av激情一区二区| 爱性久久久久久久久| 在线视频 亚洲精品| 亚洲免费福利视频网站| a级毛片免费观看在线播放| 男女男在线精品网站免费观看|