CN101887597A

CN101887597A - 建筑物三维模型构建方法及系统

Info

Publication number: CN101887597A
Application number: CN 201010220298
Authority: CN
Inventors: 南亮亮; 陈宝权; 程章林
Original assignee: Shenzhen Institute of Advanced Technology of CAS
Current assignee: Shenzhen Institute of Advanced Technology of CAS
Priority date: 2010-07-06
Filing date: 2010-07-06
Publication date: 2010-11-17
Anticipated expiration: 2030-07-06
Also published as: CN101887597B

Abstract

本发明涉及一种建筑物三维模型构建方法及系统，该方法包括获取建筑物的三维点云数据；对三维点云数据进行处理，提取点云中的平面；检测并提取平面点云的边界；构建建筑物表面重复单元的模板；将重复单元模板组合并对齐；结合用户对单个或者组合模板的拖拽，预测重复单元各个实例所在位置；将模板自动拷贝到所在位置，利用提取的边界对模板进行几何变换，对实例进行拟合和精确定位，构建出重复单元。本发明建筑物三维模型构建中，通过用户简单的拖拽交互，大大减小了重建过程的搜索范围，实现了重复单元的自动重建，降低了重建的工作量，提高了建筑物构建的精度和速度，更加简单快捷、有效、真实准确的实现对建筑物模型的构建，大大节约了成本。

Description

建筑物三维模型构建方法及系统

【技术领域】

本发明涉及计算机应用领域，尤其涉及一种建筑物三维模型构建方法及系统。

【背景技术】

随着遥感测量、激光扫描、虚拟现实等技术的迅速发展，以及“数字地球”概念的提出，“智慧城市”建设悄然兴起。2009年温家宝总理提出“感知中国”以来，“智慧城市”建设在全国开展。

建立城市场景的三维模型是“智慧城市”建设的重要内容与必要步骤，而城市场景中的建筑物三维建模则是“智慧城市”建设的关键环节。一直以来三维城市模型的数据获取是一项投资巨大、技术要求复杂的工程，其技术水平是影响三维城市模型建设与更新工作效率的重要制约因素。

最近几年，激光扫描系统在三维空间目标的获取方面取得了较为广泛的应用，根据搭载平台的不同，激光扫描系统可以分为机载激光扫描系统、车载激光扫描系统和地面激光扫描系统。目前，对城市建立三维模型大多采用机载激光扫描系统，利用扫描数据进行构建，或者结合图像和扫描数据进行构建。

但是，由于机载激光扫描系统获取的扫描数据本身的限制，构建后的模板比较粗糙，一般仅包含建筑物的轮廓信息，缺乏墙面细节结构，构建效果较差。结合图像和扫描数据的构建，虽然可以部分恢复墙面细节结构，但是需要寻找图像和三维扫描点的匹配，计算繁琐，工作量大，且计算精度不高，构建效率同样低下，从而严重影响了“智慧城市”的建设。

