1 华北电力大学计算机系，河北 保定 071003
2 河北省能源电力知识计算重点实验室，河北 保定 071003
针对现有三维点云语义分割算法对点间密度信息以及空间位置特征利用不充分的问题，提出一种基于密度感知和自注意力机制的三维点云语义分割算法。首先，基于自适应K近邻（KNN）算法和局部密度位置编码构建密度感知卷积模块，从而有效地提取点间关键密度信息，加强初始输入特征的信息表达深度，提升算法捕获局部特征的能力。然后，构建空间特征自注意力模块，基于自注意力和空间注意力机制强化全局上下文信息和空间位置信息的关联性，对全局特征和局部特征进行有效聚合，从而提取更深层次的上下文特征，有效提升算法的分割性能。最后，在公开的S3DIS数据集和ScanNet数据集上进行了大量实验。实验结果表明，算法的平均交并比分别达到了69.11%和72.52%，与其他算法相比有明显提升，验证了所提算法有着良好的分割性能和泛化性能。
三维点云 语义分割 密度信息 注意力机制 密度位置编码 激光与光电子学进展
2024, 61(8): 0811004
1 河海大学地球科学与工程学院，江苏 南京 211100
2 山东科技大学测绘与空间信息学院，山东 青岛 266590
3 安徽建筑大学土木工程学院，安徽 合肥 230601
4 青岛秀山移动测量有限公司，山东 青岛 266590
针对基于车载激光点云的坑槽检测受道路横、纵坡度影响而导致误检和漏检等问题，提出了一种联合粗糙度与负偏态分布的路面坑槽检测方法。首先利用垂直度分割路面点云。然后，通过M估计样本一致性（MSAC）拟合局部基准平面，并计算点云的粗糙度；以粗糙度较小的区域作为潜在坑槽区域，并利用密度聚类和连续度实现潜在坑槽的单体化。最后，根据坑槽与邻域路面点云的粗糙度统计特征，结合负偏态分布实现坑槽区域的精确筛选，并提取坑槽的三维几何特征。采用开源数据和实测数据进行实验验证与分析。实验结果表明：实测数据路面中，坑槽检测的召回率达到89.2%，准确率达到76.7%；坑槽几何特征的提取结果与人工实地测量结果的最大相对偏差为9.4%，可为大规模的路面损坏检测提供有力支撑。
遥感 车载激光点云 粗糙度 偏态分布 路面坑槽检测
红外与激光工程
2023, 52(11): 20230212
1 河海大学地球科学与工程学院，江苏 南京 211100
2 自然资源部超大城市自然资源时空大数据分析应用重点实验室，上海 200063
3 自然资源部城市国土资源监测与仿真重点实验室，广东 深圳 518034
三维点云边缘提取算法已被广泛用于海岸线的提取中。相较于海岸线，河岸线存在高程变化大、易被树木遮挡等问题，将海岸线提取算法直接应用于河岸线提取存在较多的局限性。本文提出了一种基于线扫描激光点云的复杂环境下河岸线精确提取的方法，实现了河流岸线高程不一致、河岸被树冠遮挡情况下河岸边缘点的精准提取。设计了一种自适应高程阈值动态调整方法，通过对高程进行实时统计，使得高程阈值能够自适应地变化并克服树木遮挡造成的岸线不连续的问题，以此获取更加真实的岸线信息。同时，将法向渐变作为约束条件，能在实现对提取的边缘点云滤波的同时构造出完整、平滑的河岸矢量线。最后，利用真实无人机载激光雷达数据验证了本文所提方法的有效性和精度。本文方法获取的岸线与真实岸线的均方根误差分别为0.2018 m和0.2675 m，本文方法获取的河岸线具有较高的完整性。本研究为复杂情况下的河岸边缘提取提供了一种高效精确的方法。
自适应光学 三维激光点云 断点分析法 动态阈值 法向渐变约束 河流岸线提取 中国激光
2023, 50(23): 2309001
1 同济大学测绘与地理信息学院，上海 200092
2 代尔夫特理工大学三维地理信息研究组，荷兰 代尔夫特 2628 BL
3 同济大学上海自主智能无人系统科学中心，上海 200092
异源多时相点云数据是建设数字城市和智慧社会的关键空间数据支撑，其准确配准是开展各类后续应用的前提。针对异源多时相点云配准任务中数据规模大、结构差异大、场景变化大的难点，本文提出了一种自动的无控配准方法。首先将城市场景的整体点云数据过分割为平面区块，交汇相邻的平面生成稳定而特异的对象级虚拟关键点；然后将关键点间的刚体几何空间关系编码为图结构间的距离约束，匹配获取待配点云与目标点云间的同名点对；最后利用同名点对求取刚体转换参数，并应用转换参数将待配点云转换至目标点云的坐标系中。选择荷兰鹿特丹市某一典型城市场景地块的异源多时相点云数据验证了所提方法的有效性。实验结果表明，本文方法能够自动、准确、高效地实现城市场景异源多时相点云的无控配准，具有较高的工程应用价值。
遥感 点云配准 刚体运动学 异源多时相点云 激光雷达 摄影测量点云 中国激光
2023, 50(10): 1010004
西北大学 信息科学与技术学院，陕西西安710127
针对目前的点云配准方法在处理秦俑等文物模型时不能很好地解决分辨率不匹配、点云部分重叠、噪声点较多等问题，提出一种基于动态图注意力机制的ResUNet配准模型。该模型将残差模块融入U-Net网络中，使用三维稀疏体素卷积计算点云特征，并引入一种新的归一化技术：批邻域归一化（Batch-Neighborhood Normalization， BNHN），来提高特征对于点密度变化的鲁棒性；为了进一步提高配准性能，该模型通过自注意力机制和交叉注意力机制聚合局部特征和上下文特征，最后结合随机抽样一致性算法来估计源点云与目标点云之间的变化矩阵，完成秦俑文物模型的鲁棒配准。为了验证本文方法的有效与鲁棒，使用四组数据集（3DMatch、3DLoMatch、分辨率不匹配的3DMatch数据集以及两组秦俑数据）对配准模型进行测试，实验结果表明，该算法在3DMatch数据集和3DLoMatch数据集上的配准召回率分别达到90.1%和61.0%；在分辨率不匹配的3DMatch数据集，相比与基于特征学习的配准算法，该算法在配准召回率上提升了5%~20%；在秦俑数据集上，相对旋转误差均小于0.071，相对平移误差均小于0.016，相较于同类算法减少了一个量级或几倍。因此，本文的模型能够提取三维点云的关键特征信息，并且对点密度和重叠度变化具有更高的鲁棒性。
点云配准 动态图注意力机制 低重叠点云 点密度变化 残差网络 point cloud registration dynamic graph attention mechanism point clouds with low overlap point density changes residual network 光学 精密工程
2022, 30(24): 3210
1 国防科技大学电子科学学院, 湖南 长沙 410073
2 国防科技大学气象海洋学院, 湖南 长沙 410073
为解决激光雷达点云深度学习网络模型在移动端嵌入式设备部署存在的耗时耗存储问题,提出了一种激光雷达点云可学习二值量化网络模型。该模型基于特征的知识蒸馏,将全精度网络各层统计特征知识转移到二值量化网络,较大幅度地提升了量化精度;提出基于遗传算法的二值量化尺度因子恢复可学习优化算法,通过逐层搜索初始最优尺度恢复因子,并通过网络自学习大幅减少网络参数量;提出一种统计自适应池化损失最小化算法,包括量化网络自调节和全精度网络转移调节两种方式,以解决量化网络中池化信息损失较大的问题。实验结果表明,所提算法在获取高精度的同时实现了较大压缩比和加速比,可将PointNet大小压缩为原来的1/23、加速35倍以上,对其他点云主流深度网络具有良好的扩展性。
测量 激光雷达 点云 可学习算法 二值量化 遗传算法 光学学报
2022, 42(12): 1212005
1 河北工业大学 电子信息工程学院 先进激光技术研究中心, 天津 300401
2 河北工业大学 河北省先进激光技术与装备重点实验室, 天津 300401
点云是3维图像的一种特殊数据形式, 正逐渐成为3维图像信息处理的研究热点; 点云分割是点云数据处理的重要步骤, 对算法的结果有直接影响; 基于3维图像几何特征的点云分割算法结构简洁、运算结果稳定性强, 且易于调整, 在实际应用中占有主要地位。对最近几年涌现出来的基于几何特征的点云分割方法进行了梳理, 根据每种方法的理论基础和应用特点将算法归纳为基于边缘检测、表面特征和模型拟合的点云分割方法, 分析了各类算法的特点和存在的主要问题, 并进行了算法性能比较, 分析了影响点云分割算法效率的主要因素, 最后对未来的发展趋势进行了展望。
激光技术 3维图像 激光雷达 点云分割 几何特征 laser technique 3-D image light detection and ranging(LiDAR) point clouds segmentation geometric features
红外与激光工程
2021, 50(10): 20200483
