高分辨率三維點云目標(biāo)識別技術(shù)研究.pdf

1、隨著科學(xué)技術(shù)的不斷進步，近幾十年來，人類感知世界的手段已從以光學(xué)成像為主的二維感知手段發(fā)展到以激光掃描技術(shù)為主的三維感知手段。三維激光掃描系統(tǒng)已成為繼可見光、紅外、微波、多/高光譜之后重要的遙感傳感器。三維激光掃描系統(tǒng)獲得的高分辨率三維點云數(shù)據(jù)以其數(shù)據(jù)量大、數(shù)據(jù)無規(guī)則、場景復(fù)雜度高等特性，成為近年來的研究熱點與難點。目標(biāo)檢測是場景分析理解的基礎(chǔ)，為高層的場景理解提供底層對象和分析依據(jù)?；诟叻直媛嗜S點云數(shù)據(jù)的目標(biāo)檢測問題在理論和應(yīng)用上

2、都面臨著巨大的挑戰(zhàn)，是一個嶄新的研究課題。本文圍繞復(fù)雜場景高分辨率三維點云目標(biāo)檢測問題，系統(tǒng)地分析了當(dāng)前三維點云目標(biāo)檢測方法的缺陷，提出了基于霍夫森林模型的三維點云獨立目標(biāo)檢測模型和基于顯著性的三維點云道路邊界檢測模型：
　　（1）針對三維點云局部結(jié)構(gòu)提取問題，論文基于超體素過分割方法保持目標(biāo)邊界、效率高等特性，提出了基于超體素鄰域的三維局部結(jié)構(gòu)提取方法。為了保證提取的三維局部結(jié)構(gòu)具有最佳的判別能力和計算效率，論文基于拉普拉斯-貝

3、特拉米尺度空間算子分析了在不同超體素鄰域尺寸下三維局部結(jié)構(gòu)的判別能力。該方法克服了當(dāng)前三維點云局部結(jié)構(gòu)提取算法沒有考慮目標(biāo)形狀結(jié)構(gòu)或不能控制局部結(jié)構(gòu)尺寸等缺陷。
　?。?）針對特定類別的獨立目標(biāo)檢測問題，引入機器學(xué)習(xí)方法，提出了基于距離加權(quán)旋轉(zhuǎn)投票霍夫森林的三維點云獨立目標(biāo)檢測模型。該模型利用八叉樹模型從三維點云數(shù)據(jù)中提取三維局部結(jié)構(gòu)，采用具有點云密度不變性、旋轉(zhuǎn)平移不變性的幾何結(jié)構(gòu)特征和光譜特征進行特征描述，并采用距離加權(quán)旋轉(zhuǎn)投

4、票的廣義霍夫投票方法，解決了復(fù)雜場景下獨立目標(biāo)的檢測問題。該方法克服了當(dāng)前三維點云獨立目標(biāo)檢測方法可拓展性弱及檢測性能受限于獨立目標(biāo)形狀完整性的缺陷。實驗結(jié)果證明該方法對復(fù)雜的場景如遮擋、重疊以及旋轉(zhuǎn)等具有較高的魯棒性。
　　（3）論文提出了融合超體素與霍夫森林的三維點云目標(biāo)檢測模型，克服了距離加權(quán)旋轉(zhuǎn)投票霍夫森林模型中局部結(jié)構(gòu)提取方法未考慮場景內(nèi)目標(biāo)空間形狀結(jié)構(gòu)信息以及距離加權(quán)旋轉(zhuǎn)投票以低虛警率為代價獲取旋轉(zhuǎn)不變性的缺陷。該模型

5、利用超體素鄰域提取三維點云局部結(jié)構(gòu)，并利用基于局部參考框架和旋轉(zhuǎn)投票的組合投票策略，解決復(fù)雜場景下獨立目標(biāo)的檢測問題。實驗結(jié)果證明該方法具有較高的檢測性能和檢測效率。
　?。?）針對連續(xù)目標(biāo)檢測問題，以城市道路邊界為研究對象，論文提出了基于局部法向顯著性的城市道路邊界檢測方法。首先，論文提出了一種基于法向的三維點云顯著性描述方法；然后，結(jié)合顯著性描述以及道路周邊地物的相對空間分布屬性來提取路邊結(jié)構(gòu)點集；最后基于PCA投影變換精確提