CN103247041A - 一种基于局部采样的多几何特征点云数据的分割方法 - Google Patents

Abstract

本发明公开了一种基于局部采样的多几何特征点云数据的分割方法，包括：利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；每个几何特征的提取过程包括：在第一当前数据集中随机选取一采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，从α个候选几何模型中确定一最优模型，在第一当前数据集中，计算最优模型的一致集，根据多个几何特征将全部的点云数据的分割成多个子集。本发明从局部采样，在一个第一格网单元中构建候选几何模型，在多个候选几何模型中确定出最优模型，从而实现一个几何特征的提取，避免出现“拟合出现实中不存在的模型”的问题，本发明的效率更高。

Description

一种基于局部采样的多几何特征点云数据的分割方法

技术领域

本发明涉及一种点云数据的分割方法，尤其涉及一种基于局部采样的多几何特征点云数据的分割方法，该方法更适用于处理海量点云数据。

背景技术

激光点云数据分割，是根据一定的属性或规则，将点云数据分割为若干互不相交的子集的过程。目前，激光点云数据分割主要利用点云数据的几何信息(曲率、法向、高斯球等)或者光谱信息(多结合几何信息)。基于几何信息的方法主要有基于边的分割、基于面的分割以及其他方法。基于边的分割方法是根据一定的属性或规则探测突变边界，根据突变边界分割数据体；基于面的分割方法是根据几何空问特性，把点云数据分为不同的类别；其它方法包括基于扫描线的分割、基于Level Set的分割、基于Reeb图的分割等。

在人工环境中，目标对象多以规则几何形体(平面、柱面、球面等)组成，基于面的分割能为人们提供点云数据的抽象表达，且在激光点云后处理中具有重要应用，如点云数据的自动配准、模型与拓扑重建、空间数据组织与分析、点云数据滤波与精简等，因此基于面的分割方法获得了广泛的认可。

在基于面的方法中，RANSAC和HOUGH变换是其中最著名的方法，但HOUGH变换存在效率低、内存消耗高等缺点，不适合处理海量点云数据。RANSAC具有内存消耗低，方法简单、通用、易扩展等特点，因此在点云数据处理中获得了广泛的应用。但是传统未经优化的RANSAC方法，采用全局采样策略，即从全部的点云数据中选取采样点进行几何模型的构建，这样容易产生“拟合出现实世界中所不具有的模型”的问题，举例来说，当从一建筑物内部的全部的点云数据中选取了三个采样点拟合出一平面，这三个采样点可能分别来自于屋顶、墙面和底板，这样得到的平面在现实世界是完全不存在的，得出的结果与现实相去甚远，影响了计算效率；同时，RANSAC方法一次计算只能从点云数据中确定出一个几何特征，而现实人工对象多以多种规则几何形体(即多几何基元)组成，因此如何在海量点云数据中有效提取多几何基元特征在现实应用中具有重要的意义。

发明内容

本发明提供了一种更适合处理海量点云数据的、可快速提取几何特征的基于局部采样的多几何特征点云数据的分割方法。

本发明提供的技术方案为：

一种基于局部采样的多几何特征点云数据的分割方法，包括以下步骤：

步骤一、利用激光扫描仪对目标对象进行扫描取点，以获取目标对象的点云数据；

步骤二、利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；

步骤三、从全部的点云数据中提取多个几何特征，多个几何特征的提取过程包括：(1)以全部的点云数据为第一当前数据集，(2)在第一当前数据集中随机选取一个采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，(3)从α个候选几何模型中确定一最优模型，(4)在第一当前数据集中，计算步骤(3)得到的最优模型的一致集，该一致集为一个子集，则第一当前数据集中不属于该一致集的点形成下一个第一当前数据集，重复(2)～(4)，根据多个几何特征将全部的点云数据的分割成多个子集。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当α个候选几何模型中只有一个候选几何模型满足以下条件：在当前第一格网单元的点中，当一个候选几何模型的一致集的点的数目到达第一阈值时，则将该候选几何模型作为最优模型。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当d个候选几何模型中有β个候选几何模型满足以下条件：在当前第一格网单元的点中，一个候选几何模型的一致集的点的数目到达第一阈值，其中，β≤α，则利用超几何分布方法对p个候选几何模型进行验证，从β个候选几何模型确定最优模型，具体过程为：

(1)对于β个候选几何模型中的任一个候选几何模型ψ，以其在当前格网单元S₁的一致集的点的数目作为其在当前格网单元Sl的局部打分

则一个候选几何模型中在多个格网单元的全局打分

推断为：

$\widehat{\mathrm{\σ}}\left(\mathrm{\ψ}\right)=-1-f(-2-|P|,-2-|S_1|,-1-{\mathrm{\σ}}_{S_1}\left(\mathrm{\ψ}\right)),$

其中， $f(N,x,n)=\frac{\mathrm{xn}\±\sqrt{\frac{\mathrm{xn}(N-x)(N-n)}{N-1}}}{N},$ Sl为当前格网单元的点的数目，P为第一当前数据集中点的数目，

为超几何分布的期望，

为超几何分布的标准差，

(2)如β个候选几何模型中存在不同的候选几何模型的全局打分区间重叠，则当前格网单元的相邻格网单元Si中重新计算β个候选几何模型的全局打分对于β个候选几何模型中的任一个候选几何模型ψ，

${\widehat{\mathrm{\σ}}}_P\left(\mathrm{\ψ}\right)=-1-f(-2-|P|,-2-\underset{i}{\mathrm{\Σ}}|S_i|,-1-\underset{i}{\mathrm{\Σ}}{\mathrm{\σ}}_{S_i}\left(\mathrm{\ψ}\right)),$

(3)重复步骤(2)，直至若干候选几何模型的全局打分区间都不重叠，则以β个候选几何模型中全局打分最高的一个候选几何模型作为最优模型。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(2)中，当当前第一格网单元满足条件：当一个第一格网单元内的所有的点中曲率方差大于第二阈值的点所占的比重大于第三阈值，则重新在第一当前数据集中随机选取一个采样点，并重新确定该采样点所在的当前第一格网单元。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，在当前第一格网单元的点中，一个候选几何模型的一致集的点满足以下条件：当前第一格网单元的一个点的法向与该点在候选几何模型的投影点的法向的夹角小于一第四阈值，以及该点到候选几何模型的距离小于第五阈值。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，所述第一阈值为当前第一格网单元的点的数目的一半。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三中，对最优模型的一致集进行共面分割，具体过程为：

(1)选择第二规则格网将最优模型的一致集划分为多个第二格网单元，以最优模型的一致集为第二当前数据集，

(2)选择第二当前数据集对应的其中一个不为空的第二格网单元进行领域搜索，

(3)当与该第二格网单元的相邻的一个第二格网单元不为空时，则再对相邻的第二格网单元进行领域搜索，当与该第二格网单元的相邻的一个第二格网为空时，则相邻的第二格网单元位于当前聚集区域的边界，

(4)重复(3)，直至确定出当前聚集区域的边界，则不属于当前聚集区域的点构成下一个第二当前数据集，

(5)重复(2)～(4)。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤二中，α个候选几何模型包括若干候选平面模型、若干候选圆柱面模型、若干候选球面模型。

优选的是，所述的基于局部采样的多几何特征点云数据的分割方法中，当最优模型为平面模型，第二规则格网为二维正方形规则格网，当最优模型为圆柱面模型，则将该圆柱面模型沿其轴向展成平面，再选择第二规则格网进行划分，且第二规则格网为二维正方形规则格网，当最优模型为球面模型时，则第二规则格网为QTM格网。

本发明是对现有技术中RANSAC方法的改进，从局部采样，在一个第一格网单元中构建候选几何模型，并进一步在多个候选几何模型中确定出一个最优模型，从而实现一个几何特征的提取，避免出现“拟合出现实中不存在的模型”的问题，相比于现有的全局采样策略，本发明的效率更高，因此，更适合于处理海量点云数据。

在多个候选几何模型确定一个最优模型的过程中，可能会出现若干候选几何模型均能够在局部符合条件的情况，本发明由局部打分推断全局打分，而实际情况是：在海量点云数据中，即使对简单的平面特征进行打分，仍需要较大的时间开销，因此，本发明具有更高的效率和更小的时间开销。

附图说明

图l为本发明所述的当前第一格网单元内模型构建的一个实施例的示意图；

图2为本发明所述的平面模型的一致集的共面分割的一个实施例的示意图；

图3为应用本发明的方法的一个实施例中建筑物的点云数据的分割结果；

图4为应用本发明的方法的另一个实施例中建筑物的点云数据的分割结果；

图5为应用本发明的方法的工业设施的点云数据的分割结果。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供一种基于局部采样的多几何特征点云数据的分割方法，包括以下步骤：

步骤一、利用激光扫描仪对目标对象进行扫描取点，以获取目标对象的点云数据；

步骤二、利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；

步骤三、从全部的点云数据中提取多个几何特征，多个几何特征的提取过程包括：(1)以全部的点云数据为第一当前数据集，(2)在第一当前数据集中随机选取一个采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，(3)从α个候选几何模型中确定一最优模型，(4)在第一当前数据集中，计算步骤(3)得到的最优模型的一致集，该一致集为一个子集，则第一当前数据集中不属于该一致集的点形成下一个第一当前数据集，重复(2)～(4)，根据多个几何特征将全部的点云数据的分割成多个子集。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当α个候选几何模型中只有一个候选几何模型满足以下条件：在当前第一格网单元的点中，当一个候选几何模型的一致集的点的数目到达第一阈值时，则将该候选几何模型作为最优模型。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，当α个候选几何模型中有β个候选几何模型满足以下条件：在当前第一格网单元的点中，一个候选几何模型的一致集的点的数目到达第一阈值，其中，β≤α，则利用超几何分布方法对β个候选几何模型进行验证，从β个候选几何模型确定最优模型，具体过程为：

(1)对于β个候选几何模型中的任一个候选几何模型山，以其在当前格网单元S₁的一致集的点的数目作为其在当前格网单元S1的局部打分

则一个候选几何模型山在多个格网单元的全局打分

推断为：

$\widehat{\mathrm{\σ}}\left(\mathrm{\ψ}\right)=-1-f(-2-|P|,-2-|S_1|,-1-{\mathrm{\σ}}_{S_1}\left(\mathrm{\ψ}\right)),$

其中， $f(N,x,n)=\frac{\mathrm{xn}\±\sqrt{\frac{\mathrm{xn}(N-x)(N-n)}{N-1}}}{N},$ Sl为当前格网单元的点的数目，P为第一当前数据集中点的数目，

为超几何分布的期望，

为超几何分布的标准差，

(2)如p个候选几何模型中存在不同的候选几何模型的全局打分区间重叠，则当前格网单元的相邻格网单元Si中重新计算β个候选几何模型的全局打分

对于p个候选几何模型中的任一个候选几何模型ψ，

${\widehat{\mathrm{\σ}}}_P\left(\mathrm{\ψ}\right)=-1-f(-2-|P|,-2-\underset{i}{\mathrm{\Σ}}|S_i|,-1-\underset{i}{\mathrm{\Σ}}{\mathrm{\σ}}_{S_i}\left(\mathrm{\ψ}\right)),$

(3)重复步骤(2)，直至若干候选几何模型的全局打分区间都不重叠，则以p个候选几何模型中全局打分最高的一个候选几何模型作为最优模型。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(2)中，当当前第一格网单元满足条件：当一个第一格网单元内的所有的点中曲率方差大于第二阈值的点所占的比重大于第三阈值，则重新在第一当前数据集中随机选取一个采样点，并重新确定该采样点所在的当前第一格网单元。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，在当前第一格网单元的点中，一个候选几何模型的一致集的点满足以下条件：当前第一格网单元的一个点的法向与该点在候选几何模型的投影点的法向的夹角小于一第四阈值，以及该点到候选几何模型的距离小于第五阈值。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三的(3)中，所述第一阈值为当前第一格网单元的点的数目的一半。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤三中，对最优模型的一致集进行共面分割，具体过程为：

(1)选择第二规则格网将最优模型的一致集划分为多个第二格网单元，以最优模型的一致集为第二当前数据集，

(2)选择第二当前数据集对应的其中一个不为空的第二格网单元进行领域搜索，

(3)当与该第二格网单元的相邻的一个第二格网单元不为空时，则再对相邻的第二格网单元进行领域搜索，当与该第二格网单元的相邻的一个第二格网为空时，则相邻的第二格网单元位于当前聚集区域的边界，

(4)重复(3)，直至确定出当前聚集区域的边界，则不属于当前聚集区域的点构成下一个第二当前数据集，

(5)重复(2)～(4)。

所述的基于局部采样的多几何特征点云数据的分割方法中，所述步骤二中，α个候选几何模型包括若干候选平面模型、若干候选圆柱面模型、若干候选球面模型。

所述的基于局部采样的多几何特征点云数据的分割方法中，当最优模型为平面模型，第二规则格网为二维正方形规则格网，当最优模型为圆柱面模型，则将该圆柱面模型沿其轴向展成平面，再选择第二规则格网进行划分，且第二规则格网为二维正方形规则格网，当最优模型为球面模型时，则第二规则格网为QTM格网。本发明的目标对象可以是建筑物或者工业设施。

本发明中将全部的点云数据的整体视作“全局”，则所述的“局部”就是相对于“全局”来说的。当使用第一规则格网将“全局”划分成r个第一格网单元，则“局部”可能包括q个第一格网单元，且q<r。这样，每一次分割就意味着在一个局部采样，并确定出该局部的几何模型(即几何特征)。

为了实施局部采样，利用第一规则格网对点云数据进行了空间划分，划分成多个第一格网单元。为将三维规则格网与后文中的共面分割所使用的第二规则格网区分开，也将三维规则格网称之为第一规则格网。三维规则格网的第一格网单元的间距可以根据经验设定；第二规则格网的第二格网单元的间距则一般为扫描间隔的2、3倍。

在构建模型的过程中，首先从第一当前数据集中随机选取一采样点(以下将参与模型构建的点称为采样点)，并由其空间位置确定当前第一格网单元，从而在当前第一格网单元内部继续采样，以确定模型参数。在上述过程中，当一个第一格网单元满足条件：当一个第一格网单元内的所有的点中曲率方差大于第二阈值的点所占的比重大于第三阈值，则重新随机选择一个采样点，以重新确定一个第一格网单元，该条件设置的目的在于，避免局部采样发生在相邻两个模型的突变处。选择曲率方差作为约束，是因为对于位于圆柱面模型或者球面模型内部的点，其曲率可以很大，但是曲率方差却应该接近于0，因此，上述第二阈值一般选择接近于O的数值，第三阈值一般选择为当前第一格网单元内的点的数目的一半。此外，当前第一格网单元的点的数目应该能够满足构建各种候选几何模型的需要。

以下将给出采样点的法向以及曲率方差的计算过程：

预算法向信息包含两个目的：(1)减少模型计算所需的必要采样(例如确定一空间平面至少需要三次采样，计算法向后，只需要一个有向点即可)；(2)作为确定模型内点的检核标准(候选内点法向与模型该处法向偏差小于规定阈值)，这一项检核可以避免相邻面片的错误分割。

对于法向计算，本发明采用主成分分析(PCA)，对于给定查询点p(即采样点)，通过局部搜索得到邻域点集P＝{p_l，p₂，p₃，......p_k)，因此可以得到关于查询点P的协方差矩阵C，其中，

$C=\frac{1}{k}\underset{i=0}{\overset{k-1}{\mathrm{\&Sigma;}}}(\mathrm{Pi}-\stackrel{\&OverBar;}{P})\&CenterDot;{(\mathrm{Pi}-\stackrel{\&OverBar;}{P})}^T,$

$C\&CenterDot;\stackrel{\&RightArrow;}{V_J}={\mathrm{\&lambda;}}_J\&CenterDot;\stackrel{\&RightArrow;}{V_J},$

并且J∈{0，1，2}，

特征值λ_J中最小特征值λ_i对应的特征向量即为待查询点的法向法向的调整可以采用现有技术中的方法，在此不再赘述。

曲率方差能有效识别表面突变边界和点云边缘区域，预算曲率方差主要是为了区分边缘点和内点，保证采样点位于模型的内部，以避免初始采样位于模型突变处。

在计算法向的基础上，采用下式计算近似曲率k：

$k\&ap;\frac{{\mathrm{\&lambda;}}_0}{{\mathrm{\&lambda;}}_0+{\mathrm{\&lambda;}}_1+{\mathrm{\&lambda;}}_2}$

因而，曲率方差可表达为：

$\mathrm{var}\left(k\right)\&ap;E\left(k^2\right)-E{\left(k\right)}^2=\frac{1}{k}{\mathrm{\&Sigma;}}_{i=1}^k{(k_i-\stackrel{\&OverBar;}{k})}^2,$

在当前第一格网单元内构建多种类别的模型，只要是可以参数化表达的模型，都可以在当前第一格网单元内构建出来，如平面模型、圆柱面模型、球面模型、圆锥面模型以及椭球面模型等等。由于现实世界中，平面模型、圆柱面模型和球面模型较为常见，本发明优选建立这三种模型。当然，也可以建立其他类别的模型。三种模型的计算方法如下(见图1)：

平面：只需要一个采样点及其法向即可确定一个平面。

对于球面和圆柱面模型，还需要对计算出的模型进行验证，符合条件的模型可以作为候选几何模型；不符合条件的模型则舍弃。

球面：以经过两个采样点p₁、p₂的空间直线间的最短线段的中点c作为球心，以d

为半径，确定一个球。

计算各采样点在该球投影处的法向偏差，以及两个采样点之间的球面距离，两个法向偏差和球面距离均小于各自的阈值时，则该模型可以作为候选球面模型。其中，一个采样点在该球投影点处的法向偏差为该采样点的法向与该采样点在模型上的投影点的法向之间的夹角。

圆柱面：以两个采样点p₁、p₂的两个法向的向量积作为圆柱的轴向a=n₁×n₂，将这两个采样点及其法向所确定的空间直线投影至a·x=0平面，以投影后的两条直线的交点作为圆柱轴向上一中心点o，以该中心点o到p₁、p₂在a·x=0平面上的投影点的两个距离的平均值为半径，确定一个圆柱。

当两个采样点的柱面距离，以及各采样点在模型上的投影点处的法向偏差均小于各自给定的阈值时，该模型可以作为候选圆柱面模型。

由于采样点是随机选取的，因此，经过上述过程，将在当前第一格网单元内构建若干候选平面模型、若干候选球面模型和若干候选圆柱面模型。

为了确定当前局部采样中的最优模型，需要对上述步骤计算得到的模型进行打分，也就是确定一定误差范围内的候选几何模型一致集的数目。误差的控制主要有两方面：(1)法向偏差(法向偏差也就是待确定点与该点在候选几何模型的投影点处的法向夹角)；(2)待确定点到候选几何模型的距离。当这两项指标满足一定的阈值要求，就可将其视为该候选几何模型的一致点，属于该候选几何模型的一致集。上述法向夹角(即第四阈值)可以根据实际情况设置，一般设置为90度；待确定点到候选几何模型的距离(即第五阈值)一般与扫描仪的精度有关，目前激光扫描仪的精度一般在1cm左右，因此，第五阈值可以设置为上述精度值的2或3倍。

本发明中打分可以分两级进行：局部打分和全局打分。

局部打分时，按照上述打分原则，在当前第一格网单元内确定各候选几何模型的一致集，如果一个候选几何模型的一致集的点的数目超过当前第一格网单元的内部点数目的一半，并且这个候选几何模型是唯一符合条件的一个，则将该候选几何模型作为最优模型。

在这种情况下，已经确定一个最优模型，则可以不进行全局打分。在全局范围内计算该最优模型的一致集，就可以确定该最优模型匹配了多大的局部范围。最优模型的一致集的计算过程，也主要从待确定点的法向夹角、待确定点到最优模型的距离两个方面确定，但在计算过程中，还需要满足用户所设置的最小点集的数目。此处，需要注意的是，待确定点应该来自于当前第一数据集，而不仅仅是来自于当前第一格网单元。将第一当前数据集中不属于该一致集的点就形成了下一个第一当前数据集，就实现了一个几何特征的提取，对下一个第一当前数据集再重复上述局部采样的过程。

然而，还有可能出现这种情况，在当前第一格网单元内，在a个候选几何模型中，有β个候选几何模型的一致集的点的数目超过了当前第一格网单元的内部点数目的一半，这些候选几何模型构成了一个候选几何模型集。出现这种情况的现实原因是，一定的误差范围内，圆柱面或球面的局部可能被认为是平面特征。因此，为了进一步确定上述若干候选几何模型的有效性，需要进一步进行验证。

