CN103020342A

CN103020342A - 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法

Info

Publication number: CN103020342A
Application number: CN2012105124622A
Authority: CN
Inventors: 李满春; 程亮; 童礼华; 陈焱明; 刘永学; 王结臣; 钟礼山; 张雯; 陈小雨; 孙越凡
Original assignee: Nanjing University
Current assignee: Nanjing University
Priority date: 2012-12-04
Filing date: 2012-12-04
Publication date: 2013-04-03
Anticipated expiration: 2032-12-04
Also published as: CN103020342B

Abstract

本发明涉及一种从地面LiDAR数据中提取建筑物轮廓和角点的方法，首先使用分层次的格网密度方法从地面LiDAR数据中提取建筑物轮廓；在此基础上使用轮廓延伸密度方法对提取的建筑物轮廓进行恢复，即得到完整的建筑物轮廓；若需提取角点则将完整的建筑物轮廓投影到三维坐标系的XY平面内寻找二维相交点，如果任两条构成相交点的轮廓的高程差小于1m，则判定两条轮廓在实际的三维空间中相交，两条轮廓的相交点为一个地面角点，并将所述两条轮廓的高程均值作为该地面角点的高程。本发明所用的格网密度方法、格网密度阈值的理论估计确定方法、轮廓密度延伸的方法，保证了从地面LiDAR数据中提取准确的建筑物轮廓线段和高精度的地面角点；并且实现了自动化提取，大大提高了数据处理效率。

Description

一种从地面LiDAR数据中提取建筑物轮廓和角点的方法

技术领域

本发明涉及一种从地面LiDAR数据中提取建筑物轮廓和角点的方法。

背景技术

目前，激光雷达技术发展迅速，激光雷达大家庭迎来了航空激光雷达、地面激光雷达、车载激光雷达、室内激光雷达。不同平台的激光雷达性能各不相同，应用范围也不同，然而另一方面他们也是互相补充的。伴随着激光雷达技术的不断进步，多种平台激光雷达的融合处理已经逐渐成为一种趋势，其中航空和地面LiDAR数据的集成尤为显著。航空激光雷达具有较大的扫描范围，能够获取物体顶部信息，然而点云条带现象明显，地物侧面信息缺失；地面激光雷达能够获取地物详尽的侧面信息，扫描精度也极高，然而扫描范围有限，顶部信息也难以获得。近年来，两者的集成应用涉及地形制图、地质勘探、森林研究、水文研究、以及虚拟现实等。

建筑轮廓数据在房地产工业、城市规划、洪水管理以及许多其他应用中都有着重要作用。与此同时在虚拟城市的构建中，房屋建筑轮廓的提取也是一个重要并且困难的步骤。一直以来建筑轮廓的提取主要是从航空数据中出发，包括航空遥感影像与航空激光雷达，出现了一系列的技术手段。但无论怎么处理，受限于航空数据的平台与观测目标的距离，其精度有限，难以满足日益增长的对数据精度的要求。地面激光雷达近距离地以平视或仰视的角度获取地物信息，扫描精度可以达到毫米级，精度极高，能够为建筑轮廓提取提供更为可靠的数据源，然而目前从地面激光雷达数据出发提取建筑轮廓及其衍生角点的提取，研究还很少。

地面LiDAR数据轮廓提取方法还比较少。2004年，Wang和Tseng在《parameters》中撰文“Lidar data segmentation and classification basedon octree structure”，提出了一种八叉树分割合并算法能够将LiDAR点云聚类为各个面，然而该方法生长过程中依赖于初始种子区域的选择，不同的种子区域直接影响到最终聚类结果。2007年，Bohm等人在《ISPRS Workshop Laserscanning 2005》会议论文集中撰文“Efficient integration of aerial andterrestrial laser data for virtual city modeling using lasermaps”对点云数据构建了不规则三角网，根据三角网高程确定屋顶面片和地面面片，进而确定各面片边缘，算法采用TIN确定边缘，误差和计算量都较大。目前使用较多的方法为格网密度法，该方法将三维点云投影至规则格网内，统计格网内的点数进行建筑轮廓的提取。格网密度方法简单、快速，但是格网密度阈值的确定直接关系到建筑轮廓提取的完整度，如何准确自动地确定建筑轮廓筛选的格网密度阈值，相关研究很少涉及。

发明内容

本发明要解决技术问题是：克服现有技术缺点，提出一种从地面LiDAR数据中提取建筑物轮廓和角点的方法，该方法以现有的格网密度方法为基础，能够自动准确地确定格网密度筛选阈值，从而提取较为准确的建筑轮廓，并且在此基础上提出一种轮廓延伸密度方法，能够有效恢复建筑物的轮廓，使得提取的轮廓更为完整准确。

为了解决上述技术问题，本发明提出的技术方案是：一种从地面LiDAR数据中提取建筑物轮廓的方法，包括如下步骤：

1a)地面LiDAR点云投影至XY平面——将地面LiDAR点云投影至三维坐标系的XY平面，并保留各个点的X、Y、Z属性；

1b)提取粗略轮廓格网——在所述XY平面内构建1m*1m的粗略格网，计算每个粗略格网中LiDAR投影点的数量，即得到该粗略格网的格网密度，根据建筑物边缘轮廓处的粗略格网密度阈值对所述粗略格网进行筛选，保留格网密度大于所述粗略格网密度阈值的粗略格网，得到粗略轮廓格网；

1c)提取精确轮廓格网——在粗略轮廓格网中构建0.2m*0.2m的精细格网，计算精细格网内LiDAR投影点的数量即得到精细格网的格网密度，根据建筑物边缘轮廓处的精细格网密度阈值对所述精细格网进行筛选，保留格网密度大于所述精细格网密度阈值的精细格网，得到精确轮廓格网；

1d)格网高差筛选——遍历所有精确轮廓格网，如果精确轮廓格网内的最高LiDAR点和最低LiDAR点的高差大于相应实验区建筑最低高程则保留该精确轮廓格网，否则剔除；

1e)获取轮廓线段——对筛选后的精确轮廓格网使用Hough变换得到二维矢量轮廓线段；

1f)二维轮廓转化为三维轮廓——寻找步骤1e)中获得的二维矢量轮廓线段周边1m范围内格网，将寻找到的所有格网内LiDAR点最大高程的平均值作为二维矢量轮廓线段的高程，将二维矢量轮廓线段变换为三维建筑物轮廓线段。

本发明使用理论估计法方法确定步骤1b)和1c)中的格网密度阈值：

假设O点为仪器中心点，A点为水平垂直于仪器的墙面点，扫描仪对准A点时的角度为0°，B点为格网靠近仪器一侧，C点为格网远离仪器一侧，D点为B点竖直方向上墙面最高点，设OA＝D_V，CO＝D_M，水平方向格网的边长为D_G，建筑高H_R，仪器高H_L，在A点处水平向相邻两LiDAR点的间距为D_R，则格网密度计算步骤如下：

2a)计算水平方向格网内LiDAR点的列数，记α为扫描仪每次旋转角度的一半，

记格网中水平方向上最靠近于B点的角度为β，

β = (2 * [\frac{\arctan ((\sqrt{D_{M}^{2} {- D}_{V}^{2}} - D_{G}) / D_{V}) - α}{2 * α}] + 3) * α,

则线段BC上LiDAR点数为

则水平方向格网内LiDAR点的列数为N_col；

2b)计算每一列LiDAR点的数量，第i列LiDAR点的数量为

N_{row}^{i} = [\frac{\arctan (\frac{H_{B} - H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + [\frac{\arctan (\frac{H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + 3;

2c)将每列LiDAR点数量相加得到格网处LiDAR点总数

网格密度阈值threshod＝rate*N，其中参数rate为描述墙面凹凸、窗户多少的阈值，墙面凹凸越多、窗户越多，则该参数越小，rate的取值范围为0.2-1。

为了能够达到完好的建筑物轮廓，有利于更准确的提取建筑物角点，本发明在步骤1f)完成后，利用轮廓延伸密度方法进行建筑物轮廓的恢复，具体步骤如下：

3a)对三维建筑物轮廓线段构建半径为1m的建缓冲区，建缓冲区内LiDAR点数量除以缓冲区体积获得原有轮廓LiDAR点密度；

3b)沿轮廓线段方向以单位距离为延伸步长构建半径为1m的缓冲区，缓冲区内LiDAR点数量除以相应缓冲区体积获得待延伸方向的LiDAR点密度，所述单位距离的取值范围为0.1-0.3m；

