CN103514598A - 一种建筑sfm点云的自动分割方法 - Google Patents
一种建筑sfm点云的自动分割方法 Download PDFInfo
- Publication number
- CN103514598A CN103514598A CN201310312532.4A CN201310312532A CN103514598A CN 103514598 A CN103514598 A CN 103514598A CN 201310312532 A CN201310312532 A CN 201310312532A CN 103514598 A CN103514598 A CN 103514598A
- Authority
- CN
- China
- Prior art keywords
- building
- plane
- point
- sfm
- point cloud
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
一种建筑SFM点云的自动分割方法,使用从运动恢复结构(SFM)算法得到的三维点云,用j-Linkage算法预聚类点云,计算法向,自动提取地平面方向和建筑立面方向,然后将点云沿着地平面方向自上而下分割,再沿着建筑立面方向分割,得到建筑的多层次结构。本发明充分利用建筑物和SFM点云的特点,给出一种鲁棒的、可用于稀疏建筑SFM点云的自动分割算法。
Description
技术领域
本发明涉及一种建筑SFM点云的自动分割的方法,为基于图像建筑建模的一部分,属于计算机虚拟现实技术领域。
背景技术
基于图像的建筑建模是计算机图形学与计算机视觉相结合的产物,通过采集建筑图像数据,恢复三维建筑模型。从运动恢复结构(Structure From Motion,SFM)的方法,先提取图像的特征点并匹配不同图像之间的对应点,然后根据这些对应点恢复相机的内外参数进行优化,最后生成的三维点云。但由图像生成的三维点云一般稀疏,并且没有结构信息,需要进一步分割才能得到可用的三维模型。
点云分割是指将三维空间中的点划分成更小的、连贯和连接的子集的过程。经过分割后,具有相似属性的点归为一类。这些点的子集应该是“有意义的”,分割后应该得到一系列我们感兴趣的对象,如屋顶、树木、街道等。
现有点云分割方法主要分为基于边界的分割方法和基于区域的分割方法。基于边界的分割方法主要是根据曲面片间的相交,过渡等不连续性来识别各曲面片之间的边界点。基于区域的分割方法是先从点云数据中选取种子点,并且预先假定该种子点及其邻域点属于可用数学表达的某一特定类型的曲面,然后从该种子点开始向其周围进行扩张搜索,基于曲面微分几何参数的性质等逐渐将属于该曲面类型的邻接点包含进来,直到所有满足条件的邻接点都被包含进来。但现有方法一般用于三维扫描仪得到的点云数据,不适用于SFM算法生成的稀疏点云。
发明内容
本发明解决的技术问题:克服现有技术的不足,提供一种建筑SFM点云的自动分割方法。该方法结合建筑知识,可鲁棒地确定建筑坐标轴,分割出多层建筑的前后层组件,供建筑建模使用。
本发明的技术解决方案:一种建筑SFM点云的自动分割方法,实现步骤如下:
(1)预处理点云数据,去掉离群点,粗略聚类点云,生成平面片,计算每类平面片的法向;
(2)对平面片的法向进行kmeans聚类,求每类与SFM坐标系(即某相机坐标系)竖直轴的夹角,由此提取地平面和建筑正面的方向,确定地平面方向,得到建筑坐标轴;旋转坐标轴,使X轴为建筑侧面方向,使Y轴为地平面方向,Z轴为建筑正面方向;
(3)沿地平面方向,竖直分割建筑点云,得到为水平区域,Q1…Qm。
(4)对每个水平区域Qi,判断该区域法向是否与建筑正面方向接近;若是,则沿着建筑正面方向,分割出该区域前后层Ci1…Cin;
(5)计算每个区域的Y值范围,合并重叠平面区域。
所述的步骤(1)中法向确定方法:去掉离群点后,使用j-Linkage算法拟合平面,每一类点用最小二乘拟合平面,计算出平面法向。
所述步骤(2)中的确定建筑坐标轴方法:先对平面片的法向进行kmeans聚类,聚类参数K的选取由类簇的平均质心距离的加权平均值确定;然后求类簇中心与原Y轴的夹角,最接近90度的两类,分别为立面法向方向和立面方向,其中类镞内点数量相对较多的,为立面法向,数量相对较少的为立面方向;地平面方向由这两个方向确定。
所述步骤(3)中的沿地平面方向竖直分割建筑点云方法:定义P为点云点集,ymin为点云中点坐标y分量的极小值;用平行于地面的平面以dthick为间隔均匀分割点云,得到至上而下n组点集S1,...,Sn,使得Sk={p∈P|yk<py<yk+1},其中,yk=ymin+dthick*k,dthick为相邻分 割平面的距离;计算点集Sk的y分量方差Vk,构成序列V1…Vn;寻找序列中的局部极大值,作分割平面,形成m个水平区域,Q1…Qm。
所述步骤(4)中的水平区域前后层分割方法:对于Qi,类似(3)地,用平行于建筑正面的平面均匀分割点云,得到每个区域内点集Tk,即Tk={p∈P|zk<pz<zk+1},其中,zk=zmin+dthick*k;构造序列{|Tk|},其中|Tk|表示Tk中的点数;求{|Tk|}序列的局部极大极小值,做分割平面,形成前后层Ci1…Cin。
所述步骤(5)中的相邻的平面区域合并方法:对任意前后层点集Cij,i=1...m,j=1...n,求其轴对齐包围盒;每个点集初始化为一类,记为Rk,k=1,2,…,m*n;对任意一对点集Rp,Rq(1≤p,q≤m*n),满足:1)Rp,Rq在包围盒的Z方向范围小于ε,可被判断为平面;2)Rp,Rq包围盒中心的Z分量接近;3)Rp,Rq包围盒在Y方向有交叉;则Rp可与Rq合并;最后生成分割结果。
附图说明
图1为本发明的实现流程图(①为点云预处理和主方向恢复;②为沿地平面方向,竖直分割建筑点云;③为沿建筑正面方向,分割前后层并合并重叠平面区域,图1(a)为SFM输入点云。图1(b),(c),(d)为不同步骤的聚类结果,相同颜色的点属于同一的类别。图1(d)为最终分割的正面和侧面视图);
图2为沿地平面方向,竖直分割建筑点云,得到为水平区域,Q1…Qm,(a)为分割结果,(b)为点集方差序列{Vk};
图3最终聚类结果。
具体实施方式
如图1所示,本发明的具体步骤如下:
1.点云数据预处理
首先去掉离群点。对每一个三维点p,用kdtree查找其领域r内的点。若数量小于k,则p为一离群点。然后使用j-Linkage算法拟合平面,对点云分 类,每一类点用最小二乘拟合平面,计算出平面法向。
2.恢复建筑主方向
先对平面片的法向进行kmeans聚类,聚类参数K的选取由类簇的平均质心距离的加权平均值σ确定。一般初始取K=3,然后增加K,直到σ小于一给定参数ε。
然后求类簇中心与原Y轴的夹角。最接近90度的两类,为建筑正面法向方向和建筑侧面的方向。其中类镞内点较多的,为建筑正面法向方向,较少的为建筑侧面的方向。地平面方向由这两个方向确定。
3.沿地平面方向,竖直分割建筑点云
旋转坐标轴,使X轴为建筑侧面方向,使Y轴为地平面方向,Z轴为建筑正面方向;
定义P为点云点集,ymin为点云中点坐标y分量的极小值;用平行于地面的平面以dthick为间隔均匀分割点云,得到至上而下n组点集S1,...,Sn,使得Sk={p∈P|yk<py<yk+1},其中,yk=ymin+dthick*k,dthick为相邻分割平面的距离;计算点集Sk的y分量方差Vk,构成序列V1…Vn;寻找序列中的局部极大值,作分割平面,形成m个水平区域,Q1…Qm,如图3(b)。
4.沿着建筑正面方向,分割水平区域前后层
用平行于建筑正面的平面均匀分割点云,得到每个区域内点集Tk,即Tk={p∈P|zk<pz<zk+1},其中,zk=zmin+dthick*k。构造序列{|Tk|},其中|Tk|表示Tk中的点数;求{|Tk|}序列的局部极大极小值,做分割平面,形成前后层Ci1…Cin。
5.合并重叠平面区域
对任意前后层点集Cij,i=1...m,j=1...n,求其轴对齐包围盒;每个点集初始化为一类,记为Rk,k=1,2,…,m*n;对任意一对点集Rp,Rq(1≤p,q≤m*n),,满足:1)Rp,Rq在包围盒的Z方向范围小于ε,可被判断为平面;2)Rp,Rq包围盒中心的Z分量接近;3)Rp,Rq包围盒在Y 方向有交叉;则Rp可与Rq合并;最后生成分割结果。
Claims (6)
1.一种建筑SFM点云的自动分割方法,其特征在于如下步骤:
(1)预处理点云数据,去掉离群点,粗略聚类点云,生成平面片,计算每类平面片的法向;
(2)对平面片的法向进行kmeans聚类,求每类与SFM坐标系(即某相机坐标系)竖直轴的夹角,由此提取地平面和建筑正面的方向,确定地平面方向,得到建筑坐标轴;旋转坐标轴,使X轴为建筑侧面方向,使Y轴为地平面方向,Z轴为建筑正面方向;
(3)沿地平面方向,竖直分割建筑点云,得到为水平区域,Q1…Qm;
(4)对每个水平区域Qi,判断该区域法向是否与建筑正面方向接近;若是,则沿着建筑正面方向,分割出该区域前后层Ci1…Cin;
(5)计算每个区域的Y值范围,合并重叠平面区域。
2.根据权利要求1所述的建筑SFM点云的自动分割方法,其特征在于:所述步骤(1)中的法向确定方法:去掉离群点后,使用j-Linkage算法拟合平面,每一类点用最小二乘拟合平面,计算出平面法向。
3.根据权利要求1所述的建筑SFM点云的自动分割方法,其特征在于:所述步骤(2)中的确定建筑坐标轴方法:先对平面片的法向进行kmeans聚类,聚类参数K的选取由类簇的平均质心距离的加权平均值确定;然后求类簇中心与原Y轴的夹角,最接近90度的两类,分别为立面法方向和立面方向,其中类镞内点数量相对较多的,为立面法向,数量相对较少的为立面方向;地平面方向由这两个方向确定。
4.根据权利要求1所述的建筑SFM点云的自动分割方法,其特征在于:所述步骤(3)中的沿地平面方向竖直分割建筑点云方法:定义P为点云点集,ymin为点云中点坐标y分量的极小值;用平行于地面的平面以dthick为间隔均匀分割点云,得到至上而下n组点集S1,…,Sn,使得Sk={p∈P|yk<py<yk+1},其中,yk=ymin+dthick*k,dthick为相邻分割平面的距离;计算点集Sk的y分量方差Vk,构成序列V1…Vn;寻找序列中的局部极大值,作分割平面,形成m个水平区域,Q1…Qm。
5.根据权利要求1所述的建筑SFM点云的自动分割方法,其特征在于:所述步骤(4)中的水平区域前后层分割方法:对于Qi,类似(3)地,用平行于建筑正面的平面均匀分割点云,得到每个区域内点集Tk,即Tk={p∈P|zk<pz<zk+1},其中,zk=zmin+dthick*k;构造序列{|Tk|},其中|Tk|表示Tk中的点数;求{|Tk|}序列的局部极大极小值,做分割平面,形成前后层Ci1…Cin。
6.根据权利要求1所述的建筑SFM点云的自动分割方法,其特征在于:所述步骤(5)中的合并重叠平面区域方法:对任意前后层点集Cij,i=1…m,j=1...n,求其轴对齐包围盒;每个点集初始化为一类,记为Rk,k=1,2,…,m*n;对任意一对,点集Rp,Rq(1≤p,q≤m*n),满足:1)Rp,Rq在包围盒的Z方向范围小于ε,可被判断为平面;2)Rp,Rq包围盒中心的Z分量接近;3)Rp,Rq包围盒在Y方向有交叉;则Rp可与Rq合并;最后生成分割结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310312532.4A CN103514598B (zh) | 2013-07-20 | 2013-07-20 | 一种建筑sfm点云的自动分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310312532.4A CN103514598B (zh) | 2013-07-20 | 2013-07-20 | 一种建筑sfm点云的自动分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103514598A true CN103514598A (zh) | 2014-01-15 |
CN103514598B CN103514598B (zh) | 2016-08-10 |
Family
ID=49897275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310312532.4A Expired - Fee Related CN103514598B (zh) | 2013-07-20 | 2013-07-20 | 一种建筑sfm点云的自动分割方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103514598B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143194A (zh) * | 2014-08-20 | 2014-11-12 | 清华大学 | 一种点云分割方法及装置 |
CN108205820A (zh) * | 2018-02-02 | 2018-06-26 | 浙江商汤科技开发有限公司 | 平面的重建方法、融合方法、装置、设备及存储介质 |
CN109241978A (zh) * | 2018-08-23 | 2019-01-18 | 中科光绘(上海)科技有限公司 | 地基三维激光点云中平面片的快速提取方法 |
CN110058211A (zh) * | 2019-03-21 | 2019-07-26 | 北京申信达成科技有限公司 | 一种车载LiDAR测量系统检校初值的获取方法及装置 |
CN110377776A (zh) * | 2018-07-23 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 生成点云数据的方法和装置 |
CN110838122A (zh) * | 2018-08-16 | 2020-02-25 | 北京大学 | 点云的分割方法、装置及计算机存储介质 |
CN111950589A (zh) * | 2020-07-02 | 2020-11-17 | 东华理工大学 | 结合K-means聚类的点云区域生长优化分割方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN102682477A (zh) * | 2012-05-16 | 2012-09-19 | 南京邮电大学 | 一种基于结构先验的规则场景三维信息提取方法 |
CN103020637A (zh) * | 2012-11-22 | 2013-04-03 | 北京航空航天大学 | 一种基于K-plane算法的建筑物顶面点云数据分割方法 |
-
2013
- 2013-07-20 CN CN201310312532.4A patent/CN103514598B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101488226A (zh) * | 2008-01-16 | 2009-07-22 | 中国科学院自动化研究所 | 基于单次三维激光扫描的树木测量和重建方法 |
CN102682477A (zh) * | 2012-05-16 | 2012-09-19 | 南京邮电大学 | 一种基于结构先验的规则场景三维信息提取方法 |
CN103020637A (zh) * | 2012-11-22 | 2013-04-03 | 北京航空航天大学 | 一种基于K-plane算法的建筑物顶面点云数据分割方法 |
Non-Patent Citations (2)
Title |
---|
P. DORNINGER, C. NOTHEGGER: "3D segmentation of unstructured point clouds for building modelling", 《INTERNATIONAL ARCHIVES OF PHOTOGRAMMETRY, REMOTE SENSING AND SPATIAL INFORMATION SCIENCES》 * |
王琨,郑南宁: "基于SFM算法的三维人脸模型重建", 《计算机学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143194A (zh) * | 2014-08-20 | 2014-11-12 | 清华大学 | 一种点云分割方法及装置 |
CN108205820A (zh) * | 2018-02-02 | 2018-06-26 | 浙江商汤科技开发有限公司 | 平面的重建方法、融合方法、装置、设备及存储介质 |
CN108205820B (zh) * | 2018-02-02 | 2022-04-01 | 浙江商汤科技开发有限公司 | 平面的重建方法、融合方法、装置、设备及存储介质 |
CN110377776A (zh) * | 2018-07-23 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 生成点云数据的方法和装置 |
CN110838122A (zh) * | 2018-08-16 | 2020-02-25 | 北京大学 | 点云的分割方法、装置及计算机存储介质 |
CN110838122B (zh) * | 2018-08-16 | 2022-06-14 | 北京大学 | 点云的分割方法、装置及计算机存储介质 |
CN109241978A (zh) * | 2018-08-23 | 2019-01-18 | 中科光绘(上海)科技有限公司 | 地基三维激光点云中平面片的快速提取方法 |
CN109241978B (zh) * | 2018-08-23 | 2021-09-07 | 中科光绘(上海)科技有限公司 | 地基三维激光点云中平面片的快速提取方法 |
CN110058211A (zh) * | 2019-03-21 | 2019-07-26 | 北京申信达成科技有限公司 | 一种车载LiDAR测量系统检校初值的获取方法及装置 |
CN110058211B (zh) * | 2019-03-21 | 2021-10-26 | 北京申信达成科技有限公司 | 一种车载LiDAR测量系统检校初值的获取方法及装置 |
CN111950589A (zh) * | 2020-07-02 | 2020-11-17 | 东华理工大学 | 结合K-means聚类的点云区域生长优化分割方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103514598B (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103514598B (zh) | 一种建筑sfm点云的自动分割方法 | |
US20220028163A1 (en) | Computer Vision Systems and Methods for Detecting and Modeling Features of Structures in Images | |
CN107292276B (zh) | 一种车载点云聚类方法及系统 | |
Bauchet et al. | Kinetic shape reconstruction | |
US10430659B2 (en) | Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device | |
CN111737392B (zh) | 合并楼块数据的方法、装置、设备及存储介质 | |
CN105957076B (zh) | 一种基于聚类的点云分割方法及系统 | |
Lin et al. | Semantic decomposition and reconstruction of residential scenes from LiDAR data | |
CN106570468B (zh) | 一种重建LiDAR原始点云建筑物轮廓线的方法 | |
CN112070769B (zh) | 一种基于dbscan的分层点云分割方法 | |
Malihi et al. | 3D building reconstruction using dense photogrammetric point cloud | |
US20120166160A1 (en) | Block model constructing method for complex geological structures | |
CN105354883A (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
CN104463871A (zh) | 基于车载LiDAR点云数据的街景面片提取及优化方法 | |
CN102521884A (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
CN109493344A (zh) | 一种大规模城市三维场景的语义分割方法 | |
CN103324916A (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN104268941A (zh) | 仿真三维地图的热区形成方法及装置 | |
Kada et al. | Feature-driven 3D building modeling using planar halfspaces | |
Chen et al. | 3D model-based terrestrial laser scanning (TLS) observation network planning for large-scale building facades | |
Adreani et al. | A photorealistic 3D city modeling framework for smart city digital twin | |
Sun et al. | Automated segmentation of LiDAR point clouds for building rooftop extraction | |
Zhu et al. | Variational building modeling from urban MVS meshes | |
CN105354591A (zh) | 基于高阶类别相关先验知识的三维室外场景语义分割系统 | |
CN116071530B (zh) | 一种基于机载激光点云的建筑物屋顶体素化分割方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160810 Termination date: 20190720 |
|
CF01 | Termination of patent right due to non-payment of annual fee |