基于PointNet++的沙质海岸点云形变监测分析

沙质海岸因其特殊的物理结构,极易受到气候变化的影响而遭受海水侵蚀发生形变。为了获取沙质海岸的形变信息,通常采用M3C2算法计算研究区的形变量,但该方法仅考虑点云间邻域关系,缺失对点云全局的特征描述,因此,本实验采用荷兰Kijkduin地区监测的为期7个月的一公里海岸点云数据作为研究对象,通过PointNet++深度学习算法提取不同尺度点云的局部特征和全局特征,构建点云特征向量的距离度量计算研究区内点云的形变量。实验结果发现,研究区内西部和中部形变量显著,最大月平均形变量为0.3051 m,并根据形变量的变化分析出沙质海岸的形变量与降雨量和温度有密切关系。该研究方法体系充分考虑到点云的局部特征和全局特征,从而实现沙质海岸点云的高效形变监测,对沙质海岸的防护具有重要意义。