基于深度學(xué)習(xí)的移動(dòng)激光點(diǎn)云數(shù)據(jù)自動(dòng)分類方法研究

黃 剛

1. 北京四維圖新科技股份有限公司，北京 100094； 2. 首都師范大學(xué)資源環(huán)境與旅游學(xué)院，北京 100048

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的快速發(fā)展，智慧城市成為國(guó)內(nèi)外學(xué)者研究的熱點(diǎn)領(lǐng)域。城市三維地理空間信息的獲取與處理是建設(shè)智慧城市的基礎(chǔ)，也是亟待解決的關(guān)鍵技術(shù)之一。目前，移動(dòng)激光點(diǎn)云分類多為人工和半自動(dòng)方式，數(shù)據(jù)解譯的自動(dòng)化程度低，導(dǎo)致點(diǎn)云利用率下降，制約了移動(dòng)激光點(diǎn)云在高精地圖、自動(dòng)駕駛和智慧城市等領(lǐng)域的應(yīng)用。論文基于移動(dòng)激光點(diǎn)云數(shù)據(jù)，開展基于深度學(xué)習(xí)的自動(dòng)分類方法研究，為解決室內(nèi)及近室內(nèi)信息獲取難題，研制了一種新型移動(dòng)測(cè)量系統(tǒng)，同時(shí)，結(jié)合深度學(xué)習(xí)理論，優(yōu)化SPG三維語(yǔ)義分割模型和DeepLab V3+二維語(yǔ)義分割模型，提出了移動(dòng)激光點(diǎn)云數(shù)據(jù)自動(dòng)分類算法。主要內(nèi)容如下。

(1) 輕掃三維信息采集系統(tǒng)研制?；诋?dāng)今智慧城市建設(shè)對(duì)室內(nèi)及近室內(nèi)信息的迫切需求，突破多傳感器集成、室內(nèi)定位與建圖、點(diǎn)云與全景影像融合等關(guān)鍵技術(shù)，研制出一款集成了單線激光、多線激光、全景相機(jī)、全球定位系統(tǒng)和慣性導(dǎo)航系統(tǒng)的新型室內(nèi)及近室內(nèi)信息采集系統(tǒng)。試驗(yàn)表明，該系統(tǒng)在室內(nèi)及近室內(nèi)環(huán)境GNSS信號(hào)遮擋情況下，可通過同步定位與建圖技術(shù)，快速獲取三維地理信息，點(diǎn)云相對(duì)精度可達(dá)0.1 m。

(2) 移動(dòng)激光點(diǎn)云數(shù)據(jù)自動(dòng)分類。為解決實(shí)體三維分類需求，在分析SPG三維語(yǔ)義分割模型的基礎(chǔ)上，為提高模型對(duì)于局部特征的提取能力，在SPG三維語(yǔ)義分割的PointNet模塊中引入多尺度網(wǎng)絡(luò)，提出了一種基于改進(jìn)超點(diǎn)圖的三維信息提取與分類方法，并在此基礎(chǔ)上進(jìn)行了矢量化。通過論文方法與SPG模型的對(duì)比試驗(yàn)，結(jié)果證明該方法在精度和均交并比上分別提升了2.3%和3.5%。為驗(yàn)證論文方法的穩(wěn)健性，設(shè)計(jì)交叉對(duì)比試驗(yàn)，結(jié)果表明論文方法的分類結(jié)果受訓(xùn)練樣本所在區(qū)域的影響較小，具有很好的穩(wěn)健性。為進(jìn)一步驗(yàn)證本文方法的先進(jìn)性，將論文方法與PointNet、PointNet++及PointSIFT 3種點(diǎn)云三維語(yǔ)義分割對(duì)比，結(jié)果表明論文方法分類精度達(dá)到91.6%，優(yōu)于其他3種對(duì)比方法。

(3) 道路標(biāo)線提取與分類。鑒于三維語(yǔ)義分割方法無法對(duì)路面上的道路標(biāo)線進(jìn)行分類，論文研究了激光點(diǎn)云數(shù)據(jù)地面點(diǎn)提取方法，在分析DeepLab V3+二維語(yǔ)義分割網(wǎng)絡(luò)模型的基礎(chǔ)上，提出了一種基于改進(jìn)DeepLab V3+深度學(xué)習(xí)網(wǎng)絡(luò)的道路標(biāo)線提取與分類方法，設(shè)計(jì)了道路標(biāo)線提取、分類和矢量化方案，使用論文方法與Pix2PixHD方法及其他方法進(jìn)行對(duì)比試驗(yàn)，結(jié)果表明，本文方法的精度、完整度和F值分別達(dá)到92.56%、87.84%和90.15%，優(yōu)于其他對(duì)比方法的分類效果，同時(shí)，本方法可自主學(xué)習(xí)特征，減少了人為因素的影響。對(duì)處理過程進(jìn)行優(yōu)化，實(shí)現(xiàn)了一鍵化處理，并使用論文提出的方法對(duì)深圳市300 km的道路點(diǎn)云數(shù)據(jù)進(jìn)行處理，實(shí)現(xiàn)了道路標(biāo)線的分類與矢量化，取得了良好的效果。