3c)若待延伸方向的LiDAR点密度与原有轮廓LiDAR点密度的差异小于20％，则该轮廓沿轮廓线段方向延伸单位距离并重复步骤3b)；否则停止延伸，结束对建筑物轮廓的恢复，形成完整的建筑物轮廓。

建筑物轮廓经过恢复后，便可得到完整的轮廓，有利于建筑物角点的提取。

本发明提供的从地面LiDAR数据中提取建筑物角点的方法，步骤如下：

4a)利用上述方法获取完整的建筑物轮廓；

4b)将完整的建筑物轮廓投影到三维坐标系的XY平面内寻找二维相交点；

4c)如果任两条构成相交点的轮廓的高程差小于1m，则判定两条轮廓在实际的三维空间中相交，两条轮廓的相交点为一个建筑物角点，并将所述两条轮廓的高程均值作为该建筑物角点的高程。

本发明的有益效果是：1)本发明使用一种分层次格网密度方法提取地面LiDAR数据的建筑物轮廓，并使用理论估计的方法对格网密度阈值进行确定，能够从地面LiDAR数据中提取准确的建筑物轮廓线段，从而提取高精度的地面角点；2)本发明使用轮廓密度延伸的方法对提取的建筑轮廓进行恢复，能够将不完整的轮廓恢复成较为完整的轮廓，提高了提取轮廓的准确性；3)在提取轮廓的基础上，根据二维相交和三维距离的关系能够有效确定地面角点，为相关应用服务；4)实现了地面LiDAR数据的建筑物轮廓和建筑物角点高精度自动提取，提高了数据处理效率，为后续相关数据服务提供了可靠保障。

附图说明

下面结合附图对本发明作进一步的说明。

图1为本发明实施例中地面LiDAR数据示意图。

图2为地面LiDAR数据的粗略格网示意图。

图3为图2提取的建筑物粗略轮廓格网示意图。

图4为图3中提取的建筑物精细轮廓格网示意图。

图5为经高程筛选后得到的建筑物精细轮廓格网示意图。

图6为图5中提取二维轮廓线段示意图。

图7为对图5中二维轮廓线段赋予高程后的三维轮廓线段示意图。

图8为轮廓延伸密度示意图。

图9为恢复后的三维轮廓示意图。

图10为从图9中获得的建筑物角点示意图。

图11为格网密度阈值计算示意图。

具体实施方式

本实施例的地面LiDAR数据如图1所示。该数据Leica ScanStation2分9站扫描获得，LiDAR点总数约3000万，地面LiDAR点分辨率为100m远处20cm一个点。

本实施例的从如图1地面LiDAR数据中提取建筑物轮廓的方法，包括如下步骤：

1a)地面LiDAR点云投影至XY平面——将地面LiDAR点云投影至三维坐标系的XY平面，并保留各个点的X、Y、Z属性。

1b)提取粗略轮廓格网——在所述XY平面内构建1m*1m的粗略格网(见图2)，计算每个粗略格网中LiDAR投影点的数量，即得到该粗略格网的格网密度，根据建筑物边缘轮廓处的粗略格网密度阈值对所述粗略格网进行筛选，保留格网密度大于所述粗略格网密度阈值的粗略格网，得到粗略轮廓格网。

本发明使用理论估计的方法计算墙面筛选密度阈值(粗略格网密度阈值)，本例中，扫描的最小楼高为20m，最小水平距离为8m，仪器高为1.5m，建筑距离测站最远距离约32m，扫描精度为100m远处20cm一个点，考虑到墙面窗户较多，设置阈值缩放比率为0.5，对于1m*1m的格网，经过理论估计后得到粗略格网密度阈值为1100，即格网密度大于1100的所有格网都为粗略轮廓格网。本例提取的粗略轮廓格网见图3。

1c)提取精确轮廓格网——在粗略轮廓格网中构建0.2m*0.2m的精细格网，计算精细格网内LiDAR投影点的数量即得到精细格网的格网密度，根据建筑物边缘轮廓处的精细格网密度阈值对所述精细格网进行筛选，保留格网密度大于所述精细格网密度阈值的精细格网，得到精确轮廓格网。

本实施例在提取得到的1m*1m的轮廓格网内，构建0.2m*0.2m的精细格网，使用理论估计的方法计算得到精细格网密度阈值为550，筛选后得到的精确轮廓格网见图4。

1d)格网高差筛选——遍历所有精确轮廓格网，如果精确轮廓格网内的最高LiDAR点和最低LiDAR点的高差大于相应实验区建筑最低高程则保留该精确轮廓格网，否则剔除。本例中实验区建筑最低高程为10m，经高程删选后的精确轮廓格网如图5所示。

1e)获取轮廓线段——对筛选后的精确轮廓格网使用Hough变换得到二维矢量轮廓线段。考虑到大尺度的Hough变换有助于获取比较完整的线段；而小尺度的Hough变换有助于获取比较零碎的线段；因此本实施例分两个尺度对轮廓区域进行Hough变换，首先对完整的精确轮廓格网进行Hough变换，然后将精确轮廓格网分为16个小块分别进行Hough变换，最后将各个结果拼接融合，得到矢量地面轮廓，其结果如图6所示。经过该这样的变换处理后，轮廓提取效果更好。

1f)二维轮廓转化为三维轮廓——寻找步骤1e)中获得的二维矢量轮廓线段周边1m范围内格网，将寻找到的所有格网内LiDAR点最大高程的平均值作为二维矢量轮廓线段的高程，将二维矢量轮廓线段变换为三维建筑物轮廓线段。如图7所示，为赋予高程后的轮廓线段(三维轮廓)。

为了能够达到完好的建筑物轮廓，有利于更准确的提取建筑物角点，本实施例在步骤1f)完成后，利用轮廓延伸密度方法进行建筑物轮廓的恢复，具体步骤如下：

3b)如图8所示，沿轮廓线段方向以单位距离(Space)为延伸步长构建半径为1m的缓冲区，缓冲区内LiDAR点数量除以相应缓冲区体积获得待延伸方向的LiDAR点密度，本例中单位距离的取0.2m；延伸的单位距离越小，精度越高。

恢复后的三维轮廓见图9，共有30条轮廓线段。

本实施例在上述步骤1b)和1c)中，使用理论估计的方法计算格网密度阈值，如图11所示，假设O点为仪器中心点，A点为水平垂直于仪器的墙面点，扫描仪对准A点时的角度为0°，B点为格网靠近仪器一侧，C点为格网远离仪器一侧，D点为B点竖直方向上墙面最高点，墙面上的圆点为仪器扫描获得的LiDAR点，从图中可见，LiDAR点在墙面上呈现阵列式分布，由于扫描仪每次旋转的角度是固定的，因此离扫描仪越近的墙面上LiDAR点分布越密，相反的，离扫描仪越远的墙面上LiDAR点分布越疏，设OA＝D_V，CO＝D_M，水平方向格网的边长为D_G，建筑高H_B，仪器高H_L，在A点处水平向相邻两LiDAR点的间距为D_R，则格网密度阈值的具体计算方法如下：

记格网中水平方向上最靠近于B点的角度为β，

β = (2 * [\frac{\arctan ((\sqrt{D_{M}^{2} {- D}_{V}^{2}} - D_{G}) / D_{V}) - α}{2 * α}] + 3) * α,

则线段BC上LiDAR点数为

则水平方向格网内LiDAR点的列数为N_col；

2b)计算每一列LiDAR点的数量，第i列LiDAR点的数量为

N_{row}^{i} = [\frac{\arctan (\frac{H_{B} - H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + [\frac{\arctan (\frac{H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + 3;

2c)将每列LiDAR点数量相加得到格网处LiDAR点总数

网格密度阈值threshod＝rate*N，其中参数rate的取值范围为0.2-1，该参数取值与墙面凹凸情况与窗户多少有关，墙面凹凸越多、窗户越多，取值越小，墙面平滑、窗户越少取值越大，当墙面平滑不含有窗户时，参数rate取1，当墙面凹凸起伏含有极大量窗户时rate取0.2，在本例中，rate取0.5。

上述步骤的格网密度阈值推导过程如下：

如图11所示，A点为水平垂直于仪器的墙面点，扫描仪对准A点时的角度为0°；位置E点为格网外水平方向上最靠近B点的扫描点(即E点后面的一个扫描点落入格网范围之内)。

那么，

其中

&angle; AOB = \arctan ((\sqrt{D_{M}^{2} - D_{V}^{2}} - D_{G}) / D_{V}) .

