CN106548479B - 一种多层次激光点云建筑物边界规则化方法 - Google Patents
一种多层次激光点云建筑物边界规则化方法 Download PDFInfo
- Publication number
- CN106548479B CN106548479B CN201611108524.8A CN201611108524A CN106548479B CN 106548479 B CN106548479 B CN 106548479B CN 201611108524 A CN201611108524 A CN 201611108524A CN 106548479 B CN106548479 B CN 106548479B
- Authority
- CN
- China
- Prior art keywords
- point
- line segment
- boundary
- building
- line
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 2
- 239000007787 solid Substances 0.000 claims 1
- 238000000605 extraction Methods 0.000 abstract description 4
- 238000013459 approach Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000005267 amalgamation Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种多层次激光点云建筑物边界规则化方法,本发明对原始机载点云进行滤波,提取建筑物点云,并采用alpha‑shape算法提取出建筑物的有序的边界点。然后,对边界点云进行线段分割提取、曲线重构以及全局优化处理。本发明解决了各类型边界的规则化问题,并且很好地克服了噪声对规则化的影响。
Description
技术领域
本发明属于计算机图形学与激光点云自动化处理技术领域,涉及一种对机载激光扫描点云中的建筑物边界点的规则化方法。
背景技术
随着城市化的进程,建筑物不断更新,如何快速构建建筑物三维模型有效服务于城市规划与管理、灾害应急与评估、环境保护、车辆导航等领域具有重要作用。近年来,机载激光三维扫描技术(Airborne LiDAR)已广泛应用于建筑物三维重建,其中建筑物轮廓是自动化建模的关键信息。在建筑物点云提取后,已有许多方法可以提取建筑物轮廓,但其一般不规则且存在噪声,难以直接应用于三维建模。因此,如何对其规则化处理具有重要意义。
建筑物轮廓规则化的方法可以分为数据驱动和模型驱动两大类。数据驱动主要有3种方法:一是以Douglas-Peuker算法为基础的简化方法,例如局部最小化描述长度和基于能量模型的全局算法,这类方法从原始点云中提取关键点作为角点,因此抗噪声能力差。二是基于特征的模型构造方法,首先提取建筑物屋顶面片并拟合面方程,同时提取每个屋顶面片的初始三维边界点并区别其中的特征点,再根据相邻关系、垂直关系、共面关系构造平差模型规则化边界点,这种方法的效果好坏取决于初始点的选取。三是基于规则的改正方法,首先假设房屋只有一个主方向,可根据方向直方图或最长的边界线提取该主方向,最后根据平行或垂直于主方向列条件方程平差全局优化,不适用于有多个方向的复杂建筑物。模型驱动方法主要有2种:一是假设建筑物边界由多个方向相同的矩形组成,迭代地逼近外边界,这种方法无法处理斜边。二是基于CSG模型的重构,将原始点云拆分成多个部分,每个部分都与模型库中的标准模型匹配并计算拓扑关系,最终得到规则的边界。但是目前模型库的基本模型有限,无法处理所有复杂的情况。
发明内容
本发明在以上研究基础上,提出了一种从点到线再到多边形、以线特征为规则化基元的层次规则化方法,以解决各类型边界的规则化问题,并且很好地克服了噪声对规则化的影响。
本发明所采用的技术方案是:一种多层次激光点云建筑物边界规则化方法,其特征在于,包括以下步骤:
步骤1:线段分割;
在建筑物点云提取以及初始边界点检测后,进行边界线段分割,初步从建筑物边界点数据中提取出线段;
步骤2:删除存在错误的线段,并重新依次连接以保证边界的完整性;
步骤3:线段迭代合并;
步骤4:曲线段检测与拟合;
步骤5:全局优化。
本发明实现了机载激光点云中建筑物边界的规则化,过程中设计了一种边界分割及迭代合并的边界整合方式;并设计了一种简易的弧线检测及拟合方式;最后设计了一种全局优化方法可以运用于含有多个方向的复杂建筑物边界优化。最终得到的建筑物边界可用于测绘成图、三维建模及资产调查。
本发明解决了各类型边界的规则化问题,并且很好地克服了噪声对规则化的影响。
附图说明:
图1是本发明实施例的方法流程图;
图2是本发明实施例的采用的一般建筑物点云边界图;
图3是本发明实施例的线段分割提取结果;
图4是本发明实施例的曲线拟合原理图;
图5是本发明实施例的曲线拟合示例;
图6是本发明实施例的规则化结果。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图及实施例对本发明作进一步的详细描述,应当理解,此处所描述的实施示例仅用于说明和解释本发明,并不用于限定本发明。
本方法对原始机载点云进行滤波,提取建筑物点云,并采用alpha-shape算法提取出建筑物的有序的边界点。然后,对边界点云进行线段分割提取、曲线重构以及全局优化处理。
请见图1,本发明提供的一种多层次激光点云建筑物边界规则化方法,包括以下步骤:
步骤1:线段分割;
