Voxel-Based Extraction and Classification of 3-D Pole-Like Object From Mobile LIDAR Point Cloud Data
文章下载连接:https://download.csdn.net/download/m0_37957160/12805395
车载点云中3维杆状目标基于体素的提取与分类
摘要:
道路环境数字测绘是道路基础设施清查和城市规划的一项重要任务。对类杆目标的自动提取和分类,可以显著地降低和提高工作效率。因此,本文提出了一种基于体素的方法,通过分析物体的空间特征来自动提取和分类三维(3-D)杆状物体。首先,通过基于体素的形状识别生成一组线性体素作为杆状对象候选者,并用作后续模块的输入。根据杆状地物的局部孤立性且主方向是沿着Z轴的特点,采用一种自适应半径和垂直生长的圆柱模型识别属于杆状地物的体素。最后,根据形状特征和空间拓扑关系推导出若干语义规则,将所提取的类杆对象进一步划分为四类(灯杆、电线杆、树杆和其它)。利用移动激光雷达点云数据的三个数据集对所提出的方法进行了评价。实验结果表明,该方法能有效地从3个样本中提取出类极目标,提取率分别为85.3%、94.1%和92.3%。此外,本文所提出的方法还能有效地进行分类,尤其是树干分类。
提出方法的流程图如下: