CN110717983B - 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 - Google Patents
一种基于背包式三维激光点云数据的建筑物立面三维重建方法 Download PDFInfo
- Publication number
- CN110717983B CN110717983B CN201910844952.4A CN201910844952A CN110717983B CN 110717983 B CN110717983 B CN 110717983B CN 201910844952 A CN201910844952 A CN 201910844952A CN 110717983 B CN110717983 B CN 110717983B
- Authority
- CN
- China
- Prior art keywords
- building
- point cloud
- cloud data
- elevation
- dimensional
- 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 35
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000011218 segmentation Effects 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 10
- 238000012847 principal component analysis method Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 abstract description 3
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001596784 Pegasus Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005587 bubbling Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/04—Architectural design, interior design
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于背包式三维激光点云数据的建筑物立面三维重建方法,涉及地理信息技术领域。包括以下步骤:S1.建筑物点云数据获取;S2.建筑物立面点云数据自动提取;S3.单体建筑物自动分割;S4.建筑物立面几何位置边界获取;S5.建筑物立面三维重建。本发明采用基于体元投影密度的点云滤波算法在保留较为完整的建筑物目标的同时有效滤除地面和植被等非建筑物目标,然后利用图像全局搜索和剖面分析的方法实现单体建筑物的自动分割;针对单体建筑物点云利用RANSAC算法进行立面自动分割和冗余立面剔除获取建筑物立面几何位置边界;利用二维边界线约束原始点云数据并结合RANSAC算法进行立面三维边界直线拟合以获取建筑物立面几何框架模型。
Description
技术领域
本发明涉及地理信息技术领域,具体是涉及一种基于背包式三维激光点云数据的建筑物立面三维重建方法。
背景技术
随着“智慧城市”等概念的逐渐深入,城市空间信息已经成为了当今社会中不可或缺的重要资源。建筑物作为城市最重要的组成部分,基于遥感数据的实现建筑物立面自动化三维重建的方法,将为“数字城市”提供重要的基础数据,同时也是目前研究领域的难点之一。
目前的建模软件将建筑物视为刚体结构,通过在点云数据中量测建筑物部件的几何参数,生成类似的几何基元,拼凑出建筑物的模型。这种方法生成的模型过于理想化,与建筑物实际模型差别较大。且模型生成过程完全基于手动操作,效率极低。因此,移动式三维激光扫描系统在大规模城市场景的三维重建中具有越来越明显的优势。移动式三维激光扫描系统具有数据获取速度快、数据相对完整、精度高、点云数据密集和适应复杂场景的优点,但另一方面,其获取的数据量巨大,带有噪声并存在遮挡,这给点云数据的处理方法带来了巨大的挑战。
公开号为CN107146280A的中国发明“一种基于切分的点云建筑物的重建方法”提供了一种基于切分的点云建筑物的重建方法,具体按照以下步骤实施:步骤1、利用区域增长以及基于距离的聚类算法对点云场景进行分割,并提取点云场景中构成建筑物的平面;步骤2、对步骤1提取的平面进行纵向切分,计算每个切片的长度,并依次比较每个切片与后续切片的高度差探测关键点,并依次连接关键点,完成平面的重建。步骤3、根据平面间的拓扑关系对建筑物初始重建模型进行优化;步骤4、利用墙面与窗户的拓扑关系,完成建筑物细节的重建。此发明解决了现有技术中存在的由于三维物体点云数据量大以及点云数据不完整,导致建筑重建细节不足的问题。
公开号为CN108765568A的中国发明“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”提供了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,其步骤为:采集三维点云数据;点云滤波处理得到建筑物点云;使用优化的随机抽样一致性算法获得激光点云集;Delaunay三角剖分进行建筑物轮廓点的提取;冒泡排序对轮廓点进行排序,生成轮廓线;使用关键点提取算法,提取建筑物轮廓的关键点;连接关键点,并使用正交约束对轮廓线进行规则化处理;将建筑物轮廓线赋予点云中的高程信息,生成三维建筑物模型。此发明采用优化的算法能够提供更高的执行效率,并能有效的删除建筑物墙面点;使用Delaunay剖分方法精确的提取建筑物的轮廓线;使用轮廓线关键点提取算法较好的提取建筑物的关键点,并能抑制错误轮廓点的干扰,减少伪关键点的生成。
随着卫星导航定位、惯性导航、激光扫描、近景摄像等多传感器集成技术与同步定位与制图(SLAM)技术的快速发展,背包式移动三维激光扫描系统应运而生。作为目前最热门的测绘新技术,设备通过人员背载进行数据扫描,人员可通过的地方都可进行数据采集,采集过程快速、便捷、低成本,为建筑物轮廓线的自动提取提供了全新的解决方案。背包式移动三维激光扫描系统作为一种新兴的测绘设备,其在国内外的应用还处于起步阶段,相关的应用研究相对较少,因此本发明旨在针对背包式三维激光点云数据的特点,提供一种行之有效的建筑物立面三维几何重建方法,实现建筑物立面的自动化高精度三维重建。
发明内容
本发明要解决的技术问题是提供一种实现建筑物立面的自动化高精度三维重建的基于背包式三维激光点云数据的建筑物立面三维重建方法。
为解决上述问题,本发明的技术方案为:
一种基于背包式三维激光点云数据的建筑物立面三维重建方法,包括以下步骤:
S1.建筑物点云数据获取:通过背包式三维激光扫描系统获取建筑物点云数据;
S2.建筑物立面点云数据自动提取:首先对建筑物点云数据进行体元化,然后对每个体元内的点云数据计算体元投影密度,设置阈值,提取体元投影密度大于阈值的该体元内的点云数据为建筑物立面点云数据;
S3.单体建筑物自动分割:对建筑物立面点云数据进行栅格化,记录非空栅格坐标并构建k-d树,按照图像搜索的方法对点云数据进行分类,然后针对每个类别点云数据进行剖面分析,设置阈值,将剖面分析参数小于阈值的类别判别为单体建筑物点云数据;
S4.建筑物立面几何位置边界获取:利用随机抽样一致性算法对单体建筑物点云数据进行立面分割,得到立面方程参数和立面点云数据,根据立面方程参数分析立面夹角和距离以合并冗余立面,然后利用主成分分析法分析立面点云数据的几何分布参数并拟合二维直线,通过直线拓扑求交进行直线规则化处理,获取建筑物立面几何位置边界;
其中,步骤S4中合并冗余立面包括以下步骤:
S41.立面分割结果中每个立面的参数方程如下:
Ax+By+Cz+D=0
立面水平投影直线与X轴夹角的计算公式如下:
θ=arctan(-A/B)
S42.设置阈值,若两平面的夹角的差值和参数D的差值均小于对应的阈值,则判别这两个平面为同一个平面,并将二者对应的点云数据进行合并;
步骤S4中利用主成分分析法拟合直线包括以下步骤:
根据立面点云数据XY坐标的第一主成分对应的单位特征向量e1=[e11 e12]来拟合直线的斜率k,计算公式为k=e12/e11,利用立面点云数据中点坐标(x0,y0)计算直线截距b,计算公式为b=y0-k×x0;
S5.建筑物立面三维重建:基于建筑物立面几何位置边界对步骤S1中获取的建筑物点云数据进行建筑物立面点云数据分割,利用随机抽样一致性算法拟合立面的参数方程,基于参数方程对立面点云数据进行垂直投影,然后利用凹凸包算法获取立面的三维边界数据,利用栅格化的方法获取立面的上边界数据,利用随机抽样一致性算法拟合立面上边界三维直线,对拟合的直线进行分段和排序,结合建筑物点云数据和直线求交对建筑物的上边界线进行规则化处理,立面上边界特征点向地面作垂直投影,投影点的平面坐标和上边界特征点的平面坐标相同,投影点的高程值为建筑物点云数据中的最小高程,最终连接上边界特征点和地面投影点获取建筑物立面三维几何框架模型。
进一步地,所述步骤S2中的体元投影密度计算方法,包括以下步骤:
S21.以分辨率dl对建筑物点云数据进行体元化和栅格化,计算体元投影密度,采用如下公式:
Dp=nvoxel/ngrid
其中,nvoxel为非空体元数,ngrid为非空栅格数,Dp为体元投影密度;
S22.设置阈值,将体元投影密度Dp小于阈值的点云数据去除。
进一步地,所述步骤S3中图像搜索包括以下步骤:
随机选取一个栅格作为起始搜索点,利用k-d树搜索其邻域半径内是否存在栅格坐标,若存在则将本次搜索到的邻域数据作为新的搜索点,若所有搜索点的邻域半径内都不存在未访问过的栅格坐标,则将已访问过的栅格坐标内部的点云数据作为同一类别,从剩余栅格中随机选择一个作为新的起始搜索点,重复上述过程,直至所有的数据都被访问。
进一步地,所述步骤S3中剖面分析包括以下步骤:
利用凸包算法对每个类别的栅格数据进行处理,获取对应的外边界,计算外边界栅格的面积与利用外边界栅格构造的多边形面积的比值作为剖面分析参数。
与现有技术相比,本发明具有如下有益效果:
1.背包三维激光扫描系统可在人员能通过的地方进行数据获取,作业方式更为灵活且获取的数据更完整,在移动过程中快速获取建筑物的三维点云数据,工作效率较高且成本较低;
2.本发明中采用的基于体元投影密度的点云滤波算法在保留较为完整的建筑物目标的同时有效滤除地面和植被等非建筑物目标,然后利用图像全局搜索和剖面分析的方法实现单体建筑物的自动分割;
3.利用RANSAC算法进行立面分割,通过分析立面方程参数进行冗余立面合并,利用主成分分析法分析立面点云数据的几何分布参数拟合立面边界二维直线,通过直线拓扑求交获取建筑物立面精确、规则、完整的几何位置边界;
4.基于立面几何位置边界辅助进行立面分割,保证立面的绝对完整性,利用RANSAC立面拟合和凹凸包算法获取立面边界数据,利用RANSAC算法拟合立面边界三维直线,通过对立面边界三维直线进行分段、排序和拓扑求交获取建筑物立面的三维几何框架模型。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1为本发明流程图示意图;
图2为建筑物点云数据示意图;
图3为建筑物立面点云数据示意图;
图4为单体建筑物点云数据自动分割结果示意图;
图5为建筑物立面几何位置边界获取示意图;
图6为建筑物立面几何框架模型示意图;
图7为建筑物立面三角网模型示意图;
具体实施方式
为了对本发明的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体图示,进一步阐述本发明。
实施例:
如图1-7所示为一种基于背包式三维激光点云数据的建筑物立面三维重建方法,包括以下步骤:
S1.建筑物点云数据获取:通过背包式三维激光扫描系统获取建筑物点云数据,背包式三维激光设备作业过程获取的点云数据不仅仅是建筑物,也包括道路、树木等目标。本实施例将某工业厂区作为研究对象,采用Leica Pegasus移动实景测量背包对该厂区进行数据采集,获取目标建筑物的点云数据和照片,然后利用硬件配套IE软件进行GNSS格式转换、轨迹解算和预检查,然后利用配套的Infinity软件建立坐标系,最后利用配套的AutoP软件进行SLAM解算(修改轨迹)并导出LAS格式点云数据。
S2.建筑物立面点云数据自动提取:首先对建筑物点云数据进行体元化,然后对每个体元内的点云数据计算体元投影密度,设置阈值,提取体元投影密度大于阈值的该体元内的点云数据为建筑物立面点云数据。
体元投影密度计算方法,包括以下步骤:
以分辨率dl对建筑物点云数据进行体元化和栅格化,计算体元投影密度,采用如下公式:
Dp=nvoxel/ngrid
其中,nvoxel为非空体元数,ngrid为非空栅格数,Dp为体元投影密度;
设置阈值,将体元投影密度Dp小于阈值的点云数据去除。
S3.单体建筑物自动分割:对建筑物立面点云数据进行栅格化,记录非空栅格坐标并构建k-d树,按照图像搜索的方法对点云数据进行分类,然后针对每个类别点云数据进行剖面分析,设置阈值,将剖面分析参数小于阈值的类别判别为单体建筑物点云数据,从而从建筑物目标中分割出单体建筑物;
图像搜索包括以下步骤:
随机选取一个栅格作为起始搜索点,利用k-d树搜索其邻域半径内是否存在栅格坐标,若存在则将本次搜索到的邻域数据作为新的搜索点,若所有搜索点的邻域半径内都不存在未访问过的栅格坐标,则将已访问过的栅格坐标内部的点云数据作为同一类别,从剩余栅格中随机选择一个作为新的起始搜索点,重复上述过程,直至所有的数据都被访问。
剖面分析包括以下步骤:
利用凸包算法对每个类别的栅格数据进行处理,获取对应的外边界,计算外边界栅格的面积与利用外边界栅格构造的多边形面积的比值作为剖面分析参数。
S4.建筑物立面几何位置边界获取:利用随机抽样一致性算法对单体建筑物点云数据进行立面分割,得到立面方程参数和立面点云数据,根据立面方程参数分析立面夹角和距离以合并冗余立面,然后利用主成分分析法分析立面点云数据的几何分布参数并拟合二维直线,通过直线拓扑求交进行直线规则化处理,获取建筑物立面几何位置边界;
合并冗余立面包括以下步骤:
立面分割结果中每个立面的参数方程如下:
Ax+By+Cz+D=0
立面水平投影直线与X轴夹角的计算公式如下:
θ=arctan(-A/B)
设置阈值,若两平面的夹角的差值和参数D的差值均小于对应的阈值,则判别这两个平面为同一个平面,并将二者对应的点云数据进行合并。
利用主成分分析法拟合直线包括以下步骤:
根据立面点云数据XY坐标的第一主成分对应的单位特征向量e1=[e11 e12]来拟合直线的斜率k,计算公式为k=e12/e11,利用立面点云数据中点坐标(x0,y0)计算直线截距b,计算公式为b=y0-k×x0。
S5.建筑物立面三维重建:基于建筑物立面几何位置边界对步骤S1中获取的建筑物点云数据进行建筑物立面点云数据分割,利用随机抽样一致性算法拟合立面的参数方程,基于参数方程对立面点云数据进行垂直投影,然后利用凹凸包算法获取立面的三维边界数据,利用栅格化的方法获取立面的上边界数据,利用随机抽样一致性算法拟合立面上边界三维直线,对拟合的直线进行分段和排序,结合建筑物点云数据和直线求交对建筑物的上边界线进行规则化处理,立面上边界特征点(直线交点)向地面作垂直投影,投影点的平面坐标和上边界特征点的平面坐标相同,投影点的高程值为建筑物点云数据中的最小高程,最终连接上边界特征点和地面投影点获取建筑物立面三维几何框架模型。
建筑物点云立面数据识别结果如图3所示,图3中保留的建筑物点云较为完整,几乎所有的地面和植被等非建筑物目标都被滤除,图3中存在少量的噪声点但分布较为离散。单体建筑物分割结果如图4所示,图4中共分割出3栋独立建筑物,每栋建筑物立面点云数据保留较为完整。建筑物立面几何位置边界提取结果如图5所示,图5中立面几何位置边界为建筑物顶部的直线,直线与立面数据重合度较高,立面几何位置边界直线规则且精度较高。建筑物立面三维重建结果如图6所示,图6中直线构成了建筑物立面几何框架模型,图7中建筑物立面则是基于几何框架特征点构成的三角网模型。
本行业的技术人员应该了解,本发明不受上述实施例的限制,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种基于背包式三维激光点云数据的建筑物立面三维重建方法,其特征在于:包括以下步骤:
S1.建筑物点云数据获取:通过背包式三维激光扫描系统获取建筑物点云数据;
S2.建筑物立面点云数据自动提取:首先对建筑物点云数据进行体元化,然后对每个体元内的点云数据计算体元投影密度,设置阈值,提取体元投影密度大于阈值的体元内的点云数据为建筑物立面点云数据;
S3.单体建筑物自动分割:对建筑物立面点云数据进行栅格化,记录非空栅格坐标并构建k-d树,按照图像搜索的方法对点云数据进行分类,然后针对每个类别点云数据进行剖面分析,设置阈值,将剖面分析参数小于阈值的类别判别为单体建筑物点云数据;
S4.建筑物立面几何位置边界获取:利用随机抽样一致性算法对单体建筑物点云数据进行立面分割,得到立面方程参数和立面点云数据,根据立面方程参数分析立面夹角和距离以合并冗余立面,然后利用主成分分析法分析立面点云数据的几何分布参数并拟合二维直线,通过直线拓扑求交进行直线规则化处理,获取建筑物立面几何位置边界;
其中,所述步骤S4中合并冗余立面包括以下步骤:
S41.立面分割结果中每个立面的参数方程如下:
Ax+By+Cz+D=0
立面水平投影直线与X轴夹角的计算公式如下:
θ=arctan(-A/B)
S42.设置阈值,若两平面的夹角的差值和参数D的差值均小于对应的阈值,则判别这两个平面为同一个平面,并将二者对应的点云数据进行合并;
所述步骤S4中利用主成分分析法拟合直线包括以下步骤:
根据立面点云数据XY坐标的第一主成分对应的单位特征向量e1=[e11e12]来拟合直线的斜率k,计算公式为k=e12/e11,利用立面点云数据中点坐标(x0,y0)计算直线截距b,计算公式为b=y0-k×x0;
S5.建筑物立面三维重建:基于建筑物立面几何位置边界对步骤S1中获取的建筑物点云数据进行建筑物立面点云数据分割,利用随机抽样一致性算法拟合立面的参数方程,基于参数方程对立面点云数据进行垂直投影,然后利用凹凸包算法获取立面的三维边界数据,利用栅格化的方法获取立面的上边界数据,利用随机抽样一致性算法拟合立面上边界三维直线,对拟合的直线进行分段和排序,结合建筑物点云数据和直线求交对建筑物的上边界线进行规则化处理,立面上边界特征点向地面作垂直投影,投影点的平面坐标和上边界特征点的平面坐标相同,投影点的高程值为建筑物点云数据中的最小高程,最终连接上边界特征点和地面投影点获取建筑物立面三维几何框架模型。
2.根据权利要求1所述的一种基于背包式三维激光点云数据的建筑物立面三维重建方法,其特征在于:所述步骤S2中的体元投影密度计算方法,包括以下步骤:
S21.以分辨率dl对建筑物点云数据进行体元化和栅格化,计算体元投影密度,采用如下公式:
Dp=nvoxel/ngrid
其中,nvoxel为非空体元数,ngrid为非空栅格数,Dp为体元投影密度;
S22.设置阈值,将体元投影密度Dp小于阈值的点云数据去除。
3.根据权利要求1所述的一种基于背包式三维激光点云数据的建筑物立面三维重建方法,其特征在于:所述步骤S3中图像搜索包括以下步骤:
随机选取一个栅格作为起始搜索点,利用k-d树搜索其邻域半径内是否存在栅格坐标,若存在则将本次搜索到的邻域数据作为新的搜索点,若所有搜索点的邻域半径内都不存在未访问过的栅格坐标,则将已访问过的栅格坐标内部的点云数据作为同一类别,从剩余栅格中随机选择一个作为新的起始搜索点,重复上述过程,直至所有的数据都被访问。
4.根据权利要求1所述的一种基于背包式三维激光点云数据的建筑物立面三维重建方法,其特征在于:所述步骤S3中剖面分析包括以下步骤:
利用凸包算法对每个类别的栅格数据进行处理,获取对应的外边界,计算外边界栅格的面积与利用外边界栅格构造的多边形面积的比值作为剖面分析参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844952.4A CN110717983B (zh) | 2019-09-07 | 2019-09-07 | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910844952.4A CN110717983B (zh) | 2019-09-07 | 2019-09-07 | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110717983A CN110717983A (zh) | 2020-01-21 |
CN110717983B true CN110717983B (zh) | 2023-05-02 |
Family
ID=69209769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910844952.4A Active CN110717983B (zh) | 2019-09-07 | 2019-09-07 | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110717983B (zh) |
Families Citing this family (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111414804B (zh) * | 2020-02-27 | 2024-05-14 | 广州文远知行科技有限公司 | 识别框确定方法、装置、计算机设备、车辆和存储介质 |
CN111563892B (zh) * | 2020-05-11 | 2024-01-26 | 江苏易图地理信息科技股份有限公司 | 基于点云数据立面采集精度优化的拟合算法 |
CN112085672B (zh) * | 2020-08-19 | 2021-12-21 | 中交第三航务工程局有限公司江苏分公司 | 一种顾及桩体先验几何形态参数的点云数据滤波方法 |
CN112033393A (zh) * | 2020-08-25 | 2020-12-04 | 国网天津市电力公司 | 基于激光雷达点云数据的三维航线规划方法及装置 |
CN112595258B (zh) * | 2020-11-23 | 2022-04-22 | 湖南航天智远科技有限公司 | 基于地面激光点云的地物轮廓提取方法 |
CN112419505B (zh) * | 2020-12-07 | 2023-11-10 | 苏州工业园区测绘地理信息有限公司 | 一种结合语义规则和模型匹配的车载点云道路杆状物自动提取方法 |
CN112446343B (zh) * | 2020-12-07 | 2024-03-15 | 园测信息科技股份有限公司 | 一种融合多尺度特征的车载点云道路杆状物机器学习自动提取方法 |
CN112764651B (zh) * | 2021-02-01 | 2022-03-08 | 飞燕航空遥感技术有限公司 | 一种浏览器端三维点云剖面绘制方法和绘制系统 |
CN113218310B (zh) * | 2021-04-16 | 2022-08-12 | 华中师范大学 | 基于三维激光点云的尾矿库干滩重要参数提取方法及系统 |
CN113256813B (zh) * | 2021-07-01 | 2021-09-17 | 西南石油大学 | 一种带约束的建筑物立面正射影像图提取方法 |
CN113487669A (zh) * | 2021-07-07 | 2021-10-08 | 广东博智林机器人有限公司 | 作业轨迹确定方法、装置、计算机设备和存储介质 |
CN113436223B (zh) * | 2021-07-14 | 2022-05-24 | 北京市测绘设计研究院 | 点云数据的分割方法、装置、计算机设备和存储介质 |
CN113804118B (zh) * | 2021-08-16 | 2022-11-25 | 长江水利委员会长江科学院 | 一种基于三维激光点云几何特征的建筑物变形监测方法 |
CN114332348B (zh) * | 2021-11-16 | 2023-06-02 | 西南交通大学 | 一种融合激光雷达与图像数据的轨道三维重建方法 |
CN114255252B (zh) * | 2022-02-28 | 2022-05-17 | 新石器慧通(北京)科技有限公司 | 障碍物轮廓获取方法、装置、设备及计算机可读存储介质 |
CN114742957B (zh) * | 2022-06-13 | 2022-08-19 | 西南石油大学 | 一种基于点云数据的建筑物立面提取方法 |
CN115033972B (zh) * | 2022-08-09 | 2022-11-08 | 武汉易米景科技有限公司 | 一种建筑主体结构批量单体化方法、系统及可读存储介质 |
CN116580160B (zh) * | 2023-07-12 | 2023-12-15 | 深圳大学 | 一种建筑物单体分割和结构重建耦合处理方法及相关装置 |
CN116628828B (zh) * | 2023-07-24 | 2023-09-26 | 中建安装集团黄河建设有限公司 | 一种大型建筑物拆除点确定方法、介质及系统 |
CN117152374B (zh) * | 2023-07-25 | 2024-04-26 | 北京建筑大学 | 基于三维激光点云的高效索穹顶结构数字孪生建立方法 |
CN116935250B (zh) * | 2023-07-28 | 2024-02-13 | 广州葛洲坝建设工程有限公司 | 一种基于无人机拍摄的建筑模板尺寸估算方法 |
CN116721228B (zh) * | 2023-08-10 | 2023-10-24 | 山东省国土测绘院 | 一种基于低密度点云的建筑物高程提取方法及系统 |
CN116758238B (zh) * | 2023-08-17 | 2024-01-23 | 山东高速工程检测有限公司 | 一种基于车载激光点云公路护栏自动建模方法 |
CN117710603B (zh) * | 2024-02-04 | 2024-04-30 | 东华理工大学南昌校区 | 一种直线几何结构约束下无人机图像三维建筑物建模方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101726255B (zh) * | 2008-10-24 | 2011-05-04 | 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 |
US9811714B2 (en) * | 2013-08-28 | 2017-11-07 | Autodesk, Inc. | Building datum extraction from laser scanning data |
CN105844629B (zh) * | 2016-03-21 | 2018-12-18 | 河南理工大学 | 一种大场景城市建筑物立面点云自动分割方法 |
CN108109139B (zh) * | 2017-12-18 | 2022-01-14 | 辽宁工程技术大学 | 基于灰度体元模型的机载lidar三维建筑物检测方法 |
-
2019
- 2019-09-07 CN CN201910844952.4A patent/CN110717983B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110717983A (zh) | 2020-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717983B (zh) | 一种基于背包式三维激光点云数据的建筑物立面三维重建方法 | |
US10755098B2 (en) | Evaluation method of solar energy utilization potential in urban high-density areas based on low-altitude photogrammetry | |
CN105354883B (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
Cheng et al. | 3D building model reconstruction from multi-view aerial imagery and lidar data | |
Moyano et al. | Semantic interpretation of architectural and archaeological geometries: Point cloud segmentation for HBIM parameterisation | |
Zolanvari et al. | Three-dimensional building façade segmentation and opening area detection from point clouds | |
Kedzierski et al. | Methods of laser scanning point clouds integration in precise 3D building modelling | |
CN115564926B (zh) | 基于影像建筑物结构学习的三维面片模型构建方法 | |
Cosso et al. | Surveying and mapping a cave using 3d laser scanner: the open challenge with free and open source software | |
Kersten et al. | Automated generation of an historic 4D city model of Hamburg and its visualisation with the GE engine | |
Cefalu et al. | Image based 3D Reconstruction in Cultural Heritage Preservation. | |
CN114549956A (zh) | 一种深度学习辅助的倾斜模型建筑物外立面目标识别方法 | |
CN109727255B (zh) | 一种建筑物三维模型分割方法 | |
Xiao et al. | Monitoring excavation slope stability using drones | |
Rebelo et al. | Building 3D city models: Testing and comparing Laser scanning and low-cost UAV data using FOSS technologies | |
Husain et al. | A time efficient algorithm for ground point filtering from mobile LiDAR data | |
Papaioannou et al. | The effect of riverine terrain spatial resolution on flood modeling and mapping | |
Zhang et al. | Primitive-based building reconstruction by integration of Lidar data and optical imagery | |
Wate et al. | Formulation of hierarchical framework for 3D-GIS data acquisition techniques in context of Level-of-Detail (LoD) | |
CN112365534B (zh) | 一种基于单目相机三维重建的大型煤堆体积测量方法 | |
Román et al. | Towards the automatic 3D parametrization of non-planar surfaces from point clouds in HBIM applications | |
Zhu et al. | Feature line based building detection and reconstruction from oblique airborne imagery | |
Zhang et al. | Building extraction from high-resolution remote sensing images based on GrabCut with automatic selection of foreground and background samples | |
Ahmed et al. | Modeling complex building structure (LoD2) using image-based point cloud | |
Guo et al. | Research on 3D geometric modeling of urban buildings based on airborne lidar point cloud and image |
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 | ||
CP01 | Change in the name or title of a patent holder |
Address after: 215000 surveying and mapping geographic information building, No. 101, Suhong Middle Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee after: Yuance Information Technology Co.,Ltd. Address before: 215000 surveying and mapping geographic information building, No. 101, Suhong Middle Road, Suzhou Industrial Park, Suzhou City, Jiangsu Province Patentee before: SUZHOU INDUSTRIAL PARK SURVEYING MAPPING AND GEOINFORMATION Co.,Ltd. |
|
CP01 | Change in the name or title of a patent holder |