本发明涉及测量技术领域，更具体地，涉及一种电缆沟点云自动分类方法。
背景技术：
激光雷达作为一种主动式的测量技术，在电力行业具有广泛应用。利用激光雷达对电缆沟进行扫描，可以获取电缆沟的尺寸、走向等重要信息，在电缆沟被掩埋的情况下可以利用这些信息对电缆沟进行准确定位。
利用激光雷达对电缆沟及周边环境扫描会产生大量的点云数据，对点云进行分类是点云应用的前提，即将原始点云标记为地面点、电缆沟点等。传统的点云分类方法主要采用人工分类，即手动选取点云，手动设置类别，不仅工作量大，而且耗费时间多。
在现有技术中，公开号为cn108133227a的中国发明专利，于2018年06月08日公开了一种激光雷达点云数据分类方法及装置，该方法包括：获取样本点云数据及待分类的激光雷达点云数据；根据样本点云数据建立点云分类器；通过点云分类器对待分类的激光雷达点云数据进行分类。虽然该方案通过点云分类器对未分类的激光雷达点云数据进行自动分类，在一定程度上减少了分类过程中的人工干预成份，但是，并未能完全解决手动选取点云进行分类工作量大、耗费时间多的问题，因此，急需一种电缆沟点云自动分类方法。
技术实现要素：
本发明为解决手动选取点云进行分类工作量大、耗费时间多的问题，提供了一种电缆沟点云自动分类方法。
本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：
一种电缆沟点云自动分类方法，包括以下步骤：
s1：采集电缆沟及周边地面环境的激光雷达点云；
s2：对所采集的点云进行预处理，并进行去噪；
s3：定义分类特征，所述分类特征仅基于去噪后点云的空间信息进行定义，而不包括回波、颜色信息；
s4：进行邻域划分，并根据所定义的分类特征，仅在所划分的邻域中逐个点进行特征提取，以构建目标场景点云特征向量；
s5：获取带有标签的点云的特征向量作为样本输入分类器中进行训练；
s6：训练完成后，将所构建的目标场景点云特征向量输入训练好的分类器中进行分类，最后输出带有标签的电缆沟点云。
上述方案中，只从点的邻域中获取局部特征，且只基于点的空间信息进行特征定义，而舍弃回波、颜色信息，摆脱了传统电缆沟点云分类工作量大的困扰。再者，通过样本点云特征向量对分类器进行训练，并将训练好的分类器用于对电缆沟及周边环境的点云进行分类，以输出带有标签的电缆沟点云；实现了电缆沟点云的自动识别和分类，极大减少了电缆沟点云的分类时间。
优选地，步骤s2中预处理过程包括对所采集的点云进行点云简化处理、点云配准处理、点云补洞处理。
优选地，在所述步骤s2中，对预处理后的点云采用k均值类聚算法进行去噪。
优选地，在所述步骤s3中，基于去噪后点云的空间信息进行定义，而不包括回波、颜色信息，将分类特征定义为：基于高度定义的分类特征、基于法向量定义的分类特征、基于法向量求和定义的分类特征。
优选地，步骤s4中所划分的邻域为球形邻域。
优选地，步骤s4中所划分的邻域搜索半径为2米。
优选地，步骤s4中根据基于高度定义的分类特征进行特征提取，具体步骤为：
s401：根据所划分的邻域内的点，计算高程标准差；其中，高程标准差的计算公式为：
s402：将高程标准差大于0.0009的点记为电缆沟的点。
优选地，步骤s4中根据基于法向量定义的分类特征进行特征提取，具体步骤为：
s411：根据所划分的邻域内的点，计算点云所在面的法向量；
s412：判断法向量的方向性，设法向量与z轴的夹角为θ，并计算cosθ，其中，cosθ的计算公式为：
s413：将cosθ>1.5的点记为电缆沟的点。
优选地，步骤s4中根据基于法向量求和定义的分类特征进行特征提取，具体步骤为：
s421：根据所划分的邻域内的点，计算点的法向量；
s422：对邻域内的任意点的法向量进行求和；
s423：若法向量求和后在xoy平面上的值<0.1，则用以求和的点均记为电缆沟的点。
优选地，步骤s5、s6中所述分类器为随机森林分类器。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过样本点云特征向量对分类器进行训练，并将训练好的分类器用于对电缆沟及周边环境的点云进行分类，最终输出带有标签的电缆沟点云；实现了电缆沟点云的自动识别和分类，摆脱了传统电缆沟点云分类工作量大的困扰，极大减少了电缆沟点云的分类时间。
附图说明
图1为本发明步骤图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示，一种电缆沟点云自动分类方法，包括以下步骤：
s1：采集电缆沟及周边地面环境的激光雷达点云；
s2：对所采集的点云进行预处理，并进行去噪；
s3：定义分类特征，所述分类特征仅基于去噪后点云的空间信息进行定义，而不包括回波、颜色信息；
s4：进行邻域划分，并根据所定义的分类特征，仅在所划分的邻域中逐个点进行特征提取，以构建目标场景点云特征向量；
s5：获取带有标签的点云的特征向量作为样本输入分类器中进行训练；
s6：训练完成后，将所构建的目标场景点云特征向量输入训练好的分类器中进行分类，最后输出带有标签的电缆沟点云。
在本实施例中，只从点的邻域中获取局部特征，且只基于点的空间信息进行特征定义，而舍弃回波、颜色信息。再者，通过样本点云特征向量对分类器进行训练，并将训练好的分类器用于对电缆沟及周边环境的点云进行分类，以输出带有标签的电缆沟点云；实现了电缆沟点云的自动识别和分类，摆脱了传统电缆沟点云分类工作量大的困扰，极大减少了电缆沟点云的分类时间。
进一步地，步骤s2中预处理过程包括对所采集的点云进行点云简化处理、点云配准处理、点云补洞处理。
进一步地，在所述步骤s2中，对预处理后的点云采用k均值类聚算法进行去噪。
进一步地，在所述步骤s3中，基于去噪后点云的空间信息进行定义，而不包括回波、颜色信息，将分类特征定义为：基于高度定义的分类特征、基于法向量定义的分类特征、基于法向量求和定义的分类特征。
进一步地，步骤s4中所划分的邻域为球形邻域。
进一步地，步骤s4中所划分的邻域搜索半径为2米。
进一步地，步骤s4中根据基于高度定义的分类特征进行特征提取，具体步骤为：
s401：根据所划分的邻域内的点，计算高程标准差；其中，高程标准差的计算公式为：
s402：将高程标准差大于0.0009的点记为电缆沟的点。
进一步地，步骤s4中根据基于法向量定义的分类特征进行特征提取，具体步骤为：
s411：根据所划分的邻域内的点，计算点云所在面的法向量；
s412：判断法向量的方向性，设法向量与z轴的夹角为θ，并计算cosθ，其中，cosθ的计算公式为：
s413：将cosθ>1.5的点记为电缆沟的点。
进一步地，步骤s4中根据基于法向量求和定义的分类特征进行特征提取，具体步骤为：
s421：根据所划分的邻域内的点，计算点的法向量；
s422：对邻域内的任意点的法向量进行求和；
s423：若法向量求和后在xoy平面上的值<0.1，则用以求和的点均记为电缆沟的点。
上述方案中，由于电缆沟两侧沟壁垂直于路面，两侧沟壁的点云法向量均垂直于z轴但方向相反，相加后为0，即邻域内的点的法向量求和后在xoy平面上的值会几乎为0，由此可判断出电缆沟的点。
进一步地，步骤s5、s6中所述分类器为随机森林分类器。
上述方案中，随机森林分类器可以处理大量的输入，并且当一部分资料不慎遗失时，能够进行估计，仍能保持分类的准确度。
可知，本方法的流程具体为：载入未分类的电缆沟点云数据→进行预处理和去噪→进行特征定义→进行特征提取(选点)→训练随机森林分类器→对未分类的电缆沟点云数据进行分类→输出带标签的电缆沟点云数据。
相同或相似的标号对应相同或相似的部件；
附图中描述位置关系的用语仅用于示例性说明，不能理解为对本专利的限制；
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。
1.一种电缆沟点云自动分类方法，其特征在于，包括以下步骤：
s1：采集电缆沟及周边地面环境的激光雷达点云；
s2：对所采集的点云进行预处理，并进行去噪；
s3：定义分类特征，所述分类特征仅基于去噪后点云的空间信息进行定义，而不包括回波、颜色信息；
s4：进行邻域划分，并根据所定义的分类特征，仅在所划分的邻域中逐个点进行特征提取，以构建目标场景点云特征向量；
s5：获取带有标签的点云的特征向量作为样本输入分类器中进行训练；
s6：训练完成后，将所构建的目标场景点云特征向量输入训练好的分类器中进行分类，最后输出带有标签的电缆沟点云。
2.根据权利要求1所述的一种电缆沟点云自动分类方法，其特征在于，步骤s2中预处理过程包括对所采集的点云进行点云简化处理、点云配准处理、点云补洞处理。
3.根据权利要求1所述的一种电缆沟点云自动分类方法，其特征在于，在所述步骤s2中，对预处理后的点云采用k均值类聚算法进行去噪。
4.根据权利要求1所述的一种电缆沟点云自动分类方法，其特征在于，在所述步骤s3中，基于去噪后点云的空间信息进行定义，而不包括回波、颜色信息，将分类特征定义为：基于高度定义的分类特征、基于法向量定义的分类特征、基于法向量求和定义的分类特征。
5.根据权利要求1所述的一种电缆沟点云自动分类方法，其特征在于，步骤s4中所划分的邻域为球形邻域。
6.根据权利要求1所述的一种电缆沟点云自动分类方法，其特征在于，步骤s4中所划分的邻域搜索半径为2米。
7.根据权利要求4所述的一种电缆沟点云自动分类方法，其特征在于，步骤s4中根据基于高度定义的分类特征进行特征提取，具体步骤为：
s401：根据所划分的邻域内的点，计算高程标准差；其中，高程标准差的计算公式为：
s402：将高程标准差大于0.0009的点记为电缆沟的点。
8.根据权利要求4所述的一种电缆沟点云自动分类方法，其特征在于，步骤s4中根据基于法向量定义的分类特征进行特征提取，具体步骤为：
s411：根据所划分的邻域内的点，计算点云所在面的法向量；
s412：判断法向量的方向性，设法向量与z轴的夹角为θ，并计算cosθ，其中，cosθ的计算公式为：
s413：将cosθ>1.5的点记为电缆沟的点。
9.根据权利要求4所述的一种电缆沟点云自动分类方法，其特征在于，步骤s4中根据基于法向量求和定义的分类特征进行特征提取，具体步骤为：
s421：根据所划分的邻域内的点，计算点的法向量；
s422：对邻域内的任意点的法向量进行求和；
s423：若法向量求和后在xoy平面上的值<0.1，则用以求和的点均记为电缆沟的点。
10.根据权利要求1所述的一种电缆沟点云自动分类方法，其特征在于，步骤s5、s6中所述分类器为随机森林分类器。
技术总结