CN104657968A - 车载三维激光点云立面分类及轮廓线提取自动化方法 - Google Patents
车载三维激光点云立面分类及轮廓线提取自动化方法 Download PDFInfo
- Publication number
- CN104657968A CN104657968A CN201310595873.7A CN201310595873A CN104657968A CN 104657968 A CN104657968 A CN 104657968A CN 201310595873 A CN201310595873 A CN 201310595873A CN 104657968 A CN104657968 A CN 104657968A
- Authority
- CN
- China
- Prior art keywords
- facade
- dimensional laser
- cloud
- point cloud
- point
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明涉及一种车载三维激光点云立面分类及轮廓线提取自动化方法,处理步骤为:(1)获取三维激光扫描仪在每个扫描圈对应的位置和姿态;(2)根据扫描仪位置、角分辨率计算相邻点理论垂直情况下的位置关系;(3)对立面点进行聚类分析,得到建筑物立面对象列表;(4)对每个立面对象进行分析,进行筛选,排除不是建筑物立面的对象;(5)对每个立面对象的点云,按外包盒的底面长度方向进行排序,构造平面投影线对象;(6)对平面投影线进行筛选;(7)对平面投影线进行简化,得到最终投影线。本发明技术可以快速提取立面点云及立面轮廓线,处理过程完全自动化,无需人工干预,大大降低街景数据生产中的面片采集工作量,节省生产成本。
Description
技术领域
本发明涉及一种车载三维激光点云立面分类及轮廓线提取自动化方法,属于三维激光移动测量技术领域。
背景技术
目前三维激光和街景影像、室内影像得到快速普及与应用,涉及应用包括互联网/移动互联网实景地图、数字城管、智慧城市、地理国情普查和传统DLG(数字线划图)数据采集等。
在Google街景影像上,鼠标放到建筑物立面上,具有探面效果,鼠标点击立面可以实现快速跳转定位浏览,对用户浏览街景体验极大提升。实现该技术,是因为背后有基于三维激光点云提取的立面面片做支持。我们将这种技术称为:建筑物立面探面技术。在行业应用领域的街景浏览,同样可以使用该技术提升用户浏览体验。
但是目前在国内,还没有将建筑物立面探面技术大面积推广到互联网街景,其中最重要原因是还没用一种很好的方法快速提取建筑物立面。另外在传统DLG(数字线划图)数据采集也需要提取建筑物立面点云及其轮廓线,提升基于三维激光点云数字化测图效率。因此,如果能够基于三维点云自动提取建筑物立面,将对三维激光点云推广应用产生极大作用。
发明内容
本发明的目的在于提供一种车载三维激光点云立面分类及轮廓线提取自动化方法,以实现车载三维激光点云自动化提取建筑物立面点云及其轮廓线,提取的轮廓线可作为街景面片数据源,也可以作为DLG数据采集数据源。
一种车载三维激光点云立面分类及轮廓线提取自动化方法,其中,车载三维激光测量系统包括惯性导航IMU、GPS、三维激光扫描仪、全景相机、车轮编码器,采集数据包括POS轨迹线、三维激光点云、全景影像及其位置姿态;在车辆行驶采集数据过程中,三维激光扫描仪用于获取点云数据,GPS与惯性导航IMU构成的POS系统用于获取位置姿态信息、全景相机用于采集全景影像,扫描仪和全景相机相对于POS系统的位置和姿态是出厂时检校好的固定参数。
本发明所采用的技术处理方法按数据源情况分两种,一种是包含相应POS轨迹数据的车载三维激光规则点云,点云具有行列信息,另一种是没有相应POS轨迹数据的三维激光点云,点云也没有行列信息。行列信息是指,每个扫描圈作为列序号,每个扫描圈内的点按行排序,每个点包含列序号和行序号。POS轨迹数据包含POS在运动过程中按照一定时间间隔采集的位置、姿态、时间、加速度等信息,点云每个扫描圈包含时间信息。
其中,包含POS轨迹数据的处理步骤为:
(1)根据扫描圈时间,三维激光扫描仪相对于POS的位置和姿态,以及POS轨迹数据,获取三维激光扫描仪在每个扫描圈对应的位置和姿态;
(2)根据扫描仪位置、角分辨率计算相邻点理论垂直情况下的位置关系,用理论垂直情况和实际情况下进行对比分析,如果小于设定容差,则认为是立面点;
(3)按照一定容差,对立面点进行聚类分析,分析出每个建筑物对象的立面点云,得到建筑物立面对象列表,每个立面对象包含外包盒范围、点数、立面点集合等信息;
(4)对每个立面对象进行长、宽、高、水平投影面积、立面投影面积等信息进行分析,并按照一定容差进行筛选,排除不是建筑物立面的对象;
(5)对每个立面对象的点云,按外包盒的底面长度方向进行排序,构造平面投影线对象,并依次加入立面点(X,Y,MinX),其中X,Y是点云平面坐标,MinX是外包盒最小Z;
(6)对平面投影线进行筛选,长度小于指定容差进行排除;
(7)对平面投影线,按指定容差进行简化,得到最终投影线。获取简化投影线后,依次再添加顶边节点,Z值取外包盒最大Z。
针对无POS轨迹数据的处理步骤为:
(1)将点云数据建立空间索引,按平面网格进行划分,进行分块存储;
(2)读取遍历所有块,建立三维kdtree索引;
(3)遍历块内部所有点,根据kdtree索引,查找当前点附近若干个点,使用附近查找的若干点进行平面拟合,计算平面法向量,如果平面法向量与水平面夹角小于一定角度,则认为是立面点;
(4)按照一定容差,对立面点进行聚类分析,分析出每个建筑物对象的立面点云,得到建筑物立面对象列表,每个立面对象包含外包盒范围、点数、立面点集合等信息;
(5)对每个立面对象进行长、宽、高、水平投影面积、立面投影面积等信息进行分析,并按照一定容差进行筛选,排除不是建筑物立面的对象;
(6)对每个立面对象的点云,按外包盒的底面长度方向进行排序,构造平面投影线对象,并依次加入立面点(X,Y,MinX),其中X,Y是点云平面坐标,MinX是外包盒最小Z;
(7)对平面投影线进行筛选,长度小于指定容差进行排除;
(8)对平面投影线,按指定容差进行简化,得到最终投影线。获取简化投影线后,依次再添加顶边节点,Z值取外包盒最大Z。
该发明的有益效果在于:使用本发明技术,具有如下优势:(1)无论是无序离散的车载点云,还是按扫描圈存储的包含POS轨迹数据的有序点云,都可以提取立面点云及立面轮廓线;(2)在有POS轨迹数据情况下,可以快速提取立面点云及立面轮廓线。采用CPU i3四核4GB内存的机器,每处理2千万点云耗时20秒;(3)相关提取配置参数,可以根据不同的车载三维激光点云进行配置,可适应所有车载三维激光点云处理;(4)处理过程完全自动化,无需人工干预,大大降低街景数据生产中的面片采集工作量,节省生产成本;(5)提取遗漏率非常低,大约遗漏率在5%以内。
附图说明
图1是本发明实施例中立面提取流程图。
图2是本发明实施例1中立面提取效果图。
图3是本发明实施例2中立面提取效果图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便更好的理解本发明。
图1为本发明实施例中立面提取流程图。图2为本发明实施例1中立面提取效果图。图3是本发明实施例2中立面提取效果图。
实施例1:
包含POS轨迹数据的实施,涉及到两个输入数据源,分别是POS轨迹、点云数据。
I其中,POS轨迹为车辆行驶过程中,每个扫描圈扫描时刻的时间、位置和姿态,内容包括:年、月、日、时、分、秒、毫秒、经度、纬度、高斯投影坐标XYZ。
点云数据为按扫描顺序以圈存储,文件头包含数据基本信息和圈索引数据。所采用的方法步骤如下:
(1)遍历点云所有圈,获取当期圈的POS坐标P0(Xp0、Yp0、Zp0)。遍历当前圈内所有点,计算当期点P(Xp、Yp、Zp)到P0的距离D。根据距离D和角分辨率θ,计算球面理论距离Ds。获取当期点前后共4个点,包括当前点总共5个点,统计相邻2点的平面距离平均值Dd和高程差平均值Dh。如果满足以下条件,则认为是立面点:
将满足条件的点分类属性设置为建筑物类别,不满足条件的设置为0。
(2)获取立面点集合,聚类分析立面对象。首先创建空的立面对象集合{0},并在集合中添加一个立面对象,立面对象的属性包括三维外包盒范围(minX、minY、minZ、maxX、maxY、maxZ)、立面点集合{Ps}、点数Count。遍历立面点集合,遍历立面对象集合,如果当前点距离当前立面对象大于容差Tol(默认2.5),则认为不属于当前立面对象,需要再创建立面对象并将当前点加入,否则添加当前点到当前立面对象,更新立面对象属性。
遍历立面对象集合{0},将立面对象的三维外包盒和点数属性与对象容差参数对比,小于容差限定值的则认为不是立面对象。
其中Td是平面距离容差(默认3.0m),Th是高度最小容差(默认3.0m),Tc是点数最小容差(默认10)。即底边长度小于3米,高度小于3米,或点数小于10认为不是立面对象。
(3)遍历立面对象集合{0},按对象外包盒底平面的长度方向,对立面对象点集合进行排序。创建底平面投影多段线Polyline,顺序加入对象点(Z取minZ),并统计线平面长度lineLength。如果平面长度小于容差Td或高度除平面长度大于容差Ts(默认20),则认为不是立面对象,需要删除。
添加节点完毕后,再依次计算中间节点的顶点角度αv,如果小于顶点角度容差Ta,则删除该顶点。
对底平面投影多段线Polyline,按一定容差Tsp(默认2.5)进行简化,简化后根据maxZ添加顶边点。
实施例2:
离散点云数据,首先要对点云数据按平面网格进行划分,分块存储并建立分块索引,然后分块遍历点云数据,计算每个点法向量,根据法向量判断是否为立面点。
具体实施步骤如下:
(1)统计无序离散点云的空间范围,根据空间范围和点云数据量进行网格划分,保证划分后的点云块,其点数量不超过1万,建立LOD空间索引。
(2)遍历所有点云块,对点云块建立三维kdtree索引。遍历块内每个点,根据kdtree索引查找最近N个点(默认128),根据附近N个点拟合平面计算法向量,如果法向量与水平面夹角小于15°,则认为是立面点。判断出立面后,后续根据立面点提取轮廓线同包含POS轨迹的点云数据处理步骤。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (2)
1.一种车载三维激光点云立面分类及轮廓线提取自动化方法,其特征在于:所述车载三维激光测量系统包括惯性导航IMU、GPS、三维激光扫描仪、全景相机、车轮编码器,采集数据包括POS轨迹线、三维激光点云、全景影像及其位置姿态;在车辆行驶采集数据过程中,三维激光扫描仪用于获取点云数据,GPS与惯性导航IMU构成的POS系统用于获取位置姿态信息、全景相机用于采集全景影像,扫描仪和全景相机相对于POS系统的位置和姿态是出厂时检校好的固定参数。
2.根据权利要求1所述的车载三维激光点云立面分类及轮廓线提取自动化方法,其特征在于:采用技术处理方法按数据源情况分两种,一种是包含相应POS轨迹数据的车载三维激光规则点云,点云具有行列信息,另一种是没有相应POS轨迹数据的三维激光点云,点云也没有行列信息;
其中,包含POS轨迹数据的处理步骤为:
(1)根据扫描圈时间,三维激光扫描仪相对于POS的位置和姿态,以及POS轨迹数据,获取三维激光扫描仪在每个扫描圈对应的位置和姿态;
(2)根据扫描仪位置、角分辨率计算相邻点理论垂直情况下的位置关系,用理论垂直情况和实际情况下进行对比分析,如果小于设定容差,则认为是立面点;
(3)按照一定容差,对立面点进行聚类分析,分析出每个建筑物对象的立面点云,得到建筑物立面对象列表,每个立面对象包含外包盒范围、点数、立面点集合等信息;
(4)对每个立面对象进行长、宽、高、水平投影面积、立面投影面积等信息进行分析,并按照一定容差进行筛选,排除不是建筑物立面的对象;
(5)对每个立面对象的点云,按外包盒的底面长度方向进行排序,构造平面投影线对象,并依次加入立面点(X,Y,MinX),其中X,Y是点云平面坐标,MinX是外包盒最小Z;
(6)对平面投影线进行筛选,长度小于指定容差进行排除;
(7)对平面投影线,按指定容差进行简化,得到最终投影线;获取简化投影线后,依次再添加顶边节点,Z值取外包盒最大Z;
针对无POS轨迹数据的处理步骤为:
(1)将点云数据建立空间索引,按平面网格进行划分,进行分块存储;
(2)读取遍历所有块,建立三维kdtree索引;
(3)遍历块内部所有点,根据kdtree索引,查找当前点附近若干个点,使用附近查找的若干点进行平面拟合,计算平面法向量,如果平面法向量与水平面夹角小于一定角度,则认为是立面点;
(4)按照一定容差,对立面点进行聚类分析,分析出每个建筑物对象的立面点云,得到建筑物立面对象列表,每个立面对象包含外包盒范围、点数、立面点集合等信息;
(5)对每个立面对象进行长、宽、高、水平投影面积、立面投影面积等信息进行分析,并按照一定容差进行筛选,排除不是建筑物立面的对象;
(6)对每个立面对象的点云,按外包盒的底面长度方向进行排序,构造平面投影线对象,并依次加入立面点(X,Y,MinX),其中X,Y是点云平面坐标,MinX是外包盒最小Z;
(7)对平面投影线进行筛选,长度小于指定容差进行排除;
(8)对平面投影线,按指定容差进行简化,得到最终投影线;获取简化投影线后,依次再添加顶边节点,Z值取外包盒最大Z。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310595873.7A CN104657968B (zh) | 2013-11-25 | 2013-11-25 | 车载三维激光点云立面分类及轮廓线提取自动化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310595873.7A CN104657968B (zh) | 2013-11-25 | 2013-11-25 | 车载三维激光点云立面分类及轮廓线提取自动化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104657968A true CN104657968A (zh) | 2015-05-27 |
CN104657968B CN104657968B (zh) | 2017-05-24 |
Family
ID=53249046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310595873.7A Active CN104657968B (zh) | 2013-11-25 | 2013-11-25 | 车载三维激光点云立面分类及轮廓线提取自动化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104657968B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105572687A (zh) * | 2015-12-11 | 2016-05-11 | 中国测绘科学研究院 | 一种基于车载激光雷达点云制作建筑物数字线划图的方法 |
CN106327558A (zh) * | 2015-07-08 | 2017-01-11 | 深圳市腾讯计算机系统有限公司 | 点云立面提取方法和装置 |
CN106441242A (zh) * | 2016-08-27 | 2017-02-22 | 青岛秀山移动测量有限公司 | 一种基于激光点云与全景影像的交互式测图方法 |
CN107341845A (zh) * | 2017-03-03 | 2017-11-10 | 深圳市德赛微电子技术有限公司 | 一种车载全景图像阴影遮盖方法 |
CN109655009A (zh) * | 2017-10-10 | 2019-04-19 | 南京金正奇交通设备有限责任公司 | 一种高铁构件快速检测系统 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
CN110533726A (zh) * | 2019-08-28 | 2019-12-03 | 哈尔滨工业大学 | 一种激光雷达场景三维姿态点法向量估计修正方法 |
CN111103595A (zh) * | 2020-01-02 | 2020-05-05 | 广州建通测绘地理信息技术股份有限公司 | 一种数字线划图的生成方法和装置 |
CN111402415A (zh) * | 2020-03-12 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 对象物体立面图生成方法、装置及存储介质和终端设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950434A (zh) * | 2010-09-13 | 2011-01-19 | 天津市星际空间地理信息工程有限公司 | 一种车载激光雷达系统及城市部件自动化测量方法 |
CN202033028U (zh) * | 2011-01-25 | 2011-11-09 | 吴立新 | 车载式矿区沉陷三维动态监测系统 |
US20130242284A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHODS AND APPARATUS OF FUSING RADAR/CAMERA OBJECT DATA AND LiDAR SCAN POINTS |
-
2013
- 2013-11-25 CN CN201310595873.7A patent/CN104657968B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950434A (zh) * | 2010-09-13 | 2011-01-19 | 天津市星际空间地理信息工程有限公司 | 一种车载激光雷达系统及城市部件自动化测量方法 |
CN202033028U (zh) * | 2011-01-25 | 2011-11-09 | 吴立新 | 车载式矿区沉陷三维动态监测系统 |
US20130242284A1 (en) * | 2012-03-15 | 2013-09-19 | GM Global Technology Operations LLC | METHODS AND APPARATUS OF FUSING RADAR/CAMERA OBJECT DATA AND LiDAR SCAN POINTS |
Non-Patent Citations (5)
Title |
---|
刘宁: "车载LiDAR航迹解算精度提高方法研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
李月华 等: "一种基于车载激光点云扫描线的建筑物立面建模方法", 《中州煤炭》 * |
杨洋: "基于车载LiDAR数据的建筑物立面重建技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
谭贲 等: "车载激光扫描数据的地物分类方法", 《遥感学报》 * |
魏征: "车载LiDAR点云中建筑物的自动识别与立面几何重建", 《中国博士学位论文全文数据库 信息科技辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106327558A (zh) * | 2015-07-08 | 2017-01-11 | 深圳市腾讯计算机系统有限公司 | 点云立面提取方法和装置 |
CN106327558B (zh) * | 2015-07-08 | 2019-11-19 | 深圳市腾讯计算机系统有限公司 | 点云立面提取方法和装置 |
CN105572687A (zh) * | 2015-12-11 | 2016-05-11 | 中国测绘科学研究院 | 一种基于车载激光雷达点云制作建筑物数字线划图的方法 |
CN106441242A (zh) * | 2016-08-27 | 2017-02-22 | 青岛秀山移动测量有限公司 | 一种基于激光点云与全景影像的交互式测图方法 |
CN106441242B (zh) * | 2016-08-27 | 2018-10-09 | 青岛秀山移动测量有限公司 | 一种基于激光点云与全景影像的交互式测图方法 |
CN107341845B (zh) * | 2017-03-03 | 2020-12-15 | 深圳市德赛微电子技术有限公司 | 一种车载全景图像阴影遮盖方法 |
CN107341845A (zh) * | 2017-03-03 | 2017-11-10 | 深圳市德赛微电子技术有限公司 | 一种车载全景图像阴影遮盖方法 |
CN109655009A (zh) * | 2017-10-10 | 2019-04-19 | 南京金正奇交通设备有限责任公司 | 一种高铁构件快速检测系统 |
CN110222642A (zh) * | 2019-06-06 | 2019-09-10 | 上海黑塞智能科技有限公司 | 一种基于全局图聚类的平面建筑构件点云轮廓提取方法 |
CN110533726A (zh) * | 2019-08-28 | 2019-12-03 | 哈尔滨工业大学 | 一种激光雷达场景三维姿态点法向量估计修正方法 |
CN110533726B (zh) * | 2019-08-28 | 2021-05-04 | 哈尔滨工业大学 | 一种激光雷达场景三维姿态点法向量估计修正方法 |
CN111103595A (zh) * | 2020-01-02 | 2020-05-05 | 广州建通测绘地理信息技术股份有限公司 | 一种数字线划图的生成方法和装置 |
CN111402415A (zh) * | 2020-03-12 | 2020-07-10 | 腾讯科技(深圳)有限公司 | 对象物体立面图生成方法、装置及存储介质和终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104657968B (zh) | 2017-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104657968A (zh) | 车载三维激光点云立面分类及轮廓线提取自动化方法 | |
CN110084272B (zh) | 一种聚类地图创建方法及基于聚类地图和位置描述子匹配的重定位方法 | |
CN108763287B (zh) | 大规模可通行区域驾驶地图的构建方法及其无人驾驶应用方法 | |
CN111882977B (zh) | 一种高精度地图构建方法及系统 | |
CN104463872B (zh) | 基于车载LiDAR点云数据的分类方法 | |
CN102147250B (zh) | 一种数字线划图测图方法 | |
WO2021121306A1 (zh) | 视觉定位方法和系统 | |
CN102521884B (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
CN106296814B (zh) | 公路养护检测与可视化交互方法和系统 | |
US11315318B2 (en) | Method for constructing grid map by using binocular stereo camera | |
CN101915570B (zh) | 一种基于灭点的地面移动测量影像线段自动提取分类方法 | |
CN103426165A (zh) | 一种地面激光点云与无人机影像重建点云的精配准方法 | |
CN110222959B (zh) | 一种基于大数据的城市就业可达性测算方法及系统 | |
CN103605978A (zh) | 基于三维实景数据的城市违章建筑识别系统及方法 | |
CN114612488A (zh) | 建筑物单体化信息提取方法、计算机装置及存储介质 | |
CN111325788A (zh) | 一种基于街景图片的建筑物高度确定方法 | |
CN112329789B (zh) | 点云的提取方法、装置、计算机设备和存储介质 | |
CN106327576B (zh) | 一种城市场景重建方法及系统 | |
Aringer et al. | Bavarian 3D building model and update concept based on LiDAR, image matching and cadastre information | |
Yan et al. | A multi-constraint combined method for ground surface point filtering from mobile lidar point clouds | |
Zeybek et al. | Geometric feature extraction of road from UAV based point cloud data | |
CN112732860B (zh) | 道路提取方法、装置、可读存储介质及设备 | |
CN113989447A (zh) | 一种三维模型室内外一体化构建方法及系统 | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
CN112066998A (zh) | 用于航线地图的渲染方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |