CN105572687A - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN105572687A CN105572687A CN201510920337.9A CN201510920337A CN105572687A CN 105572687 A CN105572687 A CN 105572687A CN 201510920337 A CN201510920337 A CN 201510920337A CN 105572687 A CN105572687 A CN 105572687A
- Authority
- CN
- China
- Prior art keywords
- buildings
- facade
- point cloud
- laser radar
- building
- 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
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
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,它包括以下步骤:步骤一,初始化原始车载激光雷达点云数据,将每一个激光脚点均设置为待判别点;步骤二,识别建筑物立面;步骤三,提取建筑物立面轮廓;步骤四,矫正存在垂直或平行关系的建筑物立面轮廓;步骤五,输出建筑物数字线划图。本发明将散乱的点云数据通过点云分割方法组织成人类易于理解的、符合自然规律并带有拓扑关系的空间数据结构;所提出基于先验知识的建筑物立面检测与提取方法,适用于点云数据凌乱、区域场景目标分布复杂的车载激光雷达数据;利用建筑物立面拟合平面的法线向量对建筑物立面进行垂直与平行拓扑关系矫正,有效的提高了建筑物立面之间拓扑关系的精度。
Description
技术领域
本发明涉及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,属于激光雷达点云数据信息提取技术领域。
背景技术
建筑物三维模型在城市规划、三维导航、虚拟旅游领域具有至关重要的作用,其相对于二维地图而言更为直观、有效;但是,由于人工建筑物的庞大和复杂性,手工制作建筑物三维模型是一个工作量浩大的工程。为了实现自动化,近些年来国内外对于三维城市重建的研究日益增多。由于数据获取的简便,影像被相当一部分研究者所采用作为建筑物重建的主导数据源,然而多年的研究结果却不尽理想。这主要是因为基于影像的重建技术长期无法解决立体匹配误差、分辨率有限、去除障碍物等等若干技术难题。简言之,从影像中很难提取出准确的三维信息。
自从上世纪90年代末激光扫描硬件技术成熟以来,激光扫描数据已经被广泛用作为建筑物三维重建的主要数据源。激光扫描技术所提供的高密度三维点云能够直接提供被扫描区域的三维坐标,这解决了影像重建技术所难以克服的问题。一大批基于激光扫描的研究成果已经证明了激光扫描技术的优越性。
由于航空激光扫描硬件的优先发展,目前国际上绝大部分针对激光扫描城市重建的研究都是基于航空激光扫描(AirborneLaserScanning,ALS)点云数据的。但是,对于建筑物这一类别而言,ALS只能提供房顶信息,不包含或仅包含很少量的建筑物立面信息,因此从ALS点云数据生成的建筑物模型又被称为“屋顶模型”,用途有限。而在日常生活中,人们对于城市的感观大多是基于地面视角的,而且往往一个建筑物的立面比其顶部包含有更多信息,因此基于地面激光扫描生成的建筑物立面模型会比ALS数据生成的屋顶模型更真实。
然而,传统地面激光扫描系统一直面临着数据获取速度慢的瓶颈。但是,随着车载激光扫描(MobileLaserScanning,车载激光雷达)硬件技术的不断成熟,这一瓶颈问题已经得到良好解决。车载激光雷达系统能够在普通街道扫描中得到高达1厘米点间隔的点云,足以提供建筑立面的各种细节(如:墙体、门、窗等)。这进一步为全自动化建筑物三维重建奠定了良好的数据基础。可见,对车载激光点云中建筑物立面识别与三维重建的研究是非常有意义的。
国内外对于城市三维建筑物自动化重建的研究已有十余年的历史,按照数据处理的基本单元划分可以分为以下三大类:
一、建筑物立面三角形格网化重建方法。
该方法的最大局限性在于生成的模型为三角形网格,因此输出数据量大(每条街区需要上百万个三角形及纹理碎片),可视化过程缓慢。
二、基于点云特征图像的建筑物立面重建方法。
该类方法在3D-2D转换过程中会造成精度损失;并且鲁棒性不高,若生成点云特征图像的参数设置不好,则不能很好的反应地物特征;此外,对于复杂点云数据建筑物以及树木目标的提取效果不佳,影响重建效果。
三、基于分割面片的建筑物立面重建方法。
该类方法提供了一个行之有效的点云处理方式,即面向对象的点云处理方法,该方法可以快速从原始散乱的激光点云中直接提取建筑物立面并重建,充分利用了点云数据所富有的几何特征,并且可以提取建筑物立面之间的拓扑关系,但是,该方法的主要缺陷在于目前所能够提取的特征尚不全面。
发明内容
针对以上现有技术的不足,本发明提供了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,利用面向对象的车载激光雷达点云提取和制作建筑物数字线划图,能够有效简化建筑物立面重建相关算法的复杂度,提高重建结果的几何完整性。
本发明解决其技术问题采取的技术方案是: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,其特征是,包括以下步骤:
步骤一,初始化原始车载激光雷达点云数据,将每一个激光脚点均设置为待判别点;
步骤二,识别建筑物立面;
步骤三,提取建筑物立面轮廓;
步骤四,矫正存在垂直或平行关系的建筑物立面轮廓;
步骤五,输出建筑物数字线划图。
优选地,在步骤二中,首先对原始激光雷达点云数据进行分割,然后根据建筑物立面的几何特点定义相应特征,进而从分割后的点云中识别建筑物立面。
优选地,在步骤三中,首先将建筑物立面点云旋转到水平面,然后利用机载激光雷达屋顶轮廓提取方法提取轮廓,再将轮廓旋转回建筑物立面,进而提取建筑物立面轮廓。
优选地,在步骤四中,首先按顺序判断一个建筑物立面是否与其他建筑物立面存在垂直或平行关系,然后对存在垂直或平行关系的建筑物立面进行整体矫正。
进一步地,所述步骤二具体包括以下步骤:(1)基于区域生长原理对原始激光雷达点云数据进行点云分割;(2)根据建筑物立面的几何特点,计算建筑物立面相应的特征;(3)根据计算得到的特征来识别建筑物立面。
进一步地,所述计算建筑物立面相应的特征的过程包括:
根据建筑物立面的建筑物尺寸明显大于其他地物的几何特点,计算建筑物立面的面积特征;
根据建筑物立面法向向量与水平面位置关系的几何特点,计算建筑物立面的法线向量与水平面夹角特征;
根据建筑物立面的立面点云之间存在较大高差的几何特点,计算建筑物立面的绝对高程及高程变化范围特征。
进一步地,所述步骤三具体包括以下步骤:(1)根据建筑物立面点云求取法线向量;(2)利用该法线向量与水平面法线向量之间的夹角计算旋转矩阵;(3)根据旋转矩阵将建筑物立面旋转到水平面;(4)利用机载激光雷达屋顶轮廓提取方法提取旋转到水平面的建筑物立面轮廓;(5)根据旋转矩阵将水平面的建筑物立面轮廓旋转回原建筑物立面,从而得到建筑物立面轮廓。
进一步地,所述根据建筑物立面点云求取法线向量的过程包括以下步骤:
(1)对建筑物立面数据进行分割,将不同的建筑物立面上的点分割到相应的分割面片上;
(2)对不同的分割面片点,利用特征值法拟合出该分割面片所在的平面;
(3)将该分割面片上的所有点投影到拟合出的平面上,从而得到法线向量。
进一步地,所述将水平面的建筑物立面轮廓旋转回原建筑物立面的过程包括以下步骤:
(1)获取某一建筑物屋顶的分割面片点集的Delaunay三角网;
(2)删除Delaunay三角网中的长边;
(3)确定边界的起始点;
(4)追踪下一边界点;
(5)顺次追踪其余的边界线段和边缘点;
(6)将边缘点连接成直线,形成最小外接矩形。
进一步地,所述步骤四具体包括以下步骤:(1)首先计算每一个建筑物立面的法线向量;(2)按顺序判断两个建筑物立面是否存在垂直或平行关系,如果不存在垂直或平行关系,则将不存在垂直或平行关系的建筑物立面设置为固有倾斜立面,不作处理,如果存在垂直或平行关系,则存在垂直或平行关系的建筑物立面加入到待矫正立面队列;(3)利用法线向量夹角作为限制条件,采用航带法区域网平差模型进行平差求取矫正参数;(4)根据求取的矫正参数来矫正建筑物立面队列。
本发明的有益效果如下:
(1)本发明采用面向对象点云处理方法,它将散乱的点云数据通过点云分割方法,组织成人类易于理解的、符合自然规律并带有拓扑关系的空间数据结构,为后续的处理提供了巨大的便捷;通过将人类认识自然地物与人工地物的已有先验知识应用于点云数据处理中,并且可以从分割后的点云数据中提取特定目标的指定特征信息,为各种目的的应用提供了事半功倍的手段。
(2)本发明所提出的基于先验知识的建筑物立面检测与提取方法,通过不同场景数据的反复定性试验分析,证明了本发明方法适用于点云数据凌乱、区域场景目标分布复杂的车载激光雷达数据。
(3)本发明利用建筑物立面拟合平面的法线向量对建筑物立面轮廓进行垂直与平行拓扑关系矫正。实验证明,本发明所提出的方法有效的提高了建筑物立面之间拓扑关系的精度,并一定程度上剔除了点云数据在拼接、配准的预处理操作中的偏移误差,进而改善建筑物立面的拟合精度。
本发明提供了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,利用面向对象的车载激光雷达点云提取和制作建筑物数字线划图,不需要借助车载激光雷达点云数据对应的光学图像,也不需要将车载激光雷达点云数据转化成深度图像,可以直接从三维点云中提取建筑物立面并重建,有效简化了建筑物立面重建相关算法的复杂度,提高了重建结果的几何完整性。
附图说明
图1为本发明的方法流程图;
图2(a)为实验数据一的示意图;
图2(b)为实验数据二的示意图;
图3(a)为对实验数据一点云分割后的示意图;
图3(b)为对实验数据二点云分割后的示意图;
图4为提取实验数据一建筑物立面的示意图;
图5(a)为提取实验数据二建筑物立面的示意图;
图5(b)为提取实验数据二建筑物立面轮廓的示意图;
图6(a)为建筑物立面垂直关系矫正前后对比图;
图6(b)为建筑物立面平行关系矫正前后对比图;
图7(a)为第一景数据建筑物立面线划图的提取结果示意图;
图7(b)为第二景数据建筑物立面线划图的提取结果示意图。
具体实施方式