【发明内容】

有鉴于此，有必要针对上述建筑物构建繁琐、效率低下且精度差的问题，提供一种快速便捷且精确的建筑物三维模型构建方法。

此外，有必要提供一种快速便捷且精确的建筑物三维模型构建系统。

一种建筑物三维模型构建方法，包括如下步骤：

获取建筑物的三维点云数据；

对三维点云数据进行处理，提取点云中的平面；

检测并提取平面点云的边界；

构建建筑物表面重复单元的模板；

将重复单元的模板组合并对齐；

结合用户对单个或者组合模板的拖拽，预测重复单元各个实例所在位置；

将模板自动拷贝到预测的各个实例所在位置，利用提取的平面点云边界对模板进行几何变换，对各个实例进行拟合和精确定位，构建出建筑物表面重复单元。

优选的，所述检测并提取平面点云的边界的步骤具体为：

将平面点云划分为等间距的条带；

计算每个条带内点的数目，得到点分布的直方图；

根据点分布的直方图计算点分布的梯度，梯度取极大值处为点云边界，提取所述边界。

优选的，所述构建建筑物表面重复单元的模板的步骤具体为：

根据重复单元几何结构前表面上点云的分布确定模板前表面在宽度和高度两个维度中的尺寸，模板深度由另一表面的点确定或者由用户根据需要设定。

优选的，所述将重复单元的模板组合并对齐的步骤具体为：

获取用户圈选的所有模板，将选中的模板进行组合，标记为一组；

将组合中平行且距离接近的面片平移到所述面片的面积加权平均位置，进行对齐。

优选的，所述结合用户对单个或组合的模板的拖拽，预测重复单元各个实例所在位置的步骤具体为：

获取用户将模板由一个实例拖拽到下一个实例位置附近所产生的偏移量，将所述偏移量作为基准，预测重复单元各个实例所在位置。

优选的，所述将模板自动拷贝到预测的各个实例所在位置，利用提取的平面点云边界对模板进行几何变换，对各个实例进行拟合和精确定位，构建出建筑物表面重复单元的步骤具体为：

在预测的实例所在位置两倍于模板包围盒的范围内检测各个平面点云的边界；

利用所述边界对模板进行平移、缩放、旋转中的一种或者两种以上几何变换；

获得几何变换后的所有模板，并将其作为实例的候选对象；

对候选对象进行打分筛选，选取得分最高者，作为实例的拟合和精确定位结果。

优选的，所述候选对象为以下六种中任意一种或者两种以上：

对模板无几何变换，分布和几何尺寸严格规则的候选对象；

任取一条与排列方向垂直的边界，将模板在排列方向上平移至与该条边界对齐所获得的候选对象；

任取相互垂直的一对边界，将模板平移至与该对边界对齐所获得的候选对象；

任取一对与排列方向平行的边界，将模板缩放至与该对边界对齐但在排列方向不做缩放所获得的候选对象；

任取一对与排列方向垂直的边界，将模板缩放至与该对边界对齐但在垂直于排列方向上不做缩放所获得的候选对象；

任取与排列方向垂直和平行的边界各一对，将模板缩放至与四条边界均对齐所获得的候选对象。

优选的，对所述候选对象打分具体包括：

数据拟合，检测支持候选对象点的可信度和支持候选对象的边的可信度；

规则性，检测候选对象与模板几何尺寸的相似度和候选对象与相邻实例的规则度。

优选的，还包括对构建出的建筑物表面重复单元进行布局优化的步骤；具体为：以点云和建筑物结构规则性作为约束对构建出的建筑物重复单元进行布局优化。

一种建筑物三维模型构建系统，包括：

点云获取模块，用于获取建筑物的三维点云数据；

点云数据处理模块，用于对三维点云数据进行处理，提取点云中的平面，检测并提取平面点云的边界；

模板建立模块，用于构建建筑物表面重复单元的模板；

模板处理模块，用于将重复单元的模板组合并且对齐；

重复单元定位模块，用于结合用户对单个或者组合模板的拖拽，预测重复单元各个实例所在位置，将模板自动拷贝到预测的各个实例所在位置，利用提取的平面点云边界对模板进行几何变换，对各个实例进行拟合和精确定位，构建出建筑物表面重复单元。

优选的，所述点云数据处理模块将平面点云划分为等间距的条带，计算每个条带内点的数目，得出点分布的直方图，根据点分布的直方图计算点分布的梯度，梯度取极大值处为点云边界，提取所述边界。

优选的，所述模板建立模块根据重复单元几何结构前表面上点云的分布确定模板前表面在宽和高两个维度中的尺寸，模板深度由另一表面的点确定或者由用户根据需要设定。

优选的，所述模板处理模块获取用户圈选的所有模板，将选中的模板进行组合，标记为一组；

优选的，所述重复单元定位模块获取用户将模板由一个实例拖拽到下一个实例位置附近所产生的偏移量，将所述偏移量作为基准，预测重复单元各个实例所在位置；

在预测的各个实例所在位置两倍于模板包围盒的范围内检测各个平面点云的边界；

获得经几何变换后的模板，并将其作为实例的候选对象；

优选的，所述候选对象包括以下六种中的任意一种或者两种以上：

对模板无几何变换，分布和几何尺寸严格规则的候选对象；

优选的，所述重复单元定位模块对所述候选对象打分包括：

规则性，检测候选对象与模板几何尺寸的相似度和候选对象与其相邻实例的规则度。

优选的，还包括：

布局优化模块，用于以点云和建筑物结构规则性作为约束对构建出的建筑物表面重复单元进行布局优化。

上述建筑物三维模型构建方法及系统，根据建筑物表面具有重复单元的特点首先建立重复单元结构的模板，然后结合用户对模板的拖拽，预测重复单元各个实例所在位置，自动将模板复制到该位置，利用提取的边界对模板进行几何变换，对各个实例进行拟合和精确定位，构建出建筑物表面重复单元从而构建出建筑物的三维模型。构建中，通过用户简单的拖拽交互，大大减小了重建过程中的搜索范围，实现了重复单元的自动重建，降低了重建的工作量，提高了建筑物构建的精度和速度，更加简单快捷、有效、真实准确的实现对建筑物模型的构建和再现，大大节约了成本。

【附图说明】

图1是一个实施例中建筑物三维模型构建方法流程图；

图2是一个实施例中检测平面点云边界的方法流程图；

图3是一个实施例中对重复单元进行布局优化的示意图；

图4是一个实施例中的建筑物三维模型构建系统结构示意图。

【具体实施方式】

下面结合附图，通过对本发明的具体实施方式详细描述，将使本发明的技术方案及其有益效果显而易见。

图1是一个实施例中建筑物三维模型构建方法流程图，该方法包括如下步骤：

S10：获取建筑物的三维点云数据。

该实施例中，利用车载激光扫描系统对建筑物进行扫描，获取三维点云数据。车载激光扫描系统能够快速、高效的获取建筑物的三维点云数据，且获取的三维点云数据中包含建筑物的更多细节信息。

其他实施例中，也可采用其他方式(例如机载)扫描系统对建筑物进行扫描，获取三维点云数据。

S20：对三维点云数据进行处理，提取点云中的平面。

对获取的三维点云数据，采用RANSAC技术提取三维点云数据所包含的建筑物几何机构中的所有平面，并对每个平面随机分配一个颜色，便于在后续建模过程中更好的区分各个平面。

S30：检测并提取平面点云的边界。

图2是一个实施例中检测及提取平面点云边界的方法流程图，该方法包括如下步骤：

S31：将平面点云划分为等间距的条带。

S32：计算每个条带内点的数目，得到点分布的直方图。

S33：根据点分布的直方图计算点分布的梯度，梯度取极大值处为平面点云边界，提取该边界。

S40：构建建筑物表面重复单元的模板。

通常建筑物表面有很多楼层，每个楼层上具有与其他楼层相同的重复出现的单元，比如阳台、窗户、阳台栏杆等，称为重复单元。其中，某个楼层的某个阳台、窗户等称为重复单元的实例。在对建筑物三维模型构建过程中，对重复单元建立模板，然后对建立的模板进行拖拽(用户进行拖拽)，由一个实例拷贝到其他实例所在位置，估测所有实例的位置，对重复单元所有实例进行构建，大大提高构建效率。

由于车载激光扫描系统获得的三维点云数据在建筑物重复单元几何结构的前表面包含较为密集的点，侧面和背面基本没有点，故可根据几何结构前表面上点云的分布确定重复单元模板在宽和高两个维度中的尺寸。该实施例中，根据距离使用者的远近确定几何结构的前后表面，近者为前表面，远者为后表面(也可以通过用户的交互指定前后表面)。利用前表面上检测出的横向和纵向的边界确定模板(长方体)的宽度和高度。模板的深度可由另一表面(侧面或者墙表面)的点确定，也可由用户根据需要指定。

在其他实施方式中，建筑物表面重复单元的模板也可由用户根据需求或者根据建筑物表面重复单元的真实情况(由拍摄建筑物的照片或者影像获取)，通过自我设计来构建。构建后，将用户构建的模板导入到重复单元实例所在位置。