理论上说，在上述β个候选几何模型中，只有那些在全局范围内获得最大一致集的模型才能作为最优模型，但是在海量点云数据中，即使对简单的平面特征进行打分，仍需要较大的时间开销。

本发明利用超几何分布方法，通过局部打分来推断全局打分，所得到的的推断打分是一个区间。首先利用在当前第一格网单元内的局部打分推断全局打分情况，如果得到的推断打分区间存在重叠情况，则在其邻域第一格网单元内进一步推断，直到获得最优推断打分区问。

点云P被第一规则格网划分为若干互不相交的第一格网单元S₁、S₂......S_r，其中，S₁为当前随机确定的第一格网单元，在该单元内针对某一候选几何模型山的打分为则ψ的全局打分σ_P(ψ)可以推断为：

$\widehat{\mathrm{\&sigma;}}\left(\mathrm{\&psi;}\right)=-1-f(-2-|P|,-2-|S_1|,-1-{\mathrm{\&sigma;}}_{S_1}\left(\mathrm{\&psi;}\right)),$

其中，

S1为当前格网单元的点的数目，P为第一当前数据集中点的数目，

为超几何分布的期望，

为超几何分布的标准差。

如果候选几何模型集中，存在不同的候选几何模型的全局打分区间重叠，则在格网S₁的邻域第一格网单元中重新计算

${\widehat{\mathrm{\&sigma;}}}_P\left(\mathrm{\&psi;}\right)=-1-f(-2-|P|,-2-\underset{i}{\mathrm{\&Sigma;}}|S_i|,-1-\underset{i}{\mathrm{\&Sigma;}}{\mathrm{\&sigma;}}_{S_i}\left(\mathrm{\&psi;}\right)),$

直到候选几何模型集中所有的候选几何模型的全局打分区间不再有重叠。此时，就以全局打分最高的一个候选几何模型作为最优模型。这样就不再需要逐个计算候选几何模型集中各候选几何模型在全局的一致集，减小了时间开销。

经过局部打分或者全局打分后，确定出最优模型。在现实情况中，由于存在遮挡隔离、特征重复出现等情况，会出现同一最优模型的一致集属于多个对象或者是多个聚集区域的情况，图2中，计算出的平面模型的一致集应该分别属于位于两个聚集区域，这两个聚集区域被中间的圆柱所遮挡。因此，在实际应用中需要将它们分离开，也就是共面分割。

根据最优模型的类型，选择第二规则格网将其一致集划分为多个第二格网单元。如图2所示，以平面模型为例，首先将最优模型的一致集投影，并以二维正方形规则格网对一致集进行划分，选择其中一个不为空的第二格网单元开始，进行领域搜索，图2中左侧中心位置的一个第二格网单元的领域中，有8个第二格网单元均不为空，则再以这8个第二格网单元中任一个向外进行邻域搜索，当搜索到为空的第二格网单元，则以该第二格网单元位于边界，最终得到左侧聚集区域的边界。左侧聚集区域和右侧聚集区域之间可能被其他模型所遮挡。针对不同的模型，选择合适的第二规则格网。对于平面模型，使用二维正方形规则格网进行二维划分，如图2所示；对于圆柱面模型，则将其按轴向展成平面后，再使用正方形规则格网进行二维划分；对于球面模型，则使用QTM格网进行空间划分。

图3、图4和图5分别给出了两个建筑物以及一个工业设施的点云数据的分割结果。上述三个实施例的时间开销见表1。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (9)

1.一种基于局部采样的多几何特征点云数据的分割方法，其特征在于，包括以下步骤：

步骤一、利用激光扫描仪对目标对象进行扫描取点，以获取目标对象的点云数据；

步骤二、利用三维规则格网将对所获取的全部的点云数据划分为多个第一格网单元；

步骤三、从全部的点云数据中提取多个几何特征，多个几何特征的提取过程包括：(1)以全部的点云数据为第一当前数据集，(2)在第一当前数据集中随机选取一个采样点，确定该采样点所在的当前第一格网单元，利用该采样点以及当前第一格网单元内的其他点构建出α个候选几何模型，(3)从α个候选几何模型中确定一最优模型，(4)在第一当前数据集中，计算步骤(3)得到的最优模型的一致集，该一致集为一个子集，则第一当前数据集中不属于该一致集的点形成下一个第一当前数据集，重复(2)～(4)，根据多个几何特征将全部的点云数据的分割成多个子集。

2.如权利要求1所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，当α个候选几何模型中只有一个候选几何模型满足以下条件：在当前第一格网单元的点中，当一个候选几何模型的一致集的点的数目到达第一阈值时，则将该候选几何模型作为最优模型。

3.如权利要求2所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，当α个候选几何模型中有β个候选几何模型满足以下条件：在当前第一格网单元的点中，一个候选几何模型的一致集的点的数目到达第一阈值，其中，β≤α，则利用超几何分布方法对β个候选几何模型进行验证，从β个候选几何模型确定最优模型，具体过程为：

(1)对于β个候选几何模型中的任一个候选几何模型ψ，以其在当前格网单元S₁的一致集的点的数目作为其在当前格网单元Sl的局部打分

则一个候选几何模型山在多个格网单元的全局打分

推断为：

$\widehat{\mathrm{\&sigma;}}\left(\mathrm{\&psi;}\right)=-1-f(-2-|P|,-2-|S_1|,-1-{\mathrm{\&sigma;}}_{S_1}\left(\mathrm{\&psi;}\right)),$

其中， $f(N,x,n)=\frac{\mathrm{xn}\&PlusMinus;\sqrt{\frac{\mathrm{xn}(N-x)(N-n)}{N-1}}}{N},$ S1为当前格网单元的点的数目，P为第一当前数据集中点的数目，

为超几何分布的期望，

为超几何分布的标准差，

(2)如β个候选几何模型中存在不同的候选几何模型的全局打分区问重叠，则当前格网单元的相邻格网单元Si中重新计算β个候选几何模型的全局打分

对于β个候选几何模型中的任一个候选几何模型ψ，

${\widehat{\mathrm{\&sigma;}}}_P\left(\mathrm{\&psi;}\right)=-1-f(-2-|P|,-2-\underset{i}{\mathrm{\&Sigma;}}|S_i|,-1-\underset{i}{\mathrm{\&Sigma;}}{\mathrm{\&sigma;}}_{S_i}\left(\mathrm{\&psi;}\right)),$

(3)重复步骤(2)，直至若干候选几何模型的全局打分区间都不重叠，则以β个候选几何模型中全局打分最高的一个候选几何模型作为最优模型。

4.如权利要求l所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(2)中，当当前第一格网单元满足条件：当一个第一格网单元内的所有的点中曲率方差大于第二阈值的点所占的比重大于第三阈值，则重新在第一当前数据集中随机选取一个采样点，并重新确定该采样点所在的当前第一格网单元。

5.如权利要求3所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，在当前第一格网单元的点中，一个候选几何模型的一致集的点满足以下条件：当前第一格网单元的一个点的法向与该点在候选几何模型的投影点的法向的夹角小于一第四阈值，以及该点到候选几何模型的距离小于第五阈值。

6.如权利要求3所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三的(3)中，所述第一阈值为当前第一格网单元的点的数目的一半。

7.如权利要求3所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤三中，对最优模型的一致集进行共面分割，具体过程为：

(1)选择第二规则格网将最优模型的一致集划分为多个第二格网单元，以最优模型的一致集为第二当前数据集，

(2)选择第二当前数据集对应的其中一个不为空的第二格网单元进行领域搜索，

(3)当与该第二格网单元的相邻的一个第二格网单元不为空时，则再对相邻的第二格网单元进行领域搜索，当与该第二格网单元的相邻的一个第二格网为空时，则相邻的第二格网单元位于当前聚集区域的边界，

(4)重复(3)，直至确定出当前聚集区域的边界，则不属于当前聚集区域的点构成下一个第二当前数据集，

(5)重复(2)～(4)。

8.如权利要求7所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，所述步骤二中，a个候选几何模型包括若干候选平面模型、若干候选圆柱面模型、若干候选球面模型。

9.如权利要求8所述的基于局部采样的多几何特征点云数据的分割方法，其特征在于，当最优模型为平面模型，第二规则格网为二维正方形规则格网，当最优模型为圆柱面模型，则将该圆柱面模型沿其轴向展成平面，再选择第二规则格网进行划分，且第二规则格网为二维正方形规则格网，当最优模型为球面模型时，则第二规则格网为QTM格网。

Images