为能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
针对车载激光雷达点云数据建筑物立面识别与重建的研究以及应用的需要,本发明提供了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。尤其是本发明采用面向对象的点云处理方法,它将散乱的点云数据通过点云分割方法,组织成人类易于理解的、符合自然规律并带有拓扑关系的空间数据结构。本发明所提出的基于先验知识的建筑物立面检测与提取方法,适用于点云数据凌乱、区域场景目标分布复杂的车载激光雷达数据。本发明利用建筑物立面拟合平面的法线向量对建筑物立面轮廓进行垂直与平行拓扑关系矫正,有效的提高了建筑物立面之间拓扑关系的精度,并一定程度上剔除了点云数据在拼接、配准的预处理操作中的偏移误差,进而改善建筑物立面的拟合精度。
如图1所示,本发明提出了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,它包括以下步骤:
步骤一,初始化原始车载激光雷达点云数据,将每一个激光脚点均设置为待判别点。
步骤二,识别建筑物立面;首先对原始激光雷达点云数据进行分割,然后根据建筑物立面的几何特点定义相应特征,进而从分割后的点云中识别建筑物立面。
步骤三,提取建筑物立面轮廓;首先将建筑物立面点云旋转到水平面,然后利用机载激光雷达屋顶轮廓提取方法提取轮廓,再将轮廓旋转回建筑物立面,进而提取建筑物立面轮廓。
步骤四,矫正存在垂直或平行关系的建筑物立面轮廓;首先按顺序判断一个建筑物立面是否与其他建筑物立面存在垂直或平行关系,然后对存在垂直或平行关系的建筑物立面进行整体矫正。
步骤五,输出制作的建筑物数字线划图。
进一步地,所述步骤二具体包括以下步骤:
(1)基于区域生长原理对原始激光雷达点云数据进行点云分割
如图3所示,两景数据为分割后的车载激光雷达点云数据,从图3中可以看出,所有建筑物立面均被有效分割出来。该方法采用区域生长分割处理思想,利用临近准则和法向向量夹角准则来约束区域生长过程。
(2)根据建筑物立面的几何特点,计算建筑物立面相应的三个特征
鉴于建筑物立面存在的建筑物尺寸明显大于其他地物、法向向量与水平面的关系、以及立面点云之间存在较大高差的三个特点,进行提取以下几种特征:
A.法线向量与水平面夹角。基于法向向量与水平面的关系,对于每一个分割片,首先进行基于特征值法的平面拟合,然后计算每一个分割面片的法向量,并且求出法向量与水平面的夹角,将该夹角作为提取建筑物立面的特征。该特征用以剔除地面、平面屋顶、倾斜屋顶、树木等类别的激光脚点。
B.面积。基于建筑物的尺寸明显大于其他地物的特点,建筑物的面积用每一面片中激光脚点数量来衡量。该测度的合理性在于,车载激光雷达测量数据的点密度通常是恒定的,某一分割面片的激光脚点的数量可以反映分割面片的面积大小,从而避免了获取激光脚点边缘以及计算面积的过程,减少算法的时间复杂度和空间复杂度。该特征用以剔除车辆、围栏、信箱、垃圾桶等面积较小的地物目标激光脚点。
C.绝对高程和高程变化范围。针对立面点云之间存在较大高差的特点,本发明定义绝对高程为该分割面片所有激光脚点的Z坐标平均值;高程变化范围为该分割面片激光脚点中高程最大值减去高程最小值。两个特征用以剔除地面,建筑物屋顶平面,坡度较缓以及高度较低的地物激光脚点。
(3)根据计算得到的特征来识别建筑物立面
在判别过程中,将所有特征测度作为判别的条件且取并集,将建筑物立面激光脚点保留,并将其他属性的激光脚点予以删除。建筑物立面以及典型地物目标特征统计如表1所示。
表1典型地物特征统计
夹角(弧度) | 面积(或脚点数量) | 高程变化范围 | |
建筑物立面 | 1.5-1.6 | 较大(多) | 较大 |
建筑屋檐 | 0.0-0.1 | 较大(多) | 较小 |
树木 | 杂乱无章 | 较小(少) | 较大 |
告示栏 | 1.5-1.6 | 较小(少) | 适中 |
路灯 | 无 | 较小(少) | 较大 |
车辆 | 0.0-0.2 | 较小(少) | 较小 |
围墙 | 1.5-1.6 | 适中 | 适中 |
进一步地,所述步骤三具体包括以下步骤:
(1)对建筑物立面数据进行分割,将不同的建筑物立面上的点分割到相应的分割面片上;
(2)对不同的分割面片点,利用特征值法拟合出该分割面片所在的平面;
(3)将该分割面片上的所有点投影到拟合出的平面上,从而得到法线向量;
(4)根据该分割面片所在的平面法向量,计算其与水平面法线向量之间的夹角,并通过该夹角计算出旋转矩阵;
(5)将该建筑物立面上的点旋转到水平面;
(6)利用机载激光雷达屋顶轮廓提取方法提取旋转到水平面的建筑物立面轮廓;
(7)利用步骤(4)中的旋转矩阵的逆矩阵,将这些边界点进行旋转,并且连接边界点,从而得到最终建筑物立面轮廊。
所述利用机载激光雷达屋顶轮廓提取方法提取旋转到水平面的建筑物立面轮廓的过程即是利用传统的机载激光雷达点云数据屋顶三维边界提取方法提取点云数据的边界点的过程,它的详细步骤如下:
(1)获取某一建筑物屋顶的分割面片点集的Delaunay三角网;
(2)删除Delaunay三角网中的长边;在二维欧式空间内定义一个距离阈值l,如果Delaunay三角网中的任一三角形的某边的长度大于l,则删除该边;这样保留下来的边确定了点集内点的连接关系;
(3)确定边界的起始点;找到属于该面片的点集中具有最大x坐标的点p作为边界的起始点,沿逆时针方向,开始边界追踪;
(4)追踪下一边界点;在Delaunay三角网中,找到与起始点p直接相连的所有点;如果连接点个数为0,则从边界点中删除p,并从Delaunay三角网中删除p和与之相关联的边,返回到第四步;否则,计算起始点p与每一个连接点形成的向量与x轴形成的夹角;最小夹角对应的连接点为下一边界点;
(5)顺次追踪其余的边界线段和边缘点;Delaunay三角网中,处于边缘的三角形边仅仅被一个三角形所包含,而非边缘的边被两个三角形所包含;以此论据,依次追踪Delaunay三角网的边缘线段和边缘点,直至边缘点与起始点重合为止;
(6)利用Hough变换空间,将边缘点连接成直线,形成最小外接矩形。
进一步地,所述步骤四具体包括以下步骤:
(1)首先计算每一个建筑物立面的法线向量。
(2)按顺序判断这两个立面之间的关系,若存在平行或垂直关系,则将该对立面加入待矫正队列。若两个立面之间不存在平行或垂直关系,则认为这对立面之间存在固有倾斜,不做处理。
(3)若该对立面之间存在平行或垂直关系,则取出其中第二个立面与下一个立面进行判断,若存在平行或垂直关系,则将下一个立面加入待校正队列,若不存在,则不做处理。若该对立面之间不存在平行或垂直关系,则判断下一立面与这两个立面之间是否存在平行或垂直关系,若存在,则将下一个立面加入待校正队列。
(4)重复上述补助(2)和(3)直到所有的建筑物立面均检测完毕为止。
(5)根据相邻两个建筑物立面之间的关系(垂直或平行),设置该对立面的限制条件,并设最后一个立面与第一个立面相邻,添加他们之间的限制条件。采用航带法区域网平差模型组建法方程进行平差求取矫正参数。
(6)利用取矫正参数矫正建筑物立面轮廓。
为了充分分析和表述本发明所提出算法的性能,本发明实验了二景剔除粗差后的点云数据。
(1)第一景数据:该场景点云数据如图2(a)所示,是一车载激光雷达点云数据。该数据区域位于北京市昌平市区,地面较为平缓,但建筑物、树木、车辆、公共设施较多且分布复杂,共206810个数据点,平均点间隔为0.1米,该实验数据并不包含回波信息、色彩以及反射强度信息。此数据用于全面试验本发明车载激光雷达点云数据处理方法效果。
(2)第二景数据:该场景点云数据如图2(b)所示,是车载扫描点云数据进行拼接形成的场景;为一栋独栋的人字房屋,地面平坦,建筑物结构简单。点云数据由于是地面扫描的原因,人字屋顶的激光角点密度较低,平均间隔为0.1米,房屋立面的激光脚点密度较高,为0.05米,共39386个激光脚点。该数据同样不包含回波信息,本发明主要用其来进行半自动房屋模型的重建。
本发明的参数设置主要集中在步骤二(基于先验知识的建筑物立面识别),其中点云分割参数设置为:邻近点个数:30、法向量间角度阈值:10、距离阈值:0.1m,并采用平面竞争原则。建筑物立面识别参数设置为:法线向量与水平面之间的夹角:1.5-1.6;激光脚点数量(限制激光脚点下限):5000;高程变化范围(高程下限):10m。
两景数据的点云分割结果如图3所示,建筑物立面识别结果如图4所示。建筑物立面垂直与平行矫正结果如图5所示,垂直与平行矫正精度如表2所示。两景数据的轮廓提取结果如图5所示。
表2垂直与平行关系矫正精度表(对应图5)
立面序号 | 拓扑关系 | 矫正前误差(精度) | 矫正后误差(精度) |
1、2 | 垂直 | 0.0216 | 0.2352e-006 |
3、4 | 平行 | 0.0967 | 9.3469e-016 |
经过试验分析,可以得出以下结论。
首先,本发明采用面向对象点云处理方法,它将散乱的点云数据通过点云分割方法,组织成人类易于理解的、符合自然规律并带有拓扑关系的空间数据结构。为后续的处理提供了巨大的便捷,可以将人类认识自然地物与人工地物的已有先验知识应用于点云数据处理中,并且可以从分割后的点云数据中提取特定目标的指定特征信息。为各种目的的应用提供了事半功倍的手段。
第二,本发明所提出基于先验知识的建筑物立面检测与提取方法,通过不同场景数据的反复定性试验分析,证明本发明方法适用于点云数据凌乱,区域场景目标分布复杂的车载激光雷达数据。
第三,本发明利用建筑物立面拟合平面的法线向量对建筑物立面进行垂直与平行拓扑关系矫正。实验证明,本发明所提出的方法有效的提高了建筑物立面之间拓扑关系的精度,并一定程度上剔除了点云数据在拼接、配准的预处理操作中的偏移误差,进而改善建筑物立面的拟合精度。
以上所述只是本发明的优选实施方式,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,这些改进和润饰也被视为本发明的保护范围。
Claims (10)
1.一种基于车载激光雷达点云制作建筑物数字线划图的方法,其特征是,包括以下步骤:
步骤一,初始化原始车载激光雷达点云数据,将每一个激光脚点均设置为待判别点;
步骤二,识别建筑物立面;
步骤三,提取建筑物立面轮廓;
步骤四,矫正存在垂直或平行关系的建筑物立面轮廓;
步骤五,输出建筑物数字线划图。
2.根据权利要求1所述的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,其特征是,在步骤二中,首先对原始激光雷达点云数据进行分割,然后根据建筑物立面的几何特点定义相应特征,进而从分割后的点云中识别建筑物立面。
3.根据权利要求1所述的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,其特征是,在步骤三中,首先将建筑物立面点云旋转到水平面,然后利用机载激光雷达屋顶轮廓提取方法提取轮廓,再将轮廓旋转回建筑物立面,进而提取建筑物立面轮廓。
4.根据权利要求1所述的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,其特征是,在步骤四中,首先按顺序判断一个建筑物立面是否与其他建筑物立面存在垂直或平行关系,然后对存在垂直或平行关系的建筑物立面进行整体矫正。
5.根据权利要求1至4任一项所述的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,其特征是,所述步骤二具体包括以下步骤:(1)基于区域生长原理对原始激光雷达点云数据进行点云分割;(2)根据建筑物立面的几何特点,计算建筑物立面相应的特征;(3)根据计算得到的特征来识别建筑物立面。
6.根据权利要求5所述的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,其特征是,所述计算建筑物立面相应的特征的过程包括:
根据建筑物立面的建筑物尺寸明显大于其他地物的几何特点,计算建筑物立面的面积特征;
根据建筑物立面法向向量与水平面位置关系的几何特点,计算建筑物立面的法线向量与水平面夹角特征;
根据建筑物立面的立面点云之间存在较大高差的几何特点,计算建筑物立面的绝对高程及高程变化范围特征。
7.根据权利要求1至4任一项所述的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,其特征是,所述步骤三具体包括以下步骤:(1)根据建筑物立面点云求取法线向量;(2)利用该法线向量与水平面法线向量之间的夹角计算旋转矩阵;(3)根据旋转矩阵将建筑物立面旋转到水平面;(4)利用机载激光雷达屋顶轮廓提取方法提取旋转到水平面的建筑物立面轮廓;(5)根据旋转矩阵将水平面的建筑物立面轮廓旋转回原建筑物立面,从而得到建筑物立面轮廓。
8.根据权利要求7所述的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,其特征是,所述根据建筑物立面点云求取法线向量的过程包括以下步骤:
(1)对建筑物立面数据进行分割,将不同的建筑物立面上的点分割到相应的分割面片上;
(2)对不同的分割面片点,利用特征值法拟合出该分割面片所在的平面;
(3)将该分割面片上的所有点投影到拟合出的平面上,从而得到法线向量。
9.根据权利要求7所述的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,其特征是,所述将水平面的建筑物立面轮廓旋转回原建筑物立面的过程包括以下步骤:
(1)获取某一建筑物屋顶的分割面片点集的Delaunay三角网;
(2)删除Delaunay三角网中的长边;
(3)确定边界的起始点;
(4)追踪下一边界点;
(5)顺次追踪其余的边界线段和边缘点;
(6)将边缘点连接成直线,形成最小外接矩形。
10.根据权利要求1至4任一项所述的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,其特征是,所述步骤四具体包括以下步骤:(1)首先计算每一个建筑物立面的法线向量;(2)按顺序判断两个建筑物立面是否存在垂直或平行关系,如果不存在垂直或平行关系,则将不存在垂直或平行关系的建筑物立面设置为固有倾斜立面,不作处理,如果存在垂直或平行关系,则存在垂直或平行关系的建筑物立面加入到待矫正立面队列;(3)利用法线向量夹角作为限制条件,采用航带法区域网平差模型进行平差求取矫正参数;(4)根据求取的矫正参数来矫正建筑物立面队列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920337.9A CN105572687B (zh) | 2015-12-11 | 2015-12-11 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510920337.9A CN105572687B (zh) | 2015-12-11 | 2015-12-11 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105572687A true CN105572687A (zh) | 2016-05-11 |
CN105572687B CN105572687B (zh) | 2017-09-01 |
Family
ID=55883030
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510920337.9A Expired - Fee Related CN105572687B (zh) | 2015-12-11 | 2015-12-11 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105572687B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN107507167A (zh) * | 2017-07-25 | 2017-12-22 | 上海交通大学 | 一种基于点云平面轮廓匹配的货物托盘检测方法及系统 |
CN107545602A (zh) * | 2017-08-04 | 2018-01-05 | 长江空间信息技术工程有限公司(武汉) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 |
CN108629799A (zh) * | 2017-03-24 | 2018-10-09 | 成都理想境界科技有限公司 | 一种实现增强现实的方法及设备 |
CN108765568A (zh) * | 2018-06-04 | 2018-11-06 | 河海大学 | 一种基于激光雷达点云的多层次建筑物快速三维重建方法 |
US10334232B2 (en) | 2017-11-13 | 2019-06-25 | Himax Technologies Limited | Depth-sensing device and depth-sensing method |
CN110909749A (zh) * | 2019-10-24 | 2020-03-24 | 同济大学 | 一种从二维无序点集优化提取几何线形轮廓的方法 |
CN111337939A (zh) * | 2018-12-19 | 2020-06-26 | 上海蔚来汽车有限公司 | 一种矩形物体外边框的估计方法及装置 |
CN111612806A (zh) * | 2020-01-10 | 2020-09-01 | 江西理工大学 | 一种建筑物立面窗户提取方法及装置 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN111880195A (zh) * | 2020-07-10 | 2020-11-03 | 中科智云科技有限公司 | 基于激光雷达的塔吊防碰撞方法及其系统 |
CN112285733A (zh) * | 2020-10-21 | 2021-01-29 | 郑州中核岩土工程有限公司 | 一种城乡规划核实测绘数据处理方法 |
CN113282981A (zh) * | 2021-04-22 | 2021-08-20 | 北京房江湖科技有限公司 | 快速获取户型结构的方法及装置 |
CN113284252A (zh) * | 2021-03-03 | 2021-08-20 | 山东交通学院 | 一种基于vtk的断骨模型的复位方法及复位系统 |
CN113449799A (zh) * | 2021-06-30 | 2021-09-28 | 上海西井信息科技有限公司 | 目标检测与分类方法、系统、设备及存储介质 |
CN114241125A (zh) * | 2021-11-30 | 2022-03-25 | 感知天下(北京)信息科技有限公司 | 一种基于多视角卫星影像精细三维建模方法及系统 |
CN115018897A (zh) * | 2022-06-24 | 2022-09-06 | 滁州学院 | 一种激光点云城市典型地物要素提取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147520A (zh) * | 2010-02-05 | 2011-08-10 | 索尼公司 | 变焦镜头和成像设备 |
CN102708587A (zh) * | 2012-04-17 | 2012-10-03 | 中国地质大学(北京) | 一种快速获取三维建筑信息的方法及系统 |
KR20130004746A (ko) * | 2011-07-04 | 2013-01-14 | (주)아세아항측 | 수치지형도 작성을 위한 차량 모바일 매핑 시스템을 이용한 도로 레이어 현지조사 방법 |
CN104657968A (zh) * | 2013-11-25 | 2015-05-27 | 武汉海达数云技术有限公司 | 车载三维激光点云立面分类及轮廓线提取自动化方法 |
US20150317781A1 (en) * | 2012-11-05 | 2015-11-05 | The Chancellor Masters And Scholars Of The University Of Oxford | Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus |
-
2015
- 2015-12-11 CN CN201510920337.9A patent/CN105572687B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102147520A (zh) * | 2010-02-05 | 2011-08-10 | 索尼公司 | 变焦镜头和成像设备 |
KR20130004746A (ko) * | 2011-07-04 | 2013-01-14 | (주)아세아항측 | 수치지형도 작성을 위한 차량 모바일 매핑 시스템을 이용한 도로 레이어 현지조사 방법 |
CN102708587A (zh) * | 2012-04-17 | 2012-10-03 | 中国地质大学(北京) | 一种快速获取三维建筑信息的方法及系统 |
US20150317781A1 (en) * | 2012-11-05 | 2015-11-05 | The Chancellor Masters And Scholars Of The University Of Oxford | Extrinsic calibration of imaging sensing devices and 2d lidars mounted on transportable apparatus |
CN104657968A (zh) * | 2013-11-25 | 2015-05-27 | 武汉海达数云技术有限公司 | 车载三维激光点云立面分类及轮廓线提取自动化方法 |
Non-Patent Citations (4)
Title |
---|
倪欢 等: ""面向对象的车载激光扫描点云建筑物立面提取"", 《测绘科学》 * |
刘晓平等: ""基于LiDAR点云数据的三角网构建算法"", 《软件学报》 * |
刘永和 等: ""一种简单快速的Delaunay三角网逐块生成算法"", 《测绘科学》 * |
李必军等: ""从激光扫描数据中进行建筑物特征提取研究"", 《武汉大学学报 信息科学版》 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108629799A (zh) * | 2017-03-24 | 2018-10-09 | 成都理想境界科技有限公司 | 一种实现增强现实的方法及设备 |
CN108629799B (zh) * | 2017-03-24 | 2021-06-01 | 成都理想境界科技有限公司 | 一种实现增强现实的方法及设备 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN107507167A (zh) * | 2017-07-25 | 2017-12-22 | 上海交通大学 | 一种基于点云平面轮廓匹配的货物托盘检测方法及系统 |
CN107507167B (zh) * | 2017-07-25 | 2020-03-10 | 上海交通大学 | 一种基于点云平面轮廓匹配的货物托盘检测方法及系统 |
CN107545602A (zh) * | 2017-08-04 | 2018-01-05 | 长江空间信息技术工程有限公司(武汉) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 |
CN107545602B (zh) * | 2017-08-04 | 2021-04-27 | 长江空间信息技术工程有限公司(武汉) | 基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法 |
US10334232B2 (en) | 2017-11-13 | 2019-06-25 | Himax Technologies Limited | Depth-sensing device and depth-sensing method |
CN108765568A (zh) * | 2018-06-04 | 2018-11-06 | 河海大学 | 一种基于激光雷达点云的多层次建筑物快速三维重建方法 |
CN111337939A (zh) * | 2018-12-19 | 2020-06-26 | 上海蔚来汽车有限公司 | 一种矩形物体外边框的估计方法及装置 |
CN110909749A (zh) * | 2019-10-24 | 2020-03-24 | 同济大学 | 一种从二维无序点集优化提取几何线形轮廓的方法 |
CN110909749B (zh) * | 2019-10-24 | 2022-06-14 | 同济大学 | 一种从二维无序点集优化提取几何线形轮廓的方法 |
CN111612806A (zh) * | 2020-01-10 | 2020-09-01 | 江西理工大学 | 一种建筑物立面窗户提取方法及装置 |
CN111612806B (zh) * | 2020-01-10 | 2023-07-28 | 江西理工大学 | 一种建筑物立面窗户提取方法及装置 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN111880195A (zh) * | 2020-07-10 | 2020-11-03 | 中科智云科技有限公司 | 基于激光雷达的塔吊防碰撞方法及其系统 |
CN112285733A (zh) * | 2020-10-21 | 2021-01-29 | 郑州中核岩土工程有限公司 | 一种城乡规划核实测绘数据处理方法 |
CN112285733B (zh) * | 2020-10-21 | 2023-09-26 | 中核勘察设计研究有限公司 | 一种城乡规划核实测绘数据处理方法 |
CN113284252A (zh) * | 2021-03-03 | 2021-08-20 | 山东交通学院 | 一种基于vtk的断骨模型的复位方法及复位系统 |
CN113282981A (zh) * | 2021-04-22 | 2021-08-20 | 北京房江湖科技有限公司 | 快速获取户型结构的方法及装置 |
CN113282981B (zh) * | 2021-04-22 | 2024-06-28 | 贝壳技术有限公司 | 快速获取户型结构的方法及装置 |
CN113449799A (zh) * | 2021-06-30 | 2021-09-28 | 上海西井信息科技有限公司 | 目标检测与分类方法、系统、设备及存储介质 |
CN113449799B (zh) * | 2021-06-30 | 2023-11-24 | 上海西井科技股份有限公司 | 目标检测与分类方法、系统、设备及存储介质 |
CN114241125A (zh) * | 2021-11-30 | 2022-03-25 | 感知天下(北京)信息科技有限公司 | 一种基于多视角卫星影像精细三维建模方法及系统 |
CN115018897A (zh) * | 2022-06-24 | 2022-09-06 | 滁州学院 | 一种激光点云城市典型地物要素提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105572687B (zh) | 2017-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105572687A (zh) | 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 | |
CN107093205B (zh) | 一种基于无人机图像的三维空间建筑物窗户检测重建方法 | |
CN106127857B (zh) | 综合数据驱动与模型驱动的机载LiDAR数据建模方法 | |
WO2019242174A1 (zh) | 基于激光雷达的建筑结构自动测量及3d模型生成方法 | |
CN103020342B (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN103413133B (zh) | 无序激光点云数据中自动提取电力线方法 | |
CN102521884B (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
CN107767453B (zh) | 一种基于规则约束的建筑物lidar点云重构优化方法 | |
CN103701466A (zh) | 基于特征保留的散乱点云压缩算法 | |
CN114332366B (zh) | 数字城市单体房屋点云立面3d特征提取方法 | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
CN103414861B (zh) | 一种投影仪画面自适应几何矫正的方法 | |
CN104299260A (zh) | 一种基于sift和lbp的点云配准的接触网三维重建方法 | |
CN104008553A (zh) | 融合影像梯度方向直方图和分水岭方法的裂缝检测方法 | |
CN103324916B (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
CN106548484A (zh) | 基于二维凸包的产品模型散乱点云边界特征提取方法 | |
CN108986024A (zh) | 一种基于网格的激光点云规则排列处理方法 | |
Chen et al. | 3D model-based terrestrial laser scanning (TLS) observation network planning for large-scale building facades | |
CN112802041A (zh) | 一种基于改进的Alpha Shapes算法的地面激光点云建筑物轮廓线提取方法 | |
CN117557617B (zh) | 一种基于平面先验优化的多视密集匹配方法、系统及设备 | |
Lin et al. | Semi-automatic road tracking using parallel angular texture signature | |
CN104599325A (zh) | 一种三维人脸重采样方法 | |
Yang et al. | LiDAR data reduction assisted by optical image for 3D building reconstruction | |
CN103164870A (zh) | 一种由生物体点云构建网格面的方法 | |
Takahashi et al. | Roadside tree extraction and diameter estimation with MMS LIDAR by using point-cloud image |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170901 Termination date: 20181211 |
|
CF01 | Termination of patent right due to non-payment of annual fee |