CN103514598A - 一种建筑sfm点云的自动分割方法 - Google Patents

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

一种建筑SFM点云的自动分割方法

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…Q_m。 

（4）对每个水平区域Q_i，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C_i1…C_in； 

（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，y_min为点云中点坐标y分量的极小值；用平行于地面的平面以d_thick为间隔均匀分割点云，得到至上而下n组点集S₁，...，S_n,使得S_k＝{p∈P|y_k＜p_y＜y_k+1}，其中，y_k＝y_min+d_thick*k，d_thick为相邻分 割平面的距离；计算点集S_k的y分量方差V_k，构成序列V₁…V_n；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…Q_m。 

所述步骤（4）中的水平区域前后层分割方法：对于Q_i，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T_k，即T_k={p∈P|z_k＜p_z＜z_k+1}，其中，z_k=z_min+d_thick*k；构造序列{|T_k|}，其中|T_k|表示T_k中的点数；求{|T_k|}序列的局部极大极小值，做分割平面，形成前后层C_i1…C_in。 

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C_ij，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R_k，k＝1，2，…，m*n；对任意一对点集R_p，R_q(1≤p，q≤m*n)，满足：1)R_p,R_q在包围盒的Z方向范围小于ε，可被判断为平面；2）R_p,R_q包围盒中心的Z分量接近；3)R_p,R_q包围盒在Y方向有交叉；则R_p可与R_q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…Q_m，(a)为分割结果，(b)为点集方差序列{V_k}; 

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，y_min为点云中点坐标y分量的极小值；用平行于地面的平面以d_thick为间隔均匀分割点云，得到至上而下n组点集S₁，...，S_n,使得S_k＝{p∈P|y_k＜p_y＜y_k+1}，其中，y_k＝y_min+d_thick*k，d_thick为相邻分割平面的距离；计算点集S_k的y分量方差V_k，构成序列V₁…V_n；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…Q_m,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T_k，即T_k＝{p∈P|z_k＜p_z＜z_k+1}，其中，z_k＝z_min+d_thick*k。构造序列{|T_k|}，其中|T_k|表示T_k中的点数;求{|T_k|}序列的局部极大极小值，做分割平面，形成前后层C_i1…C_in。 

5．合并重叠平面区域 

对任意前后层点集C_ij，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R_k，k＝1，2，…，m*n;对任意一对点集R_p，R_q(1≤p，q≤m*n)，，满足:1)R_p，R_q在包围盒的Z方向范围小于ε，可被判断为平面；2）R_p,R_q包围盒中心的Z分量接近；3)R_p,R_q包围盒在Y 方向有交叉；则R_p可与R_q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…Q_m；

（4）对每个水平区域Q_i，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C_i1…C_in；

（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，y_min为点云中点坐标y分量的极小值；用平行于地面的平面以d_thick为间隔均匀分割点云，得到至上而下n组点集S₁，…，S_n，使得S_k＝{p∈P|y_k＜p_y＜y_k+1}，其中，y_k＝y_min+d_thick*k，d_thick为相邻分割平面的距离;计算点集S_k的y分量方差V_k，构成序列V₁…V_n；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…Q_m。

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Q_i，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T_k，即T_k＝{p∈P|z_k＜p_z＜z_k+1}，其中，z_k＝z_min+d_thick*k；构造序列{|T_k|}，其中|T_k|表示T_k中的点数；求{|T_k|}序列的局部极大极小值，做分割平面，形成前后层C_i1…C_in。

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C_ij，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R_k，k＝1，2，…，m*n；对任意一对，点集R_p，R_q(1≤p，q≤m*n)，满足：1)R_p,R_q在包围盒的Z方向范围小于ε，可被判断为平面；2）R_p,R_q包围盒中心的Z分量接近；3)R_p,R_q包围盒在Y方向有交叉；则R_p可与R_q合并；最后生成分割结果。

Images