F点为格网中水平方向上最靠近于B点的点，扫描仪从A点扫描至F点所转过的角度∠FOA记为

β = (2 * [\frac{\arctan ((\sqrt{D_{M}^{2} {- D}_{V}^{2}} - D_{G}) / D_{V}) - α}{2 * α}] + 3) * α,

则BC上点数为

其中∠AOC＝arccos(D_M/D_V)。

记当前为N_col列中的第i列，其与水平方向AC的交点为I点，与建筑物顶部交点为M点，与建筑物底部交点为N点，则扫描仪从B点扫描至I点所转过的角度∠BOI＝β+i*2*α，第i列点云的数量包括仪器水平线(0点)以上的点数和仪器水平线(0点)以下的点数，因此第i列点云的数量

线段MI上的LiDAR点数为：

N_{Above}^{i} = [\frac{&angle; MOI - α}{2 * α}] + 1,

&angle; MOI = \arctan (\frac{H_{B} - H_{L}}{D_{V} / \cos (β + i * 2 * α)});

线段NI上的LiDAR点数为

N_{Below}^{i} = [\frac{&angle; NOI - α}{2 * α}] + 1,

&angle; NOI = \arctan (\frac{H_{L}}{D_{V} / \cos (β + i * 2 * α)}),

故而，得到第i列LiDAR点的数量为：

N_{row}^{i} = [\frac{\arctan (\frac{H_{B} - H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + [\frac{\arctan (\frac{H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + 3,

网格内的每列LiDAR点数量相加得到格网处点云总数

即为格网点云密度。

由于墙面的凹凸起伏和墙面窗户的反射，同一侧墙面点云投射到XY平面时，其格网密度也会产生较大差异。为了保证所有的墙面格网都有效提取，需要设定一个密度阈值对个网进行删选，网格密度阈值threshod＝rate*N，式中，参数rate取值范围为0.2-1。

本发明实施例提供的从地面LiDAR数据中提取建筑物角点的方法，步骤如下：

4a)利用上述方法获取完整的建筑物轮廓；

如图10所示，共得到16个建筑物角点，图中用黑色圆点表示。

除上述实施例外，本发明还可以有其他实施方式。凡采用等同替换或等效变换形成的技术方案，均落在本发明要求的保护范围。

Claims

1.一种从地面LiDAR数据中提取建筑物轮廓的方法，包括如下步骤：

1b)提取粗略轮廓格网——构建1m*1m的粗略格网，计算每个粗略格网中LiDAR投影点的数量，即得到该粗略格网的格网密度，根据建筑物边缘轮廓处的粗略格网密度阈值对所述粗略格网进行筛选，保留格网密度大于所述粗略格网密度阈值的粗略格网，得到粗略轮廓格网；

2.根据权利要求1所述一种从地面LiDAR数据中提取建筑物轮廓的方法，其特征在于：步骤1b)和1c)中的格网密度阈值的确定方法如下：

假设O点为仪器中心点，A点为水平垂直于仪器的墙面点，扫描仪对准A点时的角度为0°，B点为格网靠近仪器一侧，C点为格网远离仪器一侧，D点为B点竖直方向上墙面最高点，设OA＝D_V，CO＝D_M，水平方向格网的边长为D_G，建筑高H_B，仪器高H_L，在A点处水平向相邻两LiDAR点的间距为D_R，则格网密度计算方法如下：

记格网中水平方向上最靠近于B点的角度为β，

β = (2 * [\frac{\arctan ((\sqrt{D_{M}^{2} {- D}_{V}^{2}} - D_{G}) / D_{V}) - α}{2 * α}] + 3) * α,

则线段BC上LiDAR点数为

则水平方向格网内LiDAR点的列数为N_col；

2b)计算每一列LiDAR点的数量，第i列LiDAR点的数量为

N_{row}^{i} = [\frac{\arctan (\frac{H_{B} - H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + [\frac{\arctan (\frac{H_{L}}{D_{V} / \cos (β + i * 2 * α)}) - α}{2 * α}] + 3;

2c)将每列LiDAR点数量相加得到格网处LiDAR点总数

3.根据权利要求3所述一种从地面LiDAR数据中提取建筑物轮廓的方法，其特征在于：步骤1f)完成后，利用轮廓延伸密度方法进行建筑物轮廓的恢复，具体步骤如下：

4.一种从地面LiDAR数据中提取建筑物角点的方法，步骤如下：

4a)利用权利要求1的方法获取完整的建筑物轮廓；