基于视觉注意的车载激光点云数据城市目标自动提取方法研究

Feature buildings, roads and vegetation are typical artificial objects in urban environment. Timely and accurately acquiring these urban objects can provide geographical spatial information for the dynamic monitoring, planning and management of urbanization; therefore it has become an important research topic in geographical national conditions monitoring. The rapid development of mobile laser scanning technology has provided more accurate and efficient data sources. The study will propose a novel urban objects extraction method suitable for moblie laser scanning data, which describes urban objects point clouds from the perspective of visual cognition, and extract urban objects based on data field and machine learning by simulating the mechanism of visual attention in human visual perception system. The research contents include: 1) method of point cloud data mulriple feature map generation; 2) modeling and extraction method using bottom-up visual attention mechanism apperceive model for point cloud; 3) method of topological shape repair and boundary refinement for urban objects point cloud. This study will obtain innovative research results in the point cloud data visual mechanism modeling and automated extraction, which can promote the transformation from mobile laser scanning data to urban objects information and make fundamental contributions to related urban application.

建筑物、道路和绿化植被等地物是城市环境中典型的人造目标，及时准确地获取这些城市目标能够为城镇化的动态监测和规划管理提供必要的地理空间信息，是当前城镇地理国情监测的重要研究内容。车载激光扫描技术的快速发展为城市目标的获取提供了更高精度、更高效率的数据源。本项目将从视觉认知的角度来描述点云数据中的城市目标，拟通过模拟人类视觉认知系统的视觉注意机制，基于数据场和机器学习等方法，研究城市目标自动提取新方法。研究内容包括：1）点云数据多特征图生成方法；2）点云数据自底向上视觉注意机制建模与提取；3）点云数据城市目标拓扑形态修复与边界精化。本项目的研究将在点云数据视觉注意机制建模与自动提取方面产生创新性成果，并为促进车载激光点云数据到城市目标地物信息的快速有效转化以及相关的城市应用等方面做出基础性贡献。

建筑物、车辆和道路等地物是城市环境中的典型目标，及时准确地自动获取这些城市目标能够为城镇化的动态监测和规划管理提供必要的地理空间信息，且是当前城镇地理国情监测的重要研究内容。车载激光扫描技术的快速发展为城市目标的获取提供了更高精度、更高效率的数据源。本项目从视觉认知的角度来描述点云数据中的城市目标，基于深度学习方法，开展了城市点云目标自动提取方法的研究工作，主要研究内容包括：1）基于3D-BoNet框架的城市目标点云快速分割方法；2）基于PointSIFT框架的城市目标点云自动提取方法；3）基于CNN-CRF框架的城市道路目标自动提取方法；4）结合视觉注意机制开展了点云数据实践应用研究。项目采用实测城市车载点云数据对提出的新方法进行了大量实验，验证了新方法的有效性、可靠性和准确性。这些研究成果推动了点云数据处理理论的发展。