从建筑物边界点P中提取出线段集合{Ej},具体方法如下:首先,利用具有抗噪能力的RANSAC稳健计算边界点的主方向;然后,随机选定种子点,并利用种子点与其邻近点之间的主方向角度差值以及距离残差作为约束条件进行线性分割,其中主方向角度阈值记为a,距离阈值记为d,得到集合{Pj *};最后,将每一个分类点集合Pj *拟合一个线段Ej,得到线段集合{Ej},从而初步从建筑物边界点数据中提取出线段;本实施例的提取结果请见图2,表1为线段提取指标。
表1线段提取指标
上述指标同时满足时,可以判断是一条线段。
步骤2:不可靠线段检测;
在分割结果{Pj *}的基础上,若Pk *中点数过少(Num(Pk *)≤5),则将Pk *的点划分为不可靠区域,并从{Ej}中删除相应的线段。然后,将不可靠区域内点依次连接以保证边界的完整性。
步骤3:线段迭代合并;
计算相邻线段之间的三个指标(相邻线段之间的夹角、合并前后多边形面积的变化、利用RANSAC对拟合并两线段内的点拟合,其中outlier(离群值)所占比例不应过高),并根据给定阈值进行合并,如表2所示。线段分割提取合并结果如图3。
表2线段合并指标
三个指标同时满足时,进行线段合并。
步骤4:曲线检测及拟合。
检测的过程如下:首先依次遍历所有的线段,将当前线段以及相邻的前后两条线段用三段贝塞尔曲线拟合,再通过检验原始点与拟合曲线的残差,以及拟合后图形面积的变化来判定当前线段是否是曲线的一段,具体指标如表3。然后,对曲线区域进行贝塞尔曲线拟合。每条待定的线段都会对应一条贝塞尔曲线,而贝塞尔曲线需要四个控制点来确定,本发明设计了一种便捷的控制点获取方式,如图4所示:abcd是相邻的三个线段组成的折线,要求bc对对应的贝塞尔曲线的控制点。首先求得ab,bc,cd中点e,f,g分别平移ef,fg到e'f',f”g',使得ef中点与b重合,fg中点与c重合,认为b,f',f”,c是弧线bc的控制点。具体曲线拟合例子如图5。
表3.判断线段为曲线指标
两个指标同时满足时,则认为线段为曲线一部分。
步骤5:全局优化;
对所有直线利用一般方程式ax+by+c=0表达,线段集{Ej}的参数集合为M={<aj,bj,cj>},Num({<aj,bj,cj>})=n。Num()表示集合元素个数,其中n为参数个数;根据建筑物固有的几何约束条件,可以列三类方程:
(1)平行关系方程;
假设如果两条直线lp(<ap,bp,cp>)与lq(<aq,bq,cq>)的夹角在[-t,t]围内时,认为这两条线是平行关系,可以得到一个平行约束关系方程:
ap*bq=bp*aq
(2)垂直关系;
假设如果两条直线lp(<ap,bp,cp>)与lq(<aq,bq,cq>)的夹角在[90-t,90+t]围内时,认为这两条线是平行关系,可以得到一个垂直约束关系方程:
ap*aq+bp*bq=0
(3)共线约束条件;
除此之外,再次利用上文直线拟合的结果,对于一条线段e,认为e中的所有点都在e的拟合线l(<a,b,c>)上,对于某一点pi(xi,yi),共线条件为
axi+byi+c=0
通过这种方式进行平差,建筑物的边界线可以被约束在建筑物几个主要的向上,且尽可能的拟合了大部分原始点。最终全局优化结果如图6。
本发明实现了机载激光点云中各种复杂建筑物边界的规则化。
应当理解的是,本说明书未详细阐述的部分均属于现有技术。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (6)
1.一种多层次激光点云建筑物边界规则化方法,其特征在于,包括以下步骤:
步骤1:线段分割;
在建筑物点云提取以及初始边界点检测后,进行边界线段分割,初步从建筑物边界点数据中提取出线段;
步骤2:删除存在错误的线段,并重新依次连接以保证边界的完整性;
步骤3:线段迭代合并;
计算相邻线段之间的三个指标,并根据给定阈值进行合并;所述三个指标包括相邻线段之间的夹角、合并前后多边形面积的变化、利用RANSAC对拟合并两线段内的点拟合;三个指标同时满足时,进行合并;
步骤4:曲线段检测与拟合;
步骤5:全局优化。
2.根据权利要求1所述的多层次激光点云建筑物边界规则化方法,其特征在于:步骤1中,首先利用RANSAC计算边界点的主方向;然后随机选定种子点,并利用种子点与其邻近点之间的主方向角度差值以及距离残差作为约束条件进行线性分割;最后将每一个分类点集合拟合一个线段,得到线段集合,从而初步从建筑物边界点数据中提取出线段。
3.根据权利要求2所述的多层次激光点云建筑物边界规则化方法,其特征在于:当种子点与其邻近点之间的主方向角度差值小于主方向角阈值,并且同时满足种子点与其邻近点之间的距离残差小于主方向距离阈值时,两点在同一线段上。
4.根据权利要求2所述的多层次激光点云建筑物边界规则化方法,其特征在于:步骤2中,若分类点集合中元素数量少于预定阀值,则该分类点集合拟合的线段为错误线段。
5.根据权利要求1所述的多层次激光点云建筑物边界规则化方法,其特征在于:步骤4中,首先依次遍历所有的线段,将当前线段以及相邻两条线段用三段贝塞尔曲线拟合,再通过检验原始点与拟合曲线的残差,以及拟合后图形面积的变化来判定当前线段是否是曲线的一段;若原始点到拟合曲线距离小于预设阀值则认为在曲线上,落在线上比例大于预设阈值;且线段用曲线代替后的多边形面积变化小于预设阀值,则认为当前线段是是曲线的一段。
6.根据权利要求2所述的多层次激光点云建筑物边界规则化方法,其特征在于:步骤5中,对所有直线利用一般方程式ax+by+c=0表达,线段集{Ej}的参数集合为M={<aj,bj,cj>},Num({<aj,bj,cj>})=n;Num()表示集合元素个数,其中n为参数个数;根据建筑物固有的几何约束条件,进行全局平差优化;
所述固有的几何约束条件包括:
(1)平行关系方程;
假设如果两条直线lp(<ap,bp,cp>)与lq(<aq,bq,cq>)的夹角在[-t,t]围内时,t为预设阀值,则认为这两条线是平行关系,得到一个平行约束关系方程:
ap*bq=bp*aq;
(2)垂直关系;
假设如果两条直线lp(<ap,bp,cp>)与lq(<aq,bq,cq>)的夹角在[90-t,90+t]围内时,则认为这两条线是平行关系,得到一个垂直约束关系方程:
ap*aq+bp*bq=0;
(3)共线约束条件;
根据步骤4中直线拟合的结果,对于一条线段e,认为e中的所有点都在e的拟合线l(<a,b,c>)上,对于某一点pi(xi,yi),共线条件为:
axi+byi+c=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611108524.8A CN106548479B (zh) | 2016-12-06 | 2016-12-06 | 一种多层次激光点云建筑物边界规则化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611108524.8A CN106548479B (zh) | 2016-12-06 | 2016-12-06 | 一种多层次激光点云建筑物边界规则化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106548479A CN106548479A (zh) | 2017-03-29 |
CN106548479B true CN106548479B (zh) | 2019-01-18 |
Family
ID=58396179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611108524.8A Active CN106548479B (zh) | 2016-12-06 | 2016-12-06 | 一种多层次激光点云建筑物边界规则化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548479B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110136156B (zh) * | 2018-02-02 | 2020-12-01 | 北京三快在线科技有限公司 | 一种多边形区域检测方法及装置 |
CN108389250B (zh) * | 2018-03-08 | 2020-05-22 | 武汉大学 | 基于点云数据快速生成建筑物断面图的方法 |
CN110148144B (zh) * | 2018-08-27 | 2024-02-13 | 腾讯大地通途(北京)科技有限公司 | 点云数据的分割方法和装置、存储介质、电子装置 |
CN109903304B (zh) * | 2019-02-25 | 2021-03-16 | 武汉大学 | 一种基于卷积神经元网络和多边形规则化的建筑物轮廓自动提取算法 |
WO2021219014A1 (en) * | 2020-04-28 | 2021-11-04 | The University Of Hong Kong | Fast and error-tolerant algorithm for generating second-level space boundaries from industry foundation classes building information models |
CN112700464B (zh) * | 2021-01-15 | 2022-03-29 | 腾讯科技(深圳)有限公司 | 地图信息的处理方法、装置、电子设备以及存储介质 |
CN117237541B (zh) * | 2023-11-10 | 2024-02-23 | 南京信息工程大学 | 基于建筑立面点云的多视角投影主体结构建模方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726255A (zh) * | 2008-10-24 | 2010-06-09 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN102968634A (zh) * | 2012-11-23 | 2013-03-13 | 南京大学 | 一种主方向约束下的停车场结构提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9189862B2 (en) * | 2010-06-10 | 2015-11-17 | Autodesk, Inc. | Outline approximation for point cloud of building |
-
2016
- 2016-12-06 CN CN201611108524.8A patent/CN106548479B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726255A (zh) * | 2008-10-24 | 2010-06-09 | 中国科学院光电研究院 | 从三维激光点云数据中提取感兴趣建筑物的方法 |
CN102968634A (zh) * | 2012-11-23 | 2013-03-13 | 南京大学 | 一种主方向约束下的停车场结构提取方法 |
Non-Patent Citations (2)
Title |
---|
Building Boundary Tracing and Regularization from Airborne Lidar Point Clouds;Aparajithan Sampath et al;《Photogrammetric Engineering & Remote Sensing》;20070731;第73卷(第7期);805-812 |
基于LIDAR数据的建筑轮廓线提取及规则化算法研究;沈蔚 等;《遥感学报》;20080930;第12卷(第5期);692-698 |
Also Published As
Publication number | Publication date |
---|---|
CN106548479A (zh) | 2017-03-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106548479B (zh) | 一种多层次激光点云建筑物边界规则化方法 | |
US11995886B2 (en) | Large-scale environment-modeling with geometric optimization | |
Elaksher et al. | Reconstructing 3d buildings from lidar data | |
CN108171780A (zh) | 一种基于激光雷达构建室内真实三维地图的方法 | |
Lee et al. | Perceptual organization of 3D surface points | |
CN105931295A (zh) | 一种地质图专题信息提取方法 | |
Sohn et al. | An implicit regularization for 3D building rooftop modeling using airborne lidar data | |
CN111652241B (zh) | 融合影像特征与密集匹配点云特征的建筑物轮廓提取方法 | |
CN115564926A (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
CN110363178B (zh) | 基于局部和全局深度特征嵌入的机载激光点云分类方法 | |
Satari et al. | A multi‐resolution hybrid approach for building model reconstruction from lidar data | |
CN105447452A (zh) | 一种基于地物空间分布特征的遥感亚像元制图方法 | |
Liu et al. | Method for extraction of airborne LiDAR point cloud buildings based on segmentation | |
Hu et al. | Geometric feature enhanced line segment extraction from large-scale point clouds with hierarchical topological optimization | |
Kada et al. | Feature-driven 3D building modeling using planar halfspaces | |
Quackenbush et al. | Road extraction: A review of LiDAR-focused studies | |
Thiemann et al. | 3D-symbolization using adaptive templates | |
He | Automated 3D building modelling from airborne LiDAR data | |
Omidalizarandi et al. | Segmentation and classification of point clouds from dense aerial image matching | |
Yadav et al. | Automatic urban road extraction from high resolution satellite data using object based ımage analysis: A fuzzy classification approach | |
Sharifi et al. | Efficiency evaluating of automatic lineament extraction by means of remote sensing (Case study: Venarch, Iran) | |
Azzaoui et al. | Detection of crescent sand dunes contours in satellite images using an active shape model with a cascade classifier | |
Yazdanpanah et al. | A new statistical method to segment photogrammetry data in order to obtain geological information | |
Wichmann | Grammar-guided reconstruction of semantic 3D building models from airborne LiDAR data using half-space modeling | |
Mahphood et al. | Virtual first and last pulse method for building detection from dense LiDAR point clouds |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |