一种城市部件自动化测量方法

摘要

本发明公开了一种城市部件自动化测量方法，属于激光雷达测量领域，包括：采用车载激光雷达测量设备，对城市街道及城市街道两侧进行高密度的外业扫描和相机拍照，获取原始激光扫描点云数据和数码照片数据；对原始激光扫描点云数据进行滤波分类处理，获取城市部件点云数据；采用自适应空间聚类分析手段，对城市部件点云数据进行类别细分处理，获取同一物体点云集数据；根据同一物体点云集数据进行规则几何形状的三维数字化模拟与重构，计算出城市部件平面几何中心位置，将城市部件平面几何中心位置作为城市部件平面测量坐标值；将数码照片数据和同一物体点云集数据进行叠加，根据城市部件平面测量坐标值在属性库中对相应的点位值进行信息标注。

主权项

一种城市部件自动化测量方法，其特征在于，所述方法包括以下步骤：(1)采用车载激光雷达测量设备，对城市街道及城市街道两侧进行高密度的外业扫描和相机拍照，获取原始激光扫描点云数据和数码照片数据；(2)对所述原始激光扫描点云数据进行滤波分类处理，获取城市部件点云数据；(3)采用自适应空间聚类分析手段，对所述城市部件点云数据进行类别细分处理，获取同一物体点云集数据；(4)根据所述同一物体点云集数据进行规则几何形状的三维数字化模拟与重构，计算出城市部件平面几何中心位置，将所述城市部件平面几何中心位置作为城市部件平面测量坐标值；(5)将所述数码照片数据和所述同一物体点云集数据进行叠加，根据所述城市部件平面测量坐标值在属性库中对相应的点位值进行信息标注；其中，步骤(3)中所述采用自适应空间聚类分析手段，对所述城市部件点云数据进行类别细分处理，获取同一物体点云集数据，具体为：1)根据分块标准，对所述城市部件点云数据进行分块，获取分块城市部件点云数据、点云样本划分矩阵和聚类中心点集；2)设置自适应空间聚类解算的相关参数；3)根据城市部件空间分布特征，选择一个最小阈值Min和一个最大阈值Max；4)对所述分块城市部件点云数据进行初始化，根据所述最小阈值Min和所述最大阈值Max，选择K个中心点作为聚类点，其中，Min≤K≤Max；最小阈值Min和一个最大阈值Max作为空间聚类划分进行综合评价的区间值；计算每个样本点与所述聚类点的三维空间距离，基于所述三维空间距离对所述分块城市部件点云数据进行划分，采用三维空间距离值之和对样本分类的情况进行评价，获取评价值；5)根据所述评价值，将样本分类中的权重中心点作为新的聚类划分的中心点；6)判断迭代次数是否小于最大迭代次数，如果是，执行步骤4)；如果否，停止迭代，输出所述点云样本划分矩阵、所述聚类中心点集和所述评价值，将K+1值作为中心聚类点，执行步骤4)；7)判断K值是否达到Max值，如果是，停止自适应空间聚类解算，以目标函数的评价参数作为参考，选择最小值的聚类集合，作为点云分类的结果，获取所述同一物体点云集数据，如果否，继续进行所述自适应空间聚类解算。