CN110443875B - 一种基于建筑点云数据的轴线自动绘制系统 - Google Patents

Abstract

本发明公开了一种基于建筑点云数据的轴线自动绘制系统。所述系统包括：数据采集模块，用于采集原始有序点云数据；特征值计算模块，用于对所述原始有序点云数据进行法线计算，得到法线特征值；建筑要素特征提取模块，用于计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值；轴网绘制模块，用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。本发明能够自动修正轴线数据，实现自动绘制轴线。

Description

一种基于建筑点云数据的轴线自动绘制系统

技术领域

本发明涉及点云数据处理技术领域，尤其涉及一种基于建筑点云数据的轴线自动绘制系统。

背景技术

在建筑设计领域，建筑图纸的绘制需要建筑轴线来辅助完成。建筑轴线是人为地在建筑图纸中为了标示构件的详细尺寸，按照一般的习惯或标准在图纸上虚设的一道线，习惯上标注在对称界面或截面构件的中心线上，如基础、梁、柱等结构上。对于不同建筑或奇特建筑的建筑图纸，建筑设计人员需要结合该建筑的具体结构，运用自身建筑学专业知识进一步确定其建筑轴线。

现今，通过激光雷达扫描技术可以快速获取各种建筑的点云数据，极大程度地简化了前期数据的采集过程。如何利用建筑点云数据实现自动绘制建筑轴线，成为当前的研究方向。

发明内容

本发明所要解决的技术问题在于，提供一种基于建筑点云数据的轴线自动绘制系统，能够自动修正轴线数据，实现自动绘制轴线网络。

为了解决上述技术问题，本发明提出了一种基于建筑点云数据的轴线自动绘制系统，包括：

数据采集模块，用于采集原始有序点云数据；

特征值计算模块，用于对所述原始有序点云数据进行法线计算，得到法线特征值；

建筑要素特征提取模块，用于计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值；

轴网绘制模块，用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。

进一步地，所述采集原始有序点云数据，包括：通过三维扫描仪采集原始有序点云数据。

进一步地，所述对所述原始有序点云数据进行法线计算，得到法线特征值，包括：

遍历所述原始有序点云数据提取第一目标点云数据；其中，所述第一目标点云数据为所述原始有序点云数据预设空间范围内的点云数据；

通过预设的线性方程计算所述第一目标点云数据的法线特征值。

进一步地，所述预设的线性方程，为AX＝B；

A(1,1)+＝P_i(x)^2，A(1,2)+＝P_i(x)^P_i(y)，A(1,3)+＝P_i(x)，A(2,1)+＝P_i(x)*P_i(y)，A(2,2)+＝P_i(y)^2，A(2,3)+＝P_i(y)，A(3,1)+＝P_i(x)，A(3,2)+＝P_i(y)，A(3,3)+＝1；

B(1,1)+＝P_i(x)*P_i(z)，B(1,2)+＝P_i(z)*P_i(y)，B(1,3)+＝P_i(y)；

其中，A、B表示矩阵，X表示所述法线特征值，P_i(x)、P_i(y)、P_i(y)分别表示第i个所述第一目标点云数据的x、y、z坐标。

进一步地，所述计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值，包括：

计算所述原始有序点云数据在二维图像上的图像亮度值；

根据所述图像亮度值从大到小的顺序，逐一计算全部或部分所述原始有序点云数据的垂直度得分；

提取所述垂直度得分最高的所述原始有序点云数据的轴网偏差特征值。

进一步地，所述计算所述原始有序点云数据在二维图像上的图像亮度值，包括：

将所述原始有序点云数据投影至二维平面，并将所述二维平面转换为所述二维图像；其中，所述二维图像为(r，θ)图像；

在所述二维图像中提取周期为2π的图像作为目标图像，并计算所述目标图像中所述原始有序点云数据的图像亮度值。

进一步地，所述轴网偏差特征值，为所述垂直度得分最高的所述原始有序点云数据的θ值。

进一步地，所述根据所述法线特征值和所述轴网偏差特征值绘制轴线网络，包括：

根据所述法线特征值计算所述原始有序点云数据的法线变化率；

当所述法线变化率大于预设的变化率阈值时，将所述原始有序点云数据标记为关键点云数据；

根据所述轴网偏差特征值修正二维平面，并根据所述关键点云数据在所述二维平面绘制轴线网络。

进一步地，所述根据所述法线特征值计算所述原始有序点云数据的法线变化率，包括：

遍历所述原始有序点云数据提取第二目标点云数据；其中，所述第二目标点云数据为所述原始有序点云数据预设角度范围内像素值小于预设的像素值阈值的点云数据；

根据所述原始有序点云数据和所述第二目标点云数据的法线特征值计算所述第二目标点云数据的法线变化率。

进一步地，所述法线变化率的计算公式，为：

S+＝[X_k(1,1)-X_j(1,1)]^2+[X_k(2,1)-X_j(2,1)]^2+[X_k(3,1)-X_j(3,1)]^2；

其中，S表示法线变化率，X_j，X_k表示行矩阵，X_j，X_k分别表示第j个所述原始有序点云数据、第k个所述第二目标点云数据的法线特征值。实施本发明实施例具有如下有益效果：

本发明实施例根据原始有序点云数据的法线特征值，计算原始有序点云数据在垂直方向上的垂直度得分以获取垂直度得分最高的原始有序点云数据，从而提取轴网偏差特征值，使得可利用轴网偏差特征值自动修正轴线数据。同时，根据原始有序点云数据的法线特征值，计算原始有序点云数据的法线变化率以提取关键点云数据，使得可在已修正的二维平面上基于关键点云数据自动绘制轴线网络。

附图说明

图1为本发明实施例中的一种基于建筑点云数据的轴线自动绘制系统的结构示意图；

图2为本发明实施例中的特征值计算的流程示意图；

图3为本发明实施例中的建筑要素特征提取的流程示意图；

图4为本发明实施例中的轴网绘制的流程示意图。

具体实施方式

下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在本发明实施例的描述中，字母、标号、术语“第一”和“第二”仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参阅图1-4。

如图1所示，本实施例提供的一种基于建筑点云数据的轴线自动绘制系统，包括：数据采集模块11，用于采集原始有序点云数据；特征值计算模块12，用于对所述原始有序点云数据进行法线计算，得到法线特征值；建筑要素特征提取模块13，用于计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值；轴网绘制模块14，用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。

在具体的实施例当中，所述采集原始有序点云数据，包括：通过三维扫描仪采集原始有序点云数据。

需要说明的是，所述三维扫描仪的具体型号为FARO S350。

在具体的实施例当中，所述对所述原始有序点云数据进行法线计算，得到法线特征值，包括：遍历所述原始有序点云数据提取第一目标点云数据；其中，所述第一目标点云数据为所述原始有序点云数据预设空间范围内的点云数据；通过预设的线性方程计算所述第一目标点云数据的法线特征值。

例如，对于原始有序点云数据O_j，通过遍历所有原始有序点云数据，提取原始有序点云数据O_j周围3个空间距离单位内的点云数据，即第一目标点云数据。

本实施例通过针对原始有序点云数据O_j，从所有原始有序点云数据中提取与原始有序点云数据O_j相近的部分点云数据，不仅保证了法线特征值的准确性，还减少了法线特征值的计算数据量，提高计算效率。

在具体的实施例当中，所述预设的线性方程，为AX＝B；

A(1,1)+＝P_i(x)^2，A(1,2)+＝P_i(x)^P_i(y)，A(1,3)+＝P_i(x)，A(2,1)+＝P_i(x)*P_i(y)，A(2,2)+＝P_i(y)^2，A(2,3)+＝P_i(y)，A(3,1)+＝P_i(x)，A(3,2)+＝P_i(y)，A(3,3)+＝1；

B(1,1)+＝P_i(x)*P_i(z)，B(1,2)+＝P_i(z)*P_i(y)，B(1,3)+＝P_i(y)；

其中，A、B表示矩阵，X表示所述法线特征值，P_i(x)、P_i(y)、P_i(y)分别表示第i个所述第一目标点云数据的x、y、z坐标。

需要说明的是，A(3,3)、B(3,1)为预先创建的矩阵。

可以理解的是，通过求解所述线性方程所得到的所述法线特征值，为行矩阵，即X＝[X(1,1)X(2,1)X(3,1)]。例如，原始有序点云数据O_j的法线特征值为X_j＝[X_j(1,1)X_j(2,1)X_j(3,1)]。

在具体的实施例当中，所述计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值，包括：计算所述原始有序点云数据在二维图像上的图像亮度值；根据所述图像亮度值从大到小的顺序，逐一计算全部或部分所述原始有序点云数据的垂直度得分；提取所述垂直度得分最高的所述原始有序点云数据的轴网偏差特征值。

在具体的实施例当中，所述计算所述原始有序点云数据在二维图像上的图像亮度值，包括：将所述原始有序点云数据投影至二维平面，并将所述二维平面转换为所述二维图像；其中，所述二维图像为(r，θ)图像；在所述二维图像中提取周期为2π的图像作为目标图像，并计算所述目标图像中所述原始有序点云数据的图像亮度值。

在一优选的实施例当中，所述二维平面为预先设置的Img图像，即设置图像大小为Img(width,height)，并初始为全黑。

可以理解的是，若要计算所述原始有序点云数据在二维图像上的图像亮度值，则需要将所述原始有序点云数据投影至二维平面，并计算所述原始有序点云数据在所述二维平面上的像素坐标。

例如，原始有序点云数据O_j在二维平面上的像素坐标计算公式为：

x＝width/2+O_j(x)/resolution；y＝height/2+O_j(y)/resolution；

其中，O_j(x)、O_j(y)表示原始有序点云数据O_j的x、y坐标。

需要说明的是，在将所述原始有序点云数据投影至所述二维平面之前，应先根据所述原始有序点云数据的法线特征值，判断是否将所述原始有序点云数据投影至所述二维平面。

在一优选的实施例当中，通过霍夫变换将所述二维平面转换为所述二维图像，即(r，θ)图像。

本实施例通过在所述二维图像中提取周期为2π的图像作为目标图像，并计算所述目标图像中所述原始有序点云数据的图像亮度值，可有效减少图像亮度值的计算数据量，提高计算效率。

此外，本实施例根据所述图像亮度值从大到小的顺序，逐一计算部分所述原始有序点云数据的垂直度得分，比如只计算前50％的所述原始有序点云数据的垂直度得分，可有效减少垂直度得分的计算数据量，提高计算效率。

在一优选的实施例当中，所述垂直度得分的计算公式为：

G＝R*[X(1,1)^2+X(2,1)^2]^0.5；

其中，R表示在θ轴上，所述原始点云数据预设角度范围内点云数据的像素值总和。

例如，对于原始有序点云数据O_j，R表示在θ轴上，所述原始点云数据O_j在(90±α)°的范围内所有点云数据的像素值总和。

在具体的实施例当中，所述轴网偏差特征值，为所述垂直度得分最高的所述原始有序点云数据的θ值。

在具体的实施例当中，所述根据所述法线特征值和所述轴网偏差特征值绘制轴线网络，包括：根据所述法线特征值计算所述原始有序点云数据的法线变化率；当所述法线变化率大于预设的变化率阈值时，将所述原始有序点云数据标记为关键点云数据；根据所述轴网偏差特征值修正二维平面，并根据所述关键点云数据在所述二维平面绘制轴线网络。

在具体的实施例当中，所述根据所述法线特征值计算所述原始有序点云数据的法线变化率，包括：遍历所述原始有序点云数据提取第二目标点云数据；其中，所述第二目标点云数据为所述原始有序点云数据预设角度范围内像素值小于预设的像素值阈值的点云数据；根据所述原始有序点云数据和所述第二目标点云数据的法线特征值计算所述第二目标点云数据的法线变化率。

需要说明的是，所述预设的像素值阈值为R。

例如，对于原始有序点云数据O_j，通过遍历所有原始有序点云数据，提取原始有序点云数据O_j预设角度范围内像素值小于R的点云数据，即第二目标点云数据。

可以理解的是，通过针对原始有序点云数据O_j，从所有原始有序点云数据中提取与原始有序点云数据O_j相关的部分点云数据，不仅保证了法线变化率的准确性，还减少了法线变化率的计算数据量，提高计算效率。

在具体的实施例当中，所述法线变化率的计算公式，为：

S+＝[X_k(1,1)-X_j(1,1)]^2+[X_k(2,1)-X_j(2,1)]^2+[X_k(3,1)-X_j(3,1)]^2；

其中，S表示法线变化率，X_j，X_k表示行矩阵，X_j，X_k分别表示第j个所述原始有序点云数据、第k个所述第二目标点云数据的法线特征值。

可以理解的是，通过比较所述法线变化率和预设的变化率阈值，将所述法线变化率大于预设的变化率阈值的所述原始有序点云数据标记为关键点云数据，即根据原始有序点云数据的法线变化角度判断该原始有序点云数据是否是关键点云数据，比如垂足点等。

本实施例根据所述轴网偏差特征值修正二维平面，即修正轴线数据，并根据所述关键点云数据在已修正的二维平面绘制轴线网络，实现基于点云数据自动绘制轴线。

实施本发明实施例具有如下有益效果：

本发明实施例根据原始有序点云数据的法线特征值，计算原始有序点云数据在垂直方向上的垂直度得分以获取垂直度得分最高的原始有序点云数据，从而提取轴网偏差特征值，使得可利用轴网偏差特征值自动修正轴线数据。同时，根据原始有序点云数据的法线特征值，计算原始有序点云数据的法线变化率以提取关键点云数据，使得可在已修正的二维平面上基于关键点云数据自动绘制轴线网络。

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。

本领域普通技术人员可以理解实现上述实施例中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(Random Access Memory，RAM)等。

Claims (10)

1.一种基于建筑点云数据的轴线自动绘制系统，其特征在于，包括：

数据采集模块，用于采集原始有序点云数据；

特征值计算模块，用于对所述原始有序点云数据进行法线计算，得到法线特征值；

建筑要素特征提取模块，用于计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值；

轴网绘制模块，用于根据所述法线特征值和所述轴网偏差特征值绘制轴线网络。

2.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述采集原始有序点云数据，包括：通过三维扫描仪采集原始有序点云数据。

3.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述对所述原始有序点云数据进行法线计算，得到法线特征值，包括：

遍历所述原始有序点云数据提取第一目标点云数据；其中，所述第一目标点云数据为所述原始有序点云数据预设空间范围内的点云数据；

通过预设的线性方程计算所述第一目标点云数据的法线特征值。

4.根据权利要求3所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述预设的线性方程，为AX＝B；

A(1,1)+＝P_i(x)^2，A(1,2)+＝P_i(x)^P_i(y)，A(1,3)+＝P_i(x)，A(2,1)+＝P_i(x)*P_i(y)，A(2,2)+＝P_i(y)^2，A(2,3)+＝P_i(y)，A(3,1)+＝P_i(x)，A(3,2)+＝P_i(y)，A(3,3)+＝1；

B(1,1)+＝P_i(x)*P_i(z)，B(1,2)+＝P_i(z)*P_i(y)，B(1,3)+＝P_i(y)；

其中，A、B表示矩阵，X表示所述法线特征值，P_i(x)、P_i(y)、P_i(y)分别表示第i个所述第一目标点云数据的x、y、z坐标。

5.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述计算所述原始有序点云数据的垂直度得分，并根据所述垂直度得分提取轴网偏差特征值，包括：

计算所述原始有序点云数据在二维图像上的图像亮度值；

根据所述图像亮度值从大到小的顺序，逐一计算全部或部分所述原始有序点云数据的垂直度得分；

提取所述垂直度得分最高的所述原始有序点云数据的轴网偏差特征值。

6.根据权利要求5所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述计算所述原始有序点云数据在二维图像上的图像亮度值，包括：

将所述原始有序点云数据投影至二维平面，并将所述二维平面转换为所述二维图像；其中，所述二维图像为(r，θ)图像；

在所述二维图像中提取周期为2π的图像作为目标图像，并计算所述目标图像中所述原始有序点云数据的图像亮度值。

7.根据权利要求6所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述轴网偏差特征值，为所述垂直度得分最高的所述原始有序点云数据的θ值。

8.根据权利要求1所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述根据所述法线特征值和所述轴网偏差特征值绘制轴线网络，包括：

根据所述法线特征值计算所述原始有序点云数据的法线变化率；

当所述法线变化率大于预设的变化率阈值时，将所述原始有序点云数据标记为关键点云数据；

根据所述轴网偏差特征值修正二维平面，并根据所述关键点云数据在所述二维平面绘制轴线网络。

9.根据权利要求8所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述根据所述法线特征值计算所述原始有序点云数据的法线变化率，包括：

遍历所述原始有序点云数据提取第二目标点云数据；其中，所述第二目标点云数据为所述原始有序点云数据预设角度范围内像素值小于预设的像素值阈值的点云数据；

根据所述原始有序点云数据和所述第二目标点云数据的法线特征值计算所述第二目标点云数据的法线变化率。

10.根据权利要求9所述的基于建筑点云数据的轴线自动绘制系统，其特征在于，所述法线变化率的计算公式，为：

S+＝[X_k(1,1)-X_j(1,1)]^2+[X_k(2,1)-X_j(2,1)]^2+[X_k(3,1)-X_j(3,1)]^2；

其中，S表示法线变化率，X_j，X_k表示行矩阵，X_j，X_k分别表示第j个所述原始有序点云数据、第k个所述第二目标点云数据的法线特征值。

Images