S50：将重复单元的模板组合并对齐。

为进一步实现建筑物的快速构建，对重复单元建立模板后，根据实际情形将属于同一组合的重复单元模板组合并对齐，比如阳台底面、阳台窗户以及阳台栏杆在实际中通常组合出现在一起。在构建中，将阳台底面、阳台窗户以及阳台栏杆等模板进行组合，标记为一组。在此后的操作中，对该组合进行拖拽拷贝，同时完成对多个重复单元的构建。

在该实施例中，将多个重复单元结构的模板组合的具体步骤为：获取用户圈选(利用OpenGL选择机制)的所有模板，将选中的模板进行组合，标记为一组，作为一个整体。

重复单元模板组合后，需要对组合中的各个模板按照实际的分布状况和建筑物的布局特征(对称性和规则性)进行对齐，使其符合建筑物的构建特征。对齐的方法具体为：将组合中平行且距离接近的面片平移到这些面片的面积加权平均位置。

S60：结合用户对单个或者组合模板的拖拽，预测重复单元各个实例所在位置。

该实施例中，获取用户将模板由一个实例拖拽到下一个实例位置附近所产生的偏移量，并以此偏移量作为基准，预测重复单元各个实例所在位置，缩小构建过程中的搜索范围，提高效率。

在其他实施方式中，也可由用户将模板拖拽到重复单元所有实例位置；或者初始设定偏移量，根据偏移量对模板进行拷贝。

S70：将模板自动拷贝到预测的各个实例所在位置，利用提取的平面点云边界对模板进行几何变换，对各个实例进行拟合和精确定位，构建出建筑物表面重复单元。

预测各个实例所在位置后，模板会被自动复制到预测的各个实例所在位置。由于建立的模板以及预测的重复单元实例所在位置可能与实例实际的结构和位置存在偏差，故还需对各个实例进行准确的拟合以及精确定位。

该实施例中，对各个实例进行拟合和精确定位，其方法具体为：

在预测的实例所在位置两倍于模板包围盒的范围内检测并提取各个平面点云的边界，利用这些边界对模板进行平移、缩放、旋转等几何变换，获得经几何变换后的模板，并将其作为重复单元实例的候选对象。

对候选对象进行打分筛选，选取得分最高者作为实例的拟合和精确定位结果，构建出重复单元各个实例，从而构建出建筑物表面重复单元。所有重复单元构建出后即构建出建筑物的三维模型。

由于利用所有获取的边界对模板进行几何变化，每个实例的候选对象比较多，优选的考虑以下六类候选对象：

(1)对模板无几何变换，分布和几何尺寸严格规则的候选对象。此类候选对象与已经定位好的前一实例(或者模板)尺寸相等且等间距排列。

(2)任取一条与排列方向垂直的边界，将模板在排列方向上平移至与该条边界对齐所获得的候选对象。此类候选对象与已经定位好的前一实例尺寸相等、严格对齐但间距不等。

(3)任取相互垂直的一对边界，将模板至与该对边界对齐所获得的候选对象。

(4)任取一对与排列方向平行的边界，将模板缩放至与该对边界对齐但在排列方向不做缩放所获得的候选对象。

(5)任取一对与排列方向垂直的边界，将模板缩放至与该对边界对齐但在垂直于排列方向上不做缩放所获得的候选对象。

(6)任取与排列方向垂直和平行的边界各一对，将模板缩放至与四条边界均对齐所获得的候选对象。

在获取大量候选对象后，需要对候选对象进行打分筛选，选取得分最高者作为实例的拟合和精确定位结果。

在优选的实施方式中，对候选对象进行打分采用如下方法，该方法由两部分组成：

1、数据拟合

(a)支持该候选对象点的可信度。该实施方式中，采用位于该候选对象几何结构前表面单位面积内点的数目来判断，数目越大，可信度越高。

(b)支持该候选对象的边的可信度，即点云中支持该候选对象的所有边和该候选对象中相应边长度比(若大于1则取其倒数)之和。和越大，可信度越高。

2、规则性

(a)该候选对象与模板几何尺寸的相似度。该实施方式中，采用该候选对象与模板对应边长度之比(大于1则取其倒数)的和来度量。和越大则相似度越高。

(b)该候选对象与相邻实例的规则性。该实施方式中，采用与相邻实例的间距、对齐程度来衡量。

在对候选对象进行数据拟合和规则性两部分打分之后，将每一项的得分进行归一化处理，计算候选对象的加权平均分。其中，权重可由用户根据具体的情况调整。将加权平均分最高的候选对象作为实例的拟合和精确定位结果(将加权平均分最高的候选对象作为实例的准确结构)。

S80：对构建出的建筑物表面重复单元进行布局优化。

建筑物重复单元所有实例拟合和精确定位后，建筑物重复单元即构建出来。但各个实例之间会存在间距或者对齐不规则的状况，故根据建筑物表面结构的布局特点(如对齐排列、等间距排列)，还需以点云和建筑物结构规则性作为约束对重复单元的布局进行优化，以更大程度的提高精度。

图3是一个实施例中对重复单元进行布局优化的示意图。图中每个矩形代表实例结构中的一个长方体结构，P_i和P_j分别代表相邻两个实例对应平面的中心位置，n_ij是这组平面的法向量，C_i和C_j分别是从点云中估算得到的平面中心位置。为了使得这组平面对齐，只需将P_i和P_j沿n_ij方向调整即可，在调整过程中要兼顾新位置对点云的拟合。

其中，优化过程中涉及两个位置约束，分别为：

位置约束(点云拟合)

p_i＝c_i

对齐约束

<p_j-p_i，n>＝0综合以上两个约束，可以得到待求解的目标函数为

Σ_{i = 0}^{N - 1} (w_{d} | | p_{i} - c_{i} | | + w_{c} | | < p_{j} - p_{i}, n > | |)

式中w_d和w_c分别是点云拟合和对齐约束的权重。通过最小化该函数，可以得到各重复单元新的空间位置。最小化过程可以转化为一个线性方程组进行求解，转化后的方程组如下：

[\begin{matrix} n_{x} & - n_{x} & \cdot \cdot \cdot & n_{y} & - n_{y} & \cdot \cdot \cdot & n_{z} & - n_{z} & \cdot \cdot \cdot \\ n_{x} & - n_{x} & \cdot \cdot \cdot & n_{y} & - n_{y} & \cdot \cdot \cdot & n_{z} & - n_{z} & \cdot \cdot \cdot \\ \cdot \\ \cdot \\ \cdot \\ n_{x} & - n_{x} & \cdot \cdot \cdot & n_{y} & - n_{y} & \cdot \cdot \cdot & n_{z} & - n_{z} \\ 1 & \cdot \cdot \cdot \\ 1 & \cdot \cdot \cdot \\ 1 & \cdot \cdot \cdot \\ \cdot \\ \cdot \\ \cdot \\ \cdot \cdot \cdot & 1 \\ \cdot \cdot \cdot & 1 \\ \cdot \cdot \cdot & 1 \end{matrix}] [\begin{matrix} x_{0} \\ x_{1} \\ \cdot \\ \cdot \\ \cdot \\ x_{N - 1} \\ y_{0} \\ y_{1} \\ \cdot \\ \cdot \\ \cdot \\ y_{N - 1} \\ z_{0} \\ z_{1} \\ \cdot \\ \cdot \\ \cdot \\ z_{N - 1} \end{matrix}] = [\begin{matrix} 0 \\ 0 \\ \cdot \\ \cdot \\ \cdot \\ 0 \\ c_{x 0} \\ c_{y 0} \\ c_{z 0} \\ \cdot \\ \cdot \\ \cdot \\ c_{xN - 1} \\ c_{yN - 1} \\ c_{zN - 1} \end{matrix}]

此外，还提供一种建筑物三维模型构建系统。

图4是一个实施例中的建筑物三维模型构建系统结构示意图。该系统包括点云获取模块410、点云数据处理模块420、模板建立模块430、模板处理模块440、重复单元定位模块450以及布局优化模块460。

点云获取模块410用于获取建筑物的三维点云数据。

该实施例中，点云获取模块410利用车载激光扫描系统对建筑物进行扫描，获取三维点云数据。车载激光扫描系统能够快速、高效的获取建筑物的三维点云数据，且获取的三维点云数据中包含建筑物的更多细节信息。

其他实施例中，点云获取模块410也可采用其他方式(例如机载)扫描系统对建筑物进行扫描，获取三维点云数据。

点云数据处理模块420用于对三维点云数据进行处理，提取点云中的平面，检测并提取平面点云的边界。

该实施例中，点云数据处理模块420采用RANSAC技术提取建筑物三维点云中的所有平面，然后对每个平面随机分配一个颜色，便于在后续建模过程中区别于其他平面。

点云数据处理模块420将平面点云划分为等间距的条带，计算每个条带内点的数目，得出点分布的直方图，然后根据点分布的直方图计算点分布的梯度，梯度取极大值处为平面点云边界，最后提取这些边界。

模板建立模块430用于构建建筑物表面重复单元的模板。

建筑物表面通常具有很多楼层，每个楼层上具有与其他楼层相同的重复出现的单元，比如阳台、窗户、阳台栏杆等，称为重复单元。其中，某个楼层的阳台、窗户称为重复单元的实例。在构建过程中，对重复单元建立模板然后对建立的模板进行拖拽(用户进行拖拽)，由一个实例拷贝到其他实例所在位置，估测所有实例的位置，对重复单元所有实例进行构建，大大提高构建效率。

由于车载激光扫描系统获得的三维点云数据在建筑物重复单元几何结构的前表面包含较为密集的点，侧面和背面基本没有点，故模板建立模块430根据几何结构前表面上点云的分布确定重复单元模板在宽和高两个维度中的尺寸。该实施例中，模板建立模块430根据距离使用者的远近确定几何结构的前后表面，近者为前表面，远者为后表面(也可以通过用户的交互指定前后表面)。利用前表面上检测出的横向和纵向的边界确定建筑物几何结构模块(长方体)的宽度和高度。模板的深度可由另一表面(侧面或者墙表面)的点确定，也可由用户根据需要指定。

在其他实施方式中，建筑物表面重复单元的模板也可由用户根据需求或者根据建筑物表面重复单元的真实情况(由拍摄建筑物的照片或者影像获取)，通过自我设计来构建。构建中，将用户构建的模板导入到重复单元实例所在位置。

模板处理模块440用于将重复单元的模板组合并对齐。

为进一步实现建筑物的快速构建，对重复单元建立模板后，根据实际情形将属于同一组合的重复单元模板组合并对齐，比如阳台底面、阳台窗户以及阳台栏杆等模板进行组合，标记为一组。在构建中，将阳台底面、阳台窗户以及阳台栏杆等模板进行组合，标记为一组。在此后的操作中，对该组合进行拖拽拷贝，同时完成对多个重复单元的构建。

在该实施例中，模板处理模块440获取用户图选(利用OpenGL选择机制)的所有模板，将选中的模板进行组合，标记为一组，作为一个整体。

重复单元组合后，需要对组合中的模板按照实际的分布状况和建筑物的布局特征(对称性和规则性)进行对齐，使其符合建筑物的构建特征。模板处理模块440将组合中平行且距离接近的面片平移到这些面片的面积加权平均位置进行对齐。

重复单元定位模块450用于结合使用者对单个或者组合模板的拖拽，预测重复单元各个实例所在位置，将模板拷贝到预测的各个实例所在位置并在该位置利用提取的平面点云边界对模板进行几何变换，对各个实例进行拟合和精确定位。

该实施例中，重复单元定位模块450获取用户将模板由一个实例拖拽到下一个实例位置附近所产生的偏移量，并以此偏移量作为基准，预测重复单元各个实例所在位置，缩小构建过程中的搜索范围，提高效率。

在其他实施方式中，重复单元定位模块450也可根据初始设定偏移量，对模板进行拷贝。

预测各个实例所在位置后，模板会被自动复制到预测的各个实例所在位置。由于建立的模板以及预测的实例所在位置可能与实例实际的结构和位置存在偏差，故还需对各个实例进行拟合以及精确定位。

重复单元定位模块450在预测的实例所在位置两倍于模板包围盒的范围内检测并提取各个平面点云的边界，利用这些边界对模板进行平移、缩放、旋转等几何变换，获得经几何变换后的模板，并将其作为重复单元实例的候选对象。然后对候选对象进行打分筛选，选取得分最高者作为实例的拟合和精确定位结果，构建出重复单元各个实例，从而构建出建筑物表面重复单元。

由于利用所有获取的边界对模板进行几何变换，每个实例的候选对象比较多，优选的考虑以下六类候选对象：

(1)对模板无几何变换，分布和几何尺寸严格规则的候选对象。此类候选对象与已经定位好的前一实例(或者模板)尺寸相等且间距排列。

(3)任取相互垂直的一对边界，将模板平移至与该对边界对齐所获得的候选对象。

在获取大量候选对象后，重复单元定位模块450对候选对象进行打分筛选，获取得分最高者作为实例的拟合和精确定位结果。

在优选的实施方式中，重复单元定位模块450对候选对象进行打分由两部分组成：

1、数据拟合

(a)支持该候选对象点的可信度。该实施方式中，重复单元定位模块450根据位于该候选对象几何结构前表面单位面积内点的数目来判断，数目越大，可信度越高。

2、规则性

在对候选对象进行数据拟合和规则性两部分打分之后，将每一项的得分进行归一化处理，计算候选对象的加权平均分。其中，权重可由用户根据具体的情况调整。将加权平均分最高的候选对象作为实例的拟合和精确定位结果。(将加权平均分最高的候选对象所在位置为实例准确位置，完成对实例的拟合和精确定位)。

布局优化模块460用于对构建出的建筑物表面重复单元进行布局优化。

建筑物重复单元精确定位后，各个实例之间会存在间距或者对齐不规则的状况，布局优化模块460根据建筑物表面结构的布局特点(如对齐排列、等间距排列)，以点云和建筑物结构规则性作为约束对重复单元的布局进行优化，以更大程度的提高精度。

如图3所示，图中每个矩形代表实例结构中一个长方体结构，P_i和P_j分别代表相邻两个实例中对应平面的中心位置，n_ij是这组平面的法向量，C_i和C_j分别是从点云中估算得到的平面中心位置。为了使得这组平面对齐，布局优化模块460将P_i和P_j沿n_ij方向调整，且在调整过程中要兼顾新位置对点云的拟合。

其中，布局优化模块460调整过程中涉及两个位置约束，分别为：

位置约束(点云拟合)

p_i＝c_i

对齐约束

<p_j-p_i，n>＝0

综合以上两个约束，可以得到待求解的目标函数为

Σ_{i = 0}^{N - 1} (w_{d} | | p_{i} - c_{i} | | + w_{c} | | < p_{j} - p_{i}, n > | |)

式中w_d和w_c分别是点云拟合和对齐约束的权重。通过最小化该函数，可以得到重复单元实例新的空间位置。最小化过程可以转化为一个线性方程组进行求解，转化后的方程组如下：

[\begin{matrix} n_{x} & - n_{x} & \cdot \cdot \cdot & n_{y} & - n_{y} & \cdot \cdot \cdot & n_{z} & - n_{z} & \cdot \cdot \cdot \\ n_{x} & - n_{x} & \cdot \cdot \cdot & n_{y} & - n_{y} & \cdot \cdot \cdot & n_{z} & - n_{z} & \cdot \cdot \cdot \\ \cdot \\ \cdot \\ \cdot \\ n_{x} & - n_{x} & \cdot \cdot \cdot & n_{y} & - n_{y} & \cdot \cdot \cdot & n_{z} & - n_{z} \\ 1 & \cdot \cdot \cdot \\ 1 & \cdot \cdot \cdot \\ 1 & \cdot \cdot \cdot \\ \cdot \\ \cdot \\ \cdot \\ \cdot \cdot \cdot & 1 \\ \cdot \cdot \cdot & 1 \\ \cdot \cdot \cdot & 1 \end{matrix}] [\begin{matrix} x_{0} \\ x_{1} \\ \cdot \\ \cdot \\ \cdot \\ x_{N - 1} \\ y_{0} \\ y_{1} \\ \cdot \\ \cdot \\ \cdot \\ y_{N - 1} \\ z_{0} \\ z_{1} \\ \cdot \\ \cdot \\ \cdot \\ z_{N - 1} \end{matrix}] = [\begin{matrix} 0 \\ 0 \\ \cdot \\ \cdot \\ \cdot \\ 0 \\ c_{x 0} \\ c_{y 0} \\ c_{z 0} \\ \cdot \\ \cdot \\ \cdot \\ c_{xN - 1} \\ c_{yN - 1} \\ c_{zN - 1} \end{matrix}]

以上所述实施例仅表达了本发明的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims

1.一种建筑物三维模型构建方法，其特征在于，包括如下步骤：

获取建筑物的三维点云数据；

对三维点云数据进行处理，提取点云中的平面；

检测并提取平面点云的边界；

构建建筑物表面重复单元的模板；

将重复单元的模板组合并对齐；

2.根据权利要求1所述建筑物三维模型构建方法，其特征在于，所述检测并提取平面点云的边界的步骤具体为：

将平面点云划分为等间距的条带；

计算每个条带内点的数目，得到点分布的直方图；

3.根据权利要求1所述建筑物三维模型构建方法，其特征在于，所述构建建筑物表面重复单元的模板的步骤具体为：

4.根据权利要求1所述建筑物三维模型构建方法，其特征在于，所述将重复单元的模板组合并对齐的步骤具体为：

5.根据权利要求1所述建筑物三维模型构建方法，其特征在于，所述结合用户对单个或组合的模板的拖拽，预测重复单元各个实例所在位置的步骤具体为：

6.根据权利要求1或5所述建筑物三维模型构建方法，其特征在于，所述将模板自动拷贝到预测的各个实例所在位置，利用提取的平面点云边界对模板进行几何变换，对各个实例进行拟合和精确定位，构建出建筑物表面重复单元的步骤具体为：

获得几何变换后的所有模板，并将其作为实例的候选对象；

7.根据权利要求6所述建筑物三维模型构建方法，其特征在于，所述候选对象为以下六种中任意一种或者两种以上：

对模板无几何变换，分布和几何尺寸严格规则的候选对象；

8.根据权利要求6所述建筑物三维模型构建方法，其特征在于，对所述候选对象打分具体包括：

9.根据权利要求1所述建筑物三维模型构建方法，其特征在于，还包括对构建出的建筑物表面重复单元进行布局优化的步骤；具体为：以点云和建筑物结构规则性作为约束对构建出的建筑物重复单元进行布局优化。

10.一种建筑物三维模型构建系统，其特征在于，包括：

点云获取模块，用于获取建筑物的三维点云数据；

模板建立模块，用于构建建筑物表面重复单元的模板；

模板处理模块，用于将重复单元的模板组合并且对齐；

11.根据权利要求10所述建筑物三维模型构建系统，其特征在于，所述点云数据处理模块将平面点云划分为等间距的条带，计算每个条带内点的数目，得出点分布的直方图，根据点分布的直方图计算点分布的梯度，梯度取极大值处为点云边界，提取所述边界。

12.根据权利要求10所述建筑物三维模型构建系统，其特征在于，所述模板建立模块根据重复单元几何结构前表面上点云的分布确定模板前表面在宽和高两个维度中的尺寸，模板深度由另一表面的点确定或者由用户根据需要设定。

13.根据权利要求10所述建筑物三维模型构建系统，其特征在于，所述模板处理模块获取用户圈选的所有模板，将选中的模板进行组合，标记为一组；

14.根据权利要求10所述建筑物三维模型构建系统，其特征在于，所述重复单元定位模块获取用户将模板由一个实例拖拽到下一个实例位置附近所产生的偏移量，将所述偏移量作为基准，预测重复单元各个实例所在位置；

获得经几何变换后的模板，并将其作为实例的候选对象；

15.根据权利要求14所述建筑物三维模型构建系统，其特征在于，所述候选对象包括以下六种中的任意一种或者两种以上：

对模板无几何变换，分布和几何尺寸严格规则的候选对象；

16.根据权利要求14所述建筑物三维模型构建系统，其特征在于，所述重复单元定位模块对所述候选对象打分包括：

17.根据权利要求10所述建筑物三维模型构建系统，其特征在于，还包括：