CN112595258B - 基于地面激光点云的地物轮廓提取方法 - Google Patents
基于地面激光点云的地物轮廓提取方法 Download PDFInfo
- Publication number
- CN112595258B CN112595258B CN202011325808.9A CN202011325808A CN112595258B CN 112595258 B CN112595258 B CN 112595258B CN 202011325808 A CN202011325808 A CN 202011325808A CN 112595258 B CN112595258 B CN 112595258B
- Authority
- CN
- China
- Prior art keywords
- ground
- points
- point cloud
- plane
- feature
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明提供的基于地面激光点云的地物轮廓提取方法,将突破了传统单点测量方式的、基于面的空间测量引入城市测量应用中,提高城市测量效率。作为城市最主要的空间实体,地物特别是建筑物的三维信息是城市重要的基础地理信息,具有重要的应用价值,整个扫描过程数据采集效率高,无需专门布设地面控制点,扫描测量受外界环境影响小,测量精度高,不仅提高了建筑物空间数据获取的自动化程度,而且扫描的点云可详细表达建筑物真实的三维信息以及细部结构,利用点云数据获取准确的轮廓信息,重构建筑物的三维模型,具有交互性能强、智能化程度高、可扩展性高、提取速度快、轮廓提取精度高等优势。
Description
技术领域
本发明涉及一种点云的地物轮廓提取方法,特别涉及一种基于地面激光点云的地物轮廓提取方法,属于地物轮廓提取技术领域。
背景技术
随着社会进步和科技发展,人们对自身生活环境的认知需要更精确的描述和场景重构,将感兴趣的空间信息数字化并建立数据库,来对现实世界的规划管理及其他方面提供服务,这种需求的增长正与测绘行业的发展相辅相承,测绘经过几十年的发展,由传统测绘发展到数字测绘,再到信息化测绘,测绘目标不再仅仅局限于地理数据,而是各种各样的专题和空间数据,测绘产品也不仅仅是地图数据,而是各种综合数据库及基于这些数据的服务。近些年来,测绘与移动互联网的结合越来越紧密,无论是在数据采集、数据管理还是产品发布以及应用方面,变得更加信息化、智能化。城市信息化是一种趋势化的浪潮,城市的三维重构需要以海量空间数据为基础,这些数据在地域上需要覆盖整个城市,而且要考虑重点的地物要素与细节,数据获取不仅要满足高精度、高效率的要求,还需要考虑数据的时效性。传统的数据获取主要依靠人工地面测绘,效率低下且数据包含的信息不全面;后来摄影测量成为城市三维空间数据获取的主要手段,它虽然提高了作业效率,但数据采集受到天气以及环境的严重制约,后期的内业处理和成图任务也非常繁重。
三维激光扫描是一种全自动、高精度的立体数据采集技术,通过非接触测量的方式,快速采集大型场景或者实体目标的三维空间坐标和数据,并经后期的数据处理重构其三维模型。三维激光扫描在重构城市地物尤其是建筑物方面有独特的优势,是建立智慧城市的重要技术。但三维激光扫描所获取的点云数据量极为庞大且掺杂着其他冗余信息,如何快速的从这些庞大的数据中去除噪声,提取建筑轮廓并快速建立相应的三维模型,具有非常重要的研究价值和广阔的应用空间。
伴随数字城市和智慧城市战略的兴起,快速获取城市各种地理要素的空间数据并建立三维模型,已成为眼下迫切的需求,地物特别是建筑物是城市最主要的要素之一,现有技术的地物轮廓提取主要存在以下缺陷需要改进:
第一,传统测绘以经纬仪、水准仪、全站仪等测量手段为主,测量模式为基于单个点的测量,其特点为操作简单、成本低,后期数据处理较快,成果直观,但需消耗人力较多,自动化程度低;后来的智能全站仪、摄影测量等新仪器和技术的出现,弥补了传统测绘自动化程度低的缺点,提高了作业效率,但仍是基于单点数据的采集,得到的是离散数据,且对作业中控制点的精度要求很高;而地面三维激光扫描技术与这些传统的测量技术相比,有许多优势:一是数据的采样率高,三维激光扫描仪突破了传统的单点测量模式,运用激光脉冲测量,能在短时间内获取目标物海量的空间数据信息,大幅提高了作业效率;二是数据采集的精度高,传统的摄影测量所测得点的坐标要根据像控点的坐标通过转换得到,根据摄影测量结果建立的模型,其精度受到像控点精度和坐标变换的制约,而三维激光扫描仪的测量精度不仅本身高于摄影测量中的解析点,而且其数据精度均匀分布;三是自动化程度高,三维激光扫描仪采用非接触式测量,在进行数据采集时并不需要接触目标物体,避免到达那些不容易达到的物体或者区域,而能够实时自动获取被测物体表面三维点云数据,不受时间与空间的限制。四是对外界环境要求低,三维激光扫描仪本身稳定性好,不需要预设专门的测量靶标和标志,不管在白天还是夜间,都能在复杂场景和空间中完成对目标物体的快速精准的格网式扫描测量,应用范围广泛;五是能结合多源传感器采集数据,不仅得到目标物表面的点位坐标,还可以采集相应的纹理以及色彩信息,使扫描系统获取被测物体更全面的信息,建模结果更加精细且与真实接近,提高了三维激光扫描在工程中的应用价值,但三维激光扫描运用到地物轮廓提取上还存在明显需要改进的地方;
第二,将激光点云这种突破了传统单点测量方式的、基于面的空间测量引入城市测量应用中,会在很大程度上提高城市测量效率,为实现智慧城市提供新的测量手段和技术方法,作为城市最主要的空间实体,地物特别是建筑物的三维信息是城市重要的基础地理信息,具有重要的应用价值,人们普遍寻求智能、自动化和高效的城市管理方法以及服务,城市建筑物准确的三维空间信息正是实现这些目标的数据基础。传统的单点测量法采集数据的效率低,劳动强度大,难以反映建筑物的三维信息,不满足高效率的要求;而摄影测量和遥感法通过卫星以及航空图像的方法提取建筑物轮廓,前期地面控制点的布设复杂且任务繁重,数据处理时特征提取、特征匹配过程计算量大、内业耗时长且自动化程度低,结果也无法反映真实的三维信息,不能满足现代化测绘的要求;
第三,现有技术要构建一个通用可行的地物轮廓提取却异常艰难和复杂,早期一般都是基于单个点的测量,因提取规则都是基于手工建立的,需要花费大量的时间和资源,而且容易产生错误,导致可移植能力较差;现有技术重点放在单点数据的采集上,地面激光点云的地物轮廓提取技术不成熟,不能够满足行业需求,同时地面激光点云存在交互性能弱、智能化程度低、可扩展性低、提取速度慢、地物轮廓提取精度低等缺陷。
发明内容
本发明提供的基于地面激光点云的地物轮廓提取方法,突破了传统单点测量方式的、基于面的空间测量引入城市测量应用中,提高城市测量效率,为实现智慧城市提供新的测量手段和技术方法。作为城市最主要的空间实体,地物特别是建筑物的三维信息是城市重要的基础地理信息,具有重要的应用价值,整个扫描过程数据采集效率高,无需专门布设地面控制点,扫描测量受外界环境影响小,测量精度高,不仅提高了建筑物空间数据获取的自动化程度,而且扫描的点云可详细表达建筑物真实的三维信息以及细部结构,将三维激光扫描技术应用到地物测量,利用点云数据获取准确的轮廓信息,重构建筑物的三维模型,有重要的研发价值和广阔的市场运用空间,具有交互性能强、智能化程度高、可扩展性高、提取速度快、轮廓提取精度高等优势。
为达到以上技术效果,本发明所采用的技术方案如下:
基于地面激光点云的地物轮廓提取方法,基于地面固定式和移动式三维扫描方式,结合扫描数据特点和地物的几何特征,提出不同的轮廓提取方法以及应用,主要包括:
一是提出用不同的方法进行地物轮廓提取的方案,地面固定式扫描在数据采集过程中,精扫时框选了扫描范围,扫描的点云除极少数噪声或者遮挡外,全部是地物表面上的点,采用基于随机抽样一致法的平面分割方法快速得到地物的各个立面的点云及立面的解析方程,并利用面面求交的方法,得到地物的轮廓;地面移动式扫描采集的点云数据包含其他多种类型的地物,提出利用平面投影法,将空间三维点云投影到XY平面,利用地物立面的投影点密度显著偏大的特点,得到立面的投影点并拟合得到直线,为地物的几何位置边界,边界的端点即为轮廓线的位置;
二是基于地物轮廓提取得到的特征点以及特征线,提出利用地物轮廓线快速建立简单模型的方法,利用提取的特征点和特征线,结合地物各个立面的空间拓扑关系,重构出地物的几何模型框架,地物的高度通过搜索z轴的最大值以及地面高程作差得到,纹理数据通过CCD相机采集而经后处理得到,将处理得到的纹理数据粘贴到地物几何模型框架的立面上,得到地物的简单三维模型;
三是提出利用点云投影密度进行点云数据粗差的去除及地物粗分类的应用,将投影点密度按照地物的特征划分为不同的区间,然后将不同密度的点云进行分类,密度小的点云是地面上的点和一些离散的噪声点,作为数据中的粗差去除,密度大的点分布在地物的立面上,进行平面分割或者平面投影提取地物的轮廓线;通过点云投影密度进行分类得到的地物立面点云,其提取的建筑物的轮廓与直接通过平面投影提取到的轮廓线差异很小,分类后投影密度大的点都是地物表面上的点,利用点云投影密度进行粗差去除以及地物粗分类可靠,利用点云投影密度法为平面分割以及平面投影提取地物轮廓作数据准备。
基于地面激光点云的地物轮廓提取方法,进一步的,本发明地物的形体特征描述为三部分:几何位置边界、立面结构、屋顶结构;几何位置边界是地物平面位置和占地面积、形状的综合表现形式;立面结构涵盖人们视觉能捕获到的地物要素,主要包括门、窗、阳台灯;地面三维激光扫描难以获取完整的屋顶结构;本发明常见地物的重要要素用语义描述为:
一是几何位置边界,几何位置边界为墙面与地面的交线,交线的端点即为墙角点,几何位置边界所构成的平面线框为几何对称和规则的四边形或多边形;
二是立面,立面为地物墙面所在的空间位置,立面与水平面垂直,其法向量与Z轴垂直,立面与立面之间垂直相交,其交线为地物的立面轮廓线,轮廓线与地面相交的端点为墙角点;
三是窗户,窗户是立面上最重要的特征要素,窗户和墙面不在同一个平面内,和墙面所在平面有深度差异,但在实际分割中难以区分这种较小的深度差异,将窗户归类到墙面所在的平面内,窗户的面积比墙面小且不与地物边缘相交;
四是阳台,阳台是墙面的附属结构,能扫描到的阳台包含正面、底面及两个侧面,它们与墙面的深度差异与窗户相比较明显,可以区分;阳台的正面比墙面深度浅且地面与墙面垂直相交,即法向量在Z轴方向,侧面的面积较小且同样与墙面所在立面垂直;阳台整体包含在墙面所在范围内,底面高出地面且正面与侧面的顶点不超出屋顶与墙面的交线;
五是门,门表现为门洞形式,门洞与窗户类似,其与墙面的深度差异难以区分,将门洞归到墙面所在的立面中,门洞的底部与地面相交;
六是屋顶,屋顶的空间位置为地物的最高处且与地物的各立面相交,其交线为水平线,平面屋顶与水平面平行;前后斜顶分为前后两个相交的倾斜平面,其交线在地物的中线上,两个倾斜平面关于交线空间对称,即前后两个倾斜屋顶平面的倾角和面积相等。
基于地面激光点云的地物轮廓提取方法,进一步的,地物形体特征分析为:
一是地物中点的特征,以点的三维坐标的形式表现,对这些特征点进行描述必须获取特征点的三维坐标,如果能计算出特征点的三维坐标,就能确定特征点的空间位置,即地物的空间位置,对地物特征点的提取是求取该点三维坐标的过程;三维激光扫描获取的是地物表面点的三维坐标,特征点与地物表面众多其他点混杂在一起,凭借单一手段难以快速找到特征点;地物的形体特征点多数为实点,少部分为虚点,虚点隐藏或者依赖特定的结构存在;三维激光扫描的X方向是起始扫描方向,它是任意方向且不能照准某个特定点,不论实点还是虚点都不能通过直接测量获取,必须通过数学和几何的方法获取;获取特征点根据地物中的点、线、面之间的拓扑关系求得,地物的特征点是特征线的交点,特征线与面的交点,不同面之间的交点;实点根据以上方法,通过求取特征线或者面的交点求得,虚点通过拟合某些面或者规则几何形状,通过解析几何的方式求得;
二是地物中线的特征,分为直线和曲线,但多以直线为主,很少出现自由曲线;地物中线的特征包括线在空间中的位置、线行及线的长度,描述线的特征必须求出线在空间坐标系中的解析方程;三维空间中解析方程能描述线的所有特征,而线的端点即为特征点,如果求出特征点的位置则限定了特征线的变量区间,线的长度也可以相应的求出;在边缘处的特征线即轮廓线,突出的轮廓线是直线且Z轴方向相同或者相反;同特征点的求法相同,特征线通过地物中线、面的拓扑关系求得,通过求面与面的相交线得到;特征线通过拟合的方法求得,利用三维激光扫描得到的散点数据提取边缘点,将边缘点拟合成特征线求得解析方程;隐藏在结构中的虚线不能通过测量直接得到,必须通过解析几何的方式求得,根据扫描的点云数据拟合该地物实体求得解析几何方程,算出对应的特征虚线的轴线方程;
三是地物中面的特征,主要包括平面和简单曲面,描述地物中面的特征包括空间位置、法线方向、形状、面积,对这些特征的描述是求这个特征面的解析方程;三维激光扫描以得到的是地物表面的点云坐标,三维激光扫描有采样间隔,得到的一个面上的点有限,求面的解析方程是拟合出这个面,将具有共同几何特征的点归类到一个最佳平面上并求得这个平面的参数方程,规则的曲面通过简单的二次曲面方程拟合。
基于地面激光点云的地物轮廓提取方法,进一步的,地物轮廓线为地物墙面所在的立面之间的相交线,地物的各个立面中不存在曲面,只由平面或者近似平面结构组成,它的轮廓线无法通过扫描直接测得,必须对扫描所得到的点云数据进行分析处理,利用特征提取的方法和地物中点、线、面的拓扑关系求取轮廓线;
本发明提出两种思路:第一种方法是在去噪环节,提出一种能去除窗户透射产生的噪声的去噪方法,这样平面分割得到的虚假立面少;第二种方法是根据分割时提取的立面上的点总数进行区分,一般虚假立面上的点总是很少,而真实立面上的点的总数则很多,二者不在一个数量级;本发明选用平面上点最多的两个立面进行分析,利用随机抽样一致法分割地物平面,随机抽样一致法分割地物平面时,每次能分割出地物中内点最多的面并将这些内点从初始点云数据中分离,分离后的点再作为下一次分割后的初始数据,对于分离出的内点,利用最小拟合法得到最佳平面的参数方程。
基于地面激光点云的地物轮廓提取方法,进一步的,平面投影法提取几何位置边界:根据地物垂直于水平面的特征,地物投影到水平面上时,立面上的点在投影面内的投影点会分布密集,形成明显的几何位置边界;在MATLAB导入点云数据,进行边长为1mm的格网划分;将数据中最明显的两个面的立面上的点投影到XY平面上,看到明显的线状的几何位置边界,利用最小二乘原理将线性分布的点拟合成直线,得到这两个立面的几何位置边界的解析方程;利用平面投影的方法得到较明显的几何位置边界,识别出几何位置边界上的点并拟合成直线,得到几何位置边界的解析方程。
基于地面激光点云的地物轮廓提取方法,进一步的,点云投影密度法提取地物轮廓线:三维激光扫描获取目标物表面点云数据,点的三维坐标建立在扫描仪内部的坐标系中,仪器坐标系的原点为仪器的扫描中心点,X轴为水平扫描面内起始扫描方向,Y轴在水平扫描面内且与X轴垂直,Z轴与水平扫描面垂直,构成右手坐标系;利用投影点密度法分割距离图像,基于将三维点云投影到XY所构成的平面上,地物边缘上的点在投影面上单位面积内的频率大,地物的立面高于地面环境且墙面具有垂直的特征,地面三维激光扫描仪的内部坐标系的Z轴垂直向上,是地物的主方向,根据地物的这个特征,引入点云投影密度概念,点云投影密度定义为:将三维坐标点垂直投影到任一水平面上,统计和计算该水平面任意位置处所含投影点的个数,记为DPP,投影方式是将Z取0值或者任意常数,投影方程为:
投影点密度与投影后选择的区域范围和地物的高度H相关,如果将投影面划分为均匀的格网,格网边长为W,地物扫描所有的点投影后都落入到格网内,建筑物的高度H是定值,近似的用落入每个格网点内的投影点个数M代替投影点密度,则有:
其中Mi表示某一横断面上落入每个格网内的点的个数,三维激光扫描获取的是地物表面的点数据,理论上在取Z为任意数的截面上,点应该都分布在地物立面所在的位置,即地物的几何位置边界,因此在任意高度H处几何位置边界的值最大,其他地方均为0;但扫描时不可避免的会将其他地物纳入到扫描范围,这些噪声点分布在几何位置边界的周围而难以区分开来,造成周围区域的Mi值不为0,将空间中所有的扫描点投影到水平投影面上时,DPP值会随着H的增加而显著增大,投影后整个墙面的点都落入到几何位置边界线上,使得XY投影面内几何位置边界出的DPP值显著增大;
在水平投影面上,地物的几何位置边界处的点云投影密度远大于其他地方,利用这个特征,通过求点云投影密度法将地物与噪声区分开来,提取地物的几何位置边界所在的格网并拟合出几何位置边界的解析方程。
基于地面激光点云的地物轮廓提取方法,进一步的,基于点云投影密度的点云粗差去除与地物粗分类:用点云投影密度法统计每一个格网内点云的密度,密度值明显大于其他的格网是地物几何位置边界所在的点,其他位置所对应的点可能是非目标物的点,或产生的噪声点;对DPP值取适当的临界值,将小于临界值的格网所对应的点云删除,反之则保留,达到去除点云粗差的目的;运用统计的方法做更精细的分析,对格网的点云密度做统计,以格网内点的密度值DPP的区域划分为横轴,以落入该范围内的点的个数为纵轴,得到投影平面内DPP值在某个范围内投影点个数的分布图,格网的大小一定,则DPP值可用落入格网内点的总数M代替,横轴可等间距划分,也可以根据数据分布的特征进行非等距的划分,区间的个数灵活取值。
基于地面激光点云的地物轮廓提取方法,进一步的,根据综合分析结果,将横轴划分为非等距的四个区间,分别为(0,Max/100]、(Max/100,Max/20]、(Max/20,Max/3]、(Max/3,Max],本发明中数据分割和统计的具体步骤为:
步骤一,搜索三维点云,寻找x的最值xmin和xmax,y的最值ymin和ymax,将最值构成的矩形平面空间等距离划分成m×m的网格;
步骤二,统计每个网格内落入投影点的数量Mi,搜索其最大值设为MAX;
步骤三,将Mi的取值划分为(0,Max/100]、(Max/100,Max/20]、(Max/20,Max/3]、(Max/3,Max]四个区间,并建立四个对应的文件存储点云;对某个投影点数为Mi的格网,判定Mi属于的区间,并将落入该格网内的点划分到Mi所在区间对应的点云文件中去;
步骤四,循环步骤三,直到搜索完所有的格网;
以上步骤将落在不同密度区间的点划分为对应点云文件中,分割得到不同投影密度的点。
基于地面激光点云的地物轮廓提取方法,进一步的,点云投影密度的分析结论:
结论一,运用点云投影密度法能很好的去除扫描时的粗差,将地物立面数据分离出来,进而提取几何边界位置,是一种可行的提取地物轮廓的方法;
结论二,提取的地物立面点的精确程度与划分的格网大小有关,格网划分较密集时能提出地物表面反射所产生的噪声,有助于提高地面轮廓线的提取精度,但计算量会相应的增大;
结论三,点云投影密度法能很有效的去除扫描中的粗差,将地物的立面点云数据从整体的分离出来,为利用随机抽样一致法分割平面再求立面交线的方法得到地物的轮廓,也可以进行平面投影拟合出地物立面几何边界的位置进而得到轮廓线,点云投影密度法可以为这两种方法从初始的扫描点云中提取地物轮廓线做数据预处理。
基于地面激光点云的地物轮廓提取方法,进一步的,本发明利用提取的地物几何位置边界和立面轮廓数据,提出利用地物轮廓线快速建立简单模型的方法,对于简单的地物,认为它的立面都是平面或者简单二次曲面,通过提取得到的几何位置边界和立面轮廓线构建地物的骨架,在骨架上的各个简单面内粘贴相机得到的表面纹理,即可快速得到简单的地物三维模型,这种模型表示了地物的真实位置、大小、形状特征,且模型占用的存储空间很小;
如果知道地物的高度,则能构建地物的三维模型,地物的高度通过点云Z坐标的关系得到,即高度为地物顶部的高程减去地面点的高程值,理论上搜索提取的地物某立面上的所有点,找到z坐标最大值和最小值,则这二者之差就是地物的高度,对搜索的z坐标值最大的点,设定一个距离临界值e和期望个数m,遍历所有点,寻找z坐标与最大值zmax之差在临界值范围内的点,统计这些点的个数M,如果M大于或者远大于m,则认为搜索的点都是立面上的点而非个别噪声点,则此时的最大值zmax即为地物顶面的高程;如果M小于m,则将zmax=zmax-e代替zmax重新进行搜索,直到M的值大于期望值m,而地面的高程利用提取到的地面点平面的高程代替;
得到地物的地面线画图以及地物的高度,对地物构建几何模型框架,再将CCD相机拍摄的地物表面相片作相应的纠正和处理,得到纹理数据;最后,将纹理粘贴在地物的各个立面上,就得到了地物的简单的三维模型,屋顶的纹理可通过高分辨率卫星图像或航空相片获取。
与现有技术相比,本发明的贡献和创新点在于:
第一,本发明提供的基于地面激光点云的地物轮廓提取方法,针对地面固定式扫描和移动式扫描获取的点云数据的差别,提出了用不同的方法进行地物轮廓提取的方案,地面固定式扫描在数据采集过程中,精扫时框选了扫描范围,扫描的点云除极少数噪声或者遮挡外,全部是地物表面上的点,因此采用基于随机抽样一致法的平面分割方法快速得到地物的各个立面的点云及立面的解析方程,并利用面面求交的方法,得到地物的轮廓;而地面移动式扫描采集的点云数据包含其他多种类型的地物,平面分割法效率非常低,甚至无法完成分割,因此提出了利用平面投影法,将空间三维点云投影到XY平面,利用地物立面的投影点密度显著偏大的特点,得到立面的投影点并拟合得到直线,为地物的几何位置边界,边界的端点即为轮廓线的位置,并对两种方法提取的结果进行了对比分析,相互验证了这两种方法在提取地物轮廓方面的可靠性和优越性;
第二,本发明提供的基于地面激光点云的地物轮廓提取方法,基于地物轮廓提取得到的特征点以及特征线,提出利用地物轮廓线快速建立简单模型的方法,利用提取的特征点和特征线,结合地物各个立面的空间拓扑关系,重构出地物的几何模型框架,纹理数据通过CCD相机采集而经后处理得到,将处理得到的纹理数据粘贴到地物几何模型框架的立面上,得到地物的简单三维模型,这种模型的重构速度快且占用存储空间小,模型实用高效、易于扩展、提取精准快速,在实际应用中有很高的利用价值;
第三,本发明提供的基于地面激光点云的地物轮廓提取方法,针对平面投影法中引入的点云投影密度概念,提出利用点云投影密度进行点云数据粗差的去除及地物粗分类的应用,将投影点密度按照地物的特征划分为不同的区间,然后将不同密度的点云进行分类,通过实验证明通过点云投影密度进行分类得到的地物立面点云,其提取的建筑物的轮廓与直接通过平面投影提取到的轮廓线差异很小,说明分类后投影密度大的点都是地物表面上的点,即验证了利用点云投影密度进行粗差去除以及地物粗分类的可靠性,同时也得出利用点云投影密度法为平面分割以及平面投影提取地物轮廓作数据准备的结论,是一种具备显著创新性,且优势突出的激光点云地物轮廓提取方法;
第四,本发明提供的基于地面激光点云的地物轮廓提取方法,将突破了传统单点测量方式的、基于面的空间测量引入城市测量应用中,会在很大程度上提高城市测量效率,为实现智慧城市提供新的测量手段和技术方法。作为城市最主要的空间实体,地物特别是建筑物的三维信息是城市重要的基础地理信息,具有重要的应用价值,整个扫描过程数据采集效率高,无需专门布设地面控制点,扫描测量受外界环境影响小,测量精度高,不仅提高了建筑物空间数据获取的自动化程度,而且扫描的点云可详细表达建筑物真实的三维信息以及细部结构,将三维激光扫描技术应用到地物测量,利用点云数据获取准确的轮廓信息,重构建筑物的三维模型,具有重要的研发价值和广阔的市场运用空间,具有交互性能强、智能化程度高、可扩展性高、提取速度快、轮廓提取精度高等优势。
附图说明
图1是本发明随机抽样一致法分割地物平面实例示意图。
图2是本发明利用地物轮廓线快速建立简单模型的方法流程图。
图3是本发明示例建筑物的地面轮廓线示意图。
图4是本发明示例建筑物的几何模型框架示意图。
图5是本发明搜索建筑物高度的步骤流程示意图。
具体实施方式
下面结合附图,对本发明提供的基于地面激光点云的地物轮廓提取方法的技术方案进行进一步的描述,使本领域的技术人员可以更好的理解本发明并能予以实施。
地面三维激光扫描系统突破了传统的单点测量方式,在数据采集的效率以及信息的全面获取方面有着独到明显的优势。随着近年来地面三维激光扫描仪性能的飞速提升,利用点云数据实现三维重构的应用日益增多,在工程测量方面已有非常广泛的应用。地面三维激光扫描技术已成为城市测量的主要手段,本发明基于地面固定式和移动式三维扫描方式,结合扫描数据特点和地物的几何特征,提出不同的轮廓提取方法以及应用,主要包括:
一是针对地面固定式扫描和移动式扫描获取的点云数据的差别,提出了用不同的方法进行地物轮廓提取的方案,地面固定式扫描在数据采集过程中,精扫时框选了扫描范围,扫描的点云除极少数噪声或者遮挡外,全部是地物表面上的点,因此采用基于随机抽样一致法的平面分割方法快速得到地物的各个立面的点云及立面的解析方程,并利用面面求交的方法,得到地物的轮廓;而地面移动式扫描采集的点云数据包含其他多种类型的地物,平面分割法效率非常低,甚至无法完成分割,因此提出了利用平面投影法,将空间三维点云投影到XY平面,利用地物立面的投影点密度显著偏大的特点,得到立面的投影点并拟合得到直线,为地物的几何位置边界,边界的端点即为轮廓线的位置,并对两种方法提取的结果进行了对比分析,相互验证了这两种方法在提取地物轮廓方面的可靠性和优越性;
二是基于地物轮廓提取得到的特征点以及特征线,提出利用地物轮廓线快速建立简单模型的方法,利用提取的特征点和特征线,结合地物各个立面的空间拓扑关系,重构出地物的几何模型框架,地物的高度通过搜索z轴的最大值以及地面高程作差得到,纹理数据通过CCD相机采集而经后处理得到,将处理得到的纹理数据粘贴到地物几何模型框架的立面上,得到地物的简单三维模型。这种模型的重构速度快且占用存储空间小,在实际应用中有很高的利用价值;
三是针对平面投影法中引入的点云投影密度概念,提出利用点云投影密度进行点云数据粗差的去除及地物粗分类的应用,将投影点密度按照地物的特征划分为不同的区间,然后将不同密度的点云进行分类,密度小的点云是地面上的点和一些离散的噪声点,作为数据中的粗差去除,密度大的点分布在地物的立面上,进行平面分割或者平面投影提取地物的轮廓线;通过实验证明通过点云投影密度进行分类得到的地物立面点云,其提取的建筑物的轮廓与直接通过平面投影提取到的轮廓线差异很小,说明分类后投影密度大的点都是地物表面上的点,即验证了利用点云投影密度进行粗差去除以及地物粗分类的可靠性,同时也得出利用点云投影密度法为平面分割以及平面投影提取地物轮廓作数据准备的结论。
地物特别是建筑物是城市最重要的要素之一,完成城市数字化的任务,地物的三维建模是庞大复杂的工程。单个地物的形体结构有组成结构、部位形状、高度、位置、占地面积、体积等关键性的几何量描述,在利用地物的三维点云数据进行模型重构时要合理抓住几何特征,但地物的点云数据量大且含有多个面,直接运用三维点云建模计算量很大,且地物的曲面模型的数学表示难度大,甚至无法用合适的数学表达式拟合某些复杂平面。为提高模型重构的效率与准确性,需要对三维点云进行区域分割,通过将三维点云数据中具有相似几何性质的点归类得到不同的特征区域,然后对这些特征区域进行描述与组合,从中得到地物的某些几何特征,针对地物结构上的几何特征快速建模。
一、地物形体特征
(一)地物形体特征的语义描述
地物的形体特征描述为三部分:几何位置边界、立面结构、屋顶结构;几何位置边界是地物平面位置和占地面积、形状的综合表现形式;立面结构涵盖人们视觉能捕获到的地物要素,主要包括门、窗、阳台灯;地面三维激光扫描难以获取完整的屋顶结构;常见地物的重要要素用语义描述为:
一是几何位置边界,几何位置边界为墙面与地面的交线,交线的端点即为墙角点,几何位置边界所构成的平面线框为几何对称和规则的四边形或多边形;
二是立面,立面为地物墙面所在的空间位置,立面与水平面垂直,其法向量与Z轴垂直,立面与立面之间垂直相交,其交线为地物的立面轮廓线,轮廓线与地面相交的端点为墙角点;
三是窗户,窗户是立面上最重要的特征要素,窗户和墙面不在同一个平面内,和墙面所在平面有深度差异,但在实际分割中难以区分这种较小的深度差异,将窗户归类到墙面所在的平面内,窗户的面积比墙面小且不与地物边缘相交;
四是阳台,阳台是墙面的附属结构,能扫描到的阳台包含正面、底面及两个侧面,它们与墙面的深度差异与窗户相比较明显,可以区分;阳台的正面比墙面深度浅且地面与墙面垂直相交,即法向量在Z轴方向,侧面的面积较小且同样与墙面所在立面垂直;阳台整体包含在墙面所在范围内,底面高出地面且正面与侧面的顶点不超出屋顶与墙面的交线;
五是门,门表现为门洞形式,门洞与窗户类似,其与墙面的深度差异难以区分,将门洞归到墙面所在的立面中,门洞的底部与地面相交;
六是屋顶,屋顶的空间位置为地物的最高处且与地物的各立面相交,其交线为水平线,平面屋顶与水平面平行;前后斜顶分为前后两个相交的倾斜平面,其交线在地物的中线上,两个倾斜平面关于交线空间对称,即前后两个倾斜屋顶平面的倾角和面积相等;
(二)地物形体特征分析
1.地物中点的特征
地物中点的特征以点的三维坐标的形式表现,对这些特征点进行描述必须获取特征点的三维坐标,如果能计算出特征点的三维坐标,就能确定特征点的空间位置,即地物的空间位置,对地物特征点的提取是求取该点三维坐标的过程;三维激光扫描获取的是地物表面点的三维坐标,特征点与地物表面众多其他点混杂在一起,凭借单一手段难以快速找到特征点;地物的形体特征点多数为实点,少部分为虚点,虚点隐藏或者依赖特定的结构存在;三维激光扫描的X方向是起始扫描方向,它是任意方向且不能照准某个特定点,不论实点还是虚点都不能通过直接测量获取,必须通过数学和几何的方法获取;获取特征点根据地物中的点、线、面之间的拓扑关系求得,地物的特征点是特征线的交点,特征线与面的交点,不同面之间的交点;实点根据以上方法,通过求取特征线或者面的交点求得,虚点通过拟合某些面或者规则几何形状,通过解析几何的方式求得。
2.地物中线的特征
地物中的线分为直线和曲线,但多以直线为主,很少出现自由曲线;地物中线的特征包括线在空间中的位置、线行及线的长度,描述线的特征必须求出线在空间坐标系中的解析方程;三维空间中解析方程能描述线的所有特征,而线的端点即为特征点,如果求出特征点的位置则限定了特征线的变量区间,线的长度也可以相应的求出;在边缘处的特征线即轮廓线,突出的轮廓线是直线且Z轴方向相同或者相反;同特征点的求法相同,特征线通过地物中线、面的拓扑关系求得,通过求面与面的相交线得到;特征线通过拟合的方法求得,利用三维激光扫描得到的散点数据提取边缘点,将边缘点拟合成特征线求得解析方程;隐藏在结构中的虚线不能通过测量直接得到,必须通过解析几何的方式求得,根据扫描的点云数据拟合该地物实体求得解析几何方程,算出对应的特征虚线的轴线方程。
3.地物中面的特征
地物中的面主要包括平面和简单曲面,描述地物中面的特征包括空间位置、法线方向、形状、面积,对这些特征的描述是求这个特征面的解析方程;三维激光扫描以得到的是地物表面的点云坐标,三维激光扫描有采样间隔,得到的一个面上的点有限,求面的解析方程是拟合出这个面,将具有共同几何特征的点归类到一个最佳平面上并求得这个平面的参数方程,规则的曲面通过简单的二次曲面方程拟合。
二、随机抽样一致法提取立面轮廓线
地物轮廓线是地物特征线之一,直观理解为地物墙面所在的立面之间的相交线,地物的各个立面中不存在曲面,只由平面或者近似平面结构组成,它的轮廓线无法通过扫描直接测得,必须对扫描所得到的点云数据进行分析处理,利用特征提取的方法和地物中点、线、面的拓扑关系求取轮廓线。
利用平面分割法能很好的将地物的立面区分开来,根据地物结构的拓扑关系,利用平面相交的方法求轮廓线,效率很高。但这种方法也存在问题,如何从分割的结果中选出有效的立面,排除噪声等产生的虚假立面。本发明提出两种思路:第一种方法是在去噪环节,提出一种能去除窗户透射产生的噪声的去噪方法,这样平面分割得到的虚假立面少;第二种方法是根据分割时提取的立面上的点总数进行区分,一般虚假立面上的点总是很少,而真实立面上的点的总数则很多,二者不在一个数量级。
本发明选用平面上点最多的两个立面进行分析,利用随机抽样一致法分割地物平面,结果如图1所示,随机抽样一致法分割地物平面时,每次能分割出地物中内点最多的面并将这些内点从初始点云数据中分离,分离后的点再作为下一次分割后的初始数据,对于分离出的内点,利用最小拟合法得到最佳平面的参数方程。
三、提取几何位置边界
(一)平面投影法提取几何位置边界
根据地物垂直于水平面的特征,地物投影到水平面上时,立面上的点在投影面内的投影点会分布密集,形成明显的几何位置边界;在MATLAB导入点云数据,进行边长为1mm的格网划分;将数据中最明显的两个面的立面上的点投影到XY平面上,看到明显的线状的几何位置边界,利用最小二乘原理将线性分布的点拟合成直线,得到这两个立面的几何位置边界的解析方程。利用平面投影的方法得到较明显的几何位置边界,采用一定的方法识别出几何位置边界上的点并拟合成直线,得到几何位置边界的解析方程,需要解决两个问题:一是验证平面投影法提取得到的几何位置边界的可靠性,二是从投影面内分离提取出立面上的投影点。为验证平面投影法的可靠性,将平面投影法提取边界的结果与随机抽样一致法分割得到的结果进行对比。
(二)两种方法结果对比
根据地物中点、线、面的拓扑关系,地物的轮廓线与地面的交点即为建筑物的墙角点,而墙角点所连接成的线框即为地物的几何位置边界,分别求出同一地物的立面几何位置边界和立面轮廓线,二者是可以进行相互验证;由于点云是经过配准后的点云,为排除配准造成的误差影响,其中平面的参数由随机抽样一致法分割时记录得到,平面A、B的交线L的法向量v的前两个分量都非常小,第三个分量近似为常数1,说明L的方向几乎与Z轴平行,与预期的结果相符合,对两种方法求得的角点坐标进行比较,发现这两点在XY平面的距离为2.6mm,说明两种方式求得的地物的几何位置边界很接近,进而相互验证了这两种方法的可靠性。平面C和D三个方向参数都很接近,说明这两个平面几乎平行。与现实中的地物对比,这两个平面的深度之差接近为14.25cm,与两种方法的实验结果误差都在±4mm内,进一步验证了这两种方法的可靠性。通过以上两组实验结果的对比得到如下结论:利用平面投影法提取的轮廓线结果与平面分割法基本相同,两种方法的结果进行了相互验证,证明了这两种方法的可靠性。
四、点云投影密度
平面投影法较好的解决移动测量获取的点云数据中地物的轮廓提取问题,其结果与随机抽样一致法平面分割提取的地物轮廓线结果对比,验证了提取结果的可靠性。因此,下一步是从投影点中提取出地物立面上的投影点,分离出立面上的点或将投影点拟合成直线,得到地物轮廓线的解析方程,本发明采用点云投影密度的方法。
(一)点云投影密度法提取地物轮廓线
三维激光扫描获取目标物表面点云数据,点的三维坐标建立在扫描仪内部的坐标系中,仪器坐标系的原点为仪器的扫描中心点,X轴为水平扫描面内起始扫描方向,Y轴在水平扫描面内且与X轴垂直,Z轴与水平扫描面垂直,构成右手坐标系;利用投影点密度法分割距离图像,基于将三维点云投影到XY所构成的平面上,地物边缘上的点在投影面上单位面积内的频率大,地物的立面高于地面环境且墙面具有垂直的特征,地面三维激光扫描仪的内部坐标系的Z轴垂直向上,是地物的主方向,根据地物的这个特征,引入点云投影密度概念,点云投影密度定义为:将三维坐标点垂直投影到任一水平面上,统计和计算该水平面任意位置处所含投影点的个数,记为DPP,投影方式是将Z取0值或者任意常数,投影方程为:
投影点密度与投影后选择的区域范围和地物的高度H相关,如果将投影面划分为均匀的格网,格网边长为W,地物扫描所有的点投影后都落入到格网内,建筑物的高度H是定值,近似的用落入每个格网点内的投影点个数M代替投影点密度,则有:
其中Mi表示某一横断面上落入每个格网内的点的个数,三维激光扫描获取的是地物表面的点数据,理论上在取Z为任意数的截面上,点应该都分布在地物立面所在的位置,即地物的几何位置边界,因此在任意高度H处几何位置边界的值最大,其他地方均为0。但由于扫描时不可避免的会将其他地物纳入到扫描范围,这些噪声点分布在几何位置边界的周围而难以区分开来,造成周围区域的Mi值不为0,将空间中所有的扫描点投影到水平投影面上时,DPP值会随着H的增加而显著增大,投影后整个墙面的点都落入到几何位置边界线上,使得XY投影面内几何位置边界出的DPP值显著增大。
在水平投影面上,地物的几何位置边界处的点云投影密度远大于其他地方,利用这个特征,通过求点云投影密度法将地物与噪声区分开来,提取地物的几何位置边界所在的格网并拟合出几何位置边界的解析方程。
(二)基于点云投影密度的点云粗差去除与地物粗分类
用点云投影密度法统计每一个格网内点云的密度,密度值明显大于其他的格网是地物几何位置边界所在的点,其他位置所对应的点可能是非目标物的点,或产生的噪声点;对DPP值取适当的临界值,将小于临界值的格网所对应的点云删除,反之则保留,达到去除点云粗差的目的;运用统计的方法做更精细的分析,对格网的点云密度做统计,以格网内点的密度值DPP的区域划分为横轴,以落入该范围内的点的个数为纵轴,得到投影平面内DPP值在某个范围内投影点个数的分布图,格网的大小一定,则DPP值可用落入格网内点的总数M代替,横轴可等间距划分,也可以根据数据分布的特征进行非等距的划分,区间的个数灵活取值。实施例根据综合分析结果,将横轴划分为非等距的四个区间,分别为(0,Max/100]、(Max/100,Max/20]、(Max/20,Max/3]、(Max/3,Max],本发明中数据分割和统计的具体步骤为:
步骤一,搜索三维点云,寻找x的最值xmin和xmax,y的最值ymin和ymax,将最值构成的矩形平面空间等距离划分成m×m的网格;
步骤二,统计每个网格内落入投影点的数量Mi,搜索其最大值设为MAX;
步骤三,将Mi的取值划分为(0,Max/100]、(Max/100,Max/20]、(Max/20,Max/3]、(Max/3,Max]四个区间,并建立四个对应的文件存储点云;对某个投影点数为Mi的格网,判定Mi属于的区间,并将落入该格网内的点划分到Mi所在区间对应的点云文件中去;
步骤四,循环步骤三,直到搜索完所有的格网;
以上步骤将落在不同密度区间的点划分为对应的点云文件中,分割得到不同投影密度的点。为验证点云投影密度法在地物分类与地物立面点云提取中应用的可行性,利用以上方法做两组对比实验,实验的结果如下。
实验一:目的是探讨不同规格的格网对点云分割和提取的影响,实验中为排除透射点的影响,利用Geomagic软件去掉透射产生的噪声点,三组点云数据分别为:
数据一,未用滤波器过滤掉地面点,对投影面进行100×100进行格网划分;
数据二,未用滤波器过滤掉地面点,对投影面进行1000×1000进行格网划分;
数据三,用滤波器过滤掉地面点,对投影面进行1000×1000进行格网划分;
实验一结果分析如下:
第一,总体分析,两种规格划分的格网的方法提取地面点都落入第一个区间,即地面点的投影密度均很小,而地物的立面数据主要落在第四个区间,说明地物立面点的投影密度都很大,与实验预期的结果相符合;
第二,对比前两组数据,发现划分的格网的大小不同,总体上分割的效果没有差异,但是在细节上有区别。如数据二落在第四个区间的点小于数据一,这些点被分到前三个区间中去,原因为:建筑物的表面会产生噪声点,这些噪声点离地物的立面距离很小,当划分的格网较大时,这些噪声点跟地物立面上的点落入到了同一个格网中,被当作地物立面上的点被划分到了第四个区间;但格网变小后,这些噪声点没有和地物的点落在同一个格网内,而单独落在附近的格网中,导致这些噪声点所在的格网点的数量很少,因此大多数被划分到了第一区间,有的噪声相对密集的地方被划分到第二和第三区间中;
第三,对比后两组数据,去噪后的点云与没有去噪的点云相比,减少的点云大部分都落在第一区间,其余区间的点数量变化不大,原因是去除的地面上的点都在第一区间内,因此变化很大,而后面区间变化不大的为去掉的少量的离群点,实验结果与预期相符合。
第四,通过四个区间的划分,能够很好的将特征不同的点分开。
实验二:目的是探究点云密度投影法提取地物立面上的点的可行性,实验数据采集数据三的初始数据,未利用Geomagic去掉透射产生的噪声点,也未用滤波器去掉地面点,统计落入每个格网内点的数量。
实验二结果分析如下:
第一,从被分开的四个区间的点对比发现,由窗户以及门洞透射产生的噪声点分布较密集,但它们主要集中在第一和第二区间,没有噪声点被分入第四个区间,说明这种区间临界值的划分较好的区分开了地物表面上的点和透射产生的点,选择去除透射产生的噪声点的同时,也能保留地物立面上绝大多数的点,这也同时说明了在不去除这类噪声点进行平面分割时,会产生虚假平面的结果;
第二,利用点云投影密度法能较好的去除初始扫描点云数据中的粗差以及透射噪声点产生的虚假立面,提取出地物立面上的点,选择合适的临界值能达到去除点云中的粗差又不影响地物轮廓的提取结果;
(三)点云投影密度的实验分析结论
由以上两组实验的结果,通过总结分析得出如下结论:
结论一,运用点云投影密度法能很好的去除扫描时的粗差,将地物立面数据分离出来,进而提取几何边界位置,是一种可行的提取地物轮廓的方法;
结论二,提取的地物立面点的精确程度与划分的格网大小有关,格网划分较密集时能提出地物表面反射所产生的噪声,有助于提高地面轮廓线的提取精度,但计算量会相应的增大;
结论三,点云投影密度法能很有效的去除扫描中的粗差,将地物的立面点云数据从整体的分离出来,为利用随机抽样一致法分割平面再求立面交线的方法得到地物的轮廓,也可以进行平面投影拟合出地物立面几何边界的位置进而得到轮廓线,点云投影密度法可以为这两种方法从初始的扫描点云中提取地物轮廓线做数据预处理。
五、利用地物轮廓线快速建模的应用
城市数字化是新时代的热点,问题集中在地物的三维建模上。现有技术研发和生产三维激光扫描仪的公司很多,他们也都开发了自己配套的建模软件,用于处理仪器扫描的三维点云数据,使建模速度更快,结果更准确,效果更真实。利用软件建立的地物三维模型结果十分精细,能够反应地物的细节特点。但这样的模型建立过程在花费时间成本的同时,占用了大量的存储空间,而这些因素都是在实际应用中需要考虑到的。
本发明利用提取的地物几何位置边界和立面轮廓数据,提出一种利用地物轮廓线快速建立简单模型的方法,快速建模方案与软件建模方法不同,当前主流软件的建模方法都是从点出发,对点构建三角网或者空间格网进而构造多边形再拟合成面,其构造网格再拟合成曲面的过程计算量非常大,对于简单的地物,认为它的立面都是平面或者简单二次曲面,通过提取得到的几何位置边界和立面轮廓线构建地物的骨架,在骨架上的各个简单面内粘贴相机得到的表面纹理,即可快速得到简单的地物三维模型,这种模型虽然与真实的模型在细节上有差别,但它表示了地物的真实位置、大小、形状等最主要的特征,且模型占用的存储空间很小。
利用地物轮廓线快速建立简单模型的方法采用组合的方法,将地物从底面、墙面再到屋顶依次搭建起来,构建地物的几何模型框架,它忽略因区分地物中各种要素带来的复杂计算过程,建立的简单模型也可以反应实体地物的主要特征,建模速度快且存储空间小,在实际的生产应用中可有很高的价值。
对于建立的模型,通过全站仪获取地物特征点的实地坐标,将整个模型数据转换到实际工程坐标系中,建立的三维模型就能直接应用在基于实际的工程坐标系的场景中,在大规模地物三维重构时具有重要应用价值。建模流程如图2所示。
当今三维建模早已成为热点话题,相应的三维建模的软件也很多,可针对不同类型的数据进行模型重构。现有技术进行测图时得到的是线画图,即对一个地物而言,是在地面上的几何位置边界组成的闭合线框,现有技术的数据成图软件则是AutoCAD以及基于AutoCAD开发的南方CASS软件。得到了地物的边缘轮廓线或角点的位置,很容易得到建筑物的平面图,如图3所示,其中地物的空间关系还能通过实线和虚线判断。
如果知道地物的高度,则能构建地物的三维模型,地物的高度通过点云Z坐标的关系得到,即高度为地物顶部的高程减去地面点的高程值,理论上搜索提取的地物某立面上的所有点,找到z坐标最大值和最小值,则这二者之差就是地物的高度,为排除噪声的影响,提高这种方法的可靠性,可采取一定的选择方法,对搜索的z坐标值最大的点,设定一个距离临界值e和期望个数m,遍历所有点,寻找z坐标与最大值zmax之差在临界值范围内的点,统计这些点的个数M,如果M大于或者远大于m,则认为搜索的点都是立面上的点而非个别噪声点,则此时的最大值zmax即为地物顶面的高程;如果M小于m,则将zmax=zmax-e代替zmax重新进行搜索,直到M的值大于期望值m,而地面的高程利用提取到的地面点平面的高程代替。
搜索建筑物高度的步骤流程如图5所示,得到地物的地面线画图以及地物的高度,则能对地物构建几何模型框架,如图4所示,再将CCD相机拍摄的地物表面相片作相应的纠正和处理,得到纹理数据;最后,将纹理粘贴在地物的各个立面上,就得到了地物的简单的三维模型。屋顶的纹理可通过高分辨率卫星图像或航空相片获取。其中,纹理数据的制作采用专业的图像处理软件(如Photoshop等),需要注意的环节是对采集到的立面图像,若不是正射图像则需要经过透视变换纠正成正射的图像,精细的模型纹理还要进行渲染以及阴影处理。
采用利用地物轮廓线快速建立简单模型的方法构建的地物三维模型,能反映出地物真实的形状、结构比例以及位置信息,通过坐标转换将扫描仪内部坐标下的模型转换到实际工程坐标系,所建立的三维模型的结构布局能反映真实的地物地面分布,因此批量建模的效率较高。
运用随机抽样一致法能较好的区分单个地物扫面点云的立面平面,并通过求交线的方法得到地物的几何位置边界和轮廓线的解析方程,对于移动测量中的地物立面,利用地物特征是由规则的平面构成且主方向垂直向上的特征,利用平面投影法且引入投影密度求地物的几何位置边界,轮廓线则位于几何位置边缘的交点处,方向与Z轴方向相同。通过两组实验数据对比,相互验证了这两种方法的可靠性。点云投影密度法能对点云数据中的地物进行粗分类,并去除掉属于粗差的部分,尤其是地面点和零散分布的地物点,网格划分的大小不同会影响粗分类的结果,密度区间的选择也会对分类结果造成影响。可根据自身数据的特点及处理数据的目的,合理选择格网的大小及区间的划分,能提高数据处理的效果。对于透射产生的噪声点,去除时会错误的删除地物上少部分点,但对地物的轮廓提取几乎没有影响。如果想利用点云投影密度的方法去除这类噪声,需要对划分格网的大小以及密度区间进行分析,找到能去掉透射产生的噪声的同时也保留地物上点比例最高的参数。基于两种方法得到的轮廓线数据,提出了一种利用地物轮廓线快速建立简单模型的方法,与现有技术的方案相比,能保证模型的坐标位置以及空间结构信息,重构的三维模型占用的存储空间也相对较小,具有很高应用价值。
Claims (10)
1.基于地面激光点云的地物轮廓提取方法,其特征在于,基于地面固定式和移动式三维扫描方式,结合扫描数据特点和地物的几何特征,提出不同的轮廓提取方法以及应用,包括:
一是提出用不同的方法进行地物轮廓提取的方案,地面固定式扫描在数据采集过程中,精扫时框选了扫描范围,扫描的点云除极少数噪声或者遮挡外,全部是地物表面上的点,采用基于随机抽样一致法的平面分割方法快速得到地物的各个立面的点云及立面的解析方程,并利用面面求交的方法,得到地物的轮廓;地面移动式扫描采集的点云数据包含其他多种类型的地物,提出利用平面投影法,将空间三维点云投影到XY平面,利用地物立面的投影点密度显著偏大的特点,得到立面的投影点并拟合得到直线,为地物的几何位置边界,边界的端点即为轮廓线的位置;
二是基于地物轮廓提取得到的特征点以及特征线,提出利用地物轮廓线快速建立简单模型的方法,利用提取的特征点和特征线,结合地物各个立面的空间拓扑关系,重构出地物的几何模型框架,地物的高度通过搜索z轴的最大值以及地面高程作差得到,纹理数据通过CCD相机采集而经后处理得到,将处理得到的纹理数据粘贴到地物几何模型框架的立面上,得到地物的简单三维模型;
三是提出利用点云投影密度进行点云数据粗差的去除及地物粗分类的应用,将投影点密度按照地物的特征划分为不同的区间,然后将不同密度的点云进行分类,密度小的点云是地面上的点和一些离散的噪声点,作为数据中的粗差去除,密度大的点分布在地物的立面上,进行平面分割或者平面投影提取地物的轮廓线;通过点云投影密度进行分类得到的地物立面点云,其提取的建筑物的轮廓与直接通过平面投影提取到的轮廓线差异很小,分类后投影密度大的点都是地物表面上的点,利用点云投影密度进行粗差去除以及地物粗分类可靠,利用点云投影密度法为平面分割以及平面投影提取地物轮廓作数据准备。
2.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,地物的形体特征描述为三部分:几何位置边界、立面结构、屋顶结构;几何位置边界是地物平面位置和占地面积、形状的综合表现形式;立面结构涵盖人们视觉能捕获到的地物要素,包括门、窗、阳台灯;地物的重要要素用语义描述为:
一是几何位置边界,几何位置边界为墙面与地面的交线,交线的端点即为墙角点,几何位置边界所构成的平面线框为几何对称和规则的多边形;
二是立面,立面为地物墙面所在的空间位置,立面与水平面垂直,其法向量与Z轴垂直,立面与立面之间垂直相交,其交线为地物的立面轮廓线,轮廓线与地面相交的端点为墙角点;
三是窗户,将窗户归类到墙面所在的平面内,窗户的面积比墙面小且不与地物边缘相交;
四是阳台,阳台的正面比墙面深度浅且地面与墙面垂直相交,即法向量在Z轴方向,侧面的面积较小且同样与墙面所在立面垂直;阳台整体包含在墙面所在范围内,底面高出地面且正面与侧面的顶点不超出屋顶与墙面的交线;
五是门,门表现为门洞形式,将门洞归到墙面所在的立面中,门洞的底部与地面相交;
六是屋顶,屋顶的空间位置为地物的最高处且与地物的各立面相交,其交线为水平线,平面屋顶与水平面平行;前后斜顶分为前后两个相交的倾斜平面,其交线在地物的中线上,前后两个倾斜屋顶平面的倾角和面积相等。
3.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,地物形体特征分析为:
一是地物中点的特征,以点的三维坐标的形式表现,对地物特征点的提取是求取该点三维坐标的过程;三维激光扫描的X方向是起始扫描方向,通过数学和几何的方法获取;获取特征点根据地物中的点、线、面之间的拓扑关系求得,地物的特征点是特征线的交点,特征线与面的交点,不同面之间的交点;实点通过求取特征线或者面的交点求得,虚点通过拟合某些面或者规则几何形状,通过解析几何的方式求得;
二是地物中线的特征,分为直线和曲线;地物中线的特征包括线在空间中的位置、线行及线的长度,描述线的特征必须求出线在空间坐标系中的解析方程;三维空间中解析方程描述线的所有特征,而线的端点即为特征点,求出特征点的位置则限定特征线的变量区间,线的长度相应的求出;在边缘处的特征线即轮廓线,突出的轮廓线是直线且Z轴方向相同或者相反;同特征点的求法相同,特征线通过地物中线、面的拓扑关系求得,通过求面与面的相交线得到;特征线通过拟合的方法求得,利用三维激光扫描得到的散点数据提取边缘点,将边缘点拟合成特征线求得解析方程;隐藏在结构中的虚线通过解析几何的方式求得,根据扫描的点云数据拟合该地物实体求得解析几何方程,算出对应的特征虚线的轴线方程;
三是地物中面的特征,包括平面和简单曲面,描述地物中面的特征包括空间位置、法线方向、形状、面积,对这些特征的描述是求这个特征面的解析方程;三维激光扫描得到的一个面上的点有限,求面的解析方程是拟合出这个面,将具有共同几何特征的点归类到一个最佳平面上并求得这个平面的参数方程,规则的曲面通过简单的二次曲面方程拟合。
4.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,地物轮廓线为地物墙面所在的立面之间的相交线,地物的各个立面由平面或者近似平面结构组成,对扫描所得到的点云数据进行分析处理,利用特征提取的方法和地物中点、线、面的拓扑关系求取轮廓线;
提出两种思路:第一种方法是在去噪环节,提出一种能去除窗户透射产生的噪声的去噪方法;第二种方法是根据分割时提取的立面上的点总数进行区分;选用平面上点最多的两个立面进行分析,利用随机抽样一致法分割地物平面,随机抽样一致法分割地物平面时,每次能分割出地物中内点最多的面并将这些内点从初始点云数据中分离,分离后的点再作为下一次分割后的初始数据,对于分离出的内点,利用最小拟合法得到最佳平面的参数方程。
5.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,平面投影法提取几何位置边界:根据地物垂直于水平面的特征,地物投影到水平面上时,立面上的点在投影面内的投影点会分布密集,形成明显的几何位置边界;在MATLAB导入点云数据,进行边长为1mm的格网划分;将数据中最明显的两个面的立面上的点投影到XY平面上,看到明显的线状的几何位置边界,利用最小二乘原理将线性分布的点拟合成直线,得到这两个立面的几何位置边界的解析方程;利用平面投影的方法得到较明显的几何位置边界,识别出几何位置边界上的点并拟合成直线,得到几何位置边界的解析方程。
6.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,点云投影密度法提取地物轮廓线:三维激光扫描获取目标物表面点云数据,点的三维坐标建立在扫描仪内部的坐标系中,仪器坐标系的原点为仪器的扫描中心点,X轴为水平扫描面内起始扫描方向,Y轴在水平扫描面内且与X轴垂直,Z轴与水平扫描面垂直,构成右手坐标系;利用投影点密度法分割距离图像,基于将三维点云投影到XY所构成的平面上,地物边缘上的点在投影面上单位面积内的频率大,地物的立面高于地面环境且墙面具有垂直的特征,地面三维激光扫描仪的内部坐标系的Z轴垂直向上,是地物的主方向,根据地物的这个特征,引入点云投影密度概念,点云投影密度定义为:将三维坐标点垂直投影到任一水平面上,统计和计算该水平面任意位置处所含投影点的个数,记为DPP,投影方式是将Z取0值或者任意常数,投影方程为:
投影点密度与投影后选择的区域范围和地物的高度H相关,如果将投影面划分为均匀的格网,格网边长为W,地物扫描所有的点投影后都落入到格网内,建筑物的高度H是定值,近似的用落入每个格网点内的投影点个数M代替投影点密度,则有:
其中Mi表示某一横断面上落入每个格网内的点的个数,三维激光扫描获取的是地物表面的点数据,理论上在取Z为任意数的截面上,点应该都分布在地物立面所在的位置,即地物的几何位置边界,因此在任意高度H处几何位置边界的值最大,其他地方均为0;但扫描时不可避免的会将其他地物纳入到扫描范围,这些噪声点分布在几何位置边界的周围而难以区分开来,造成周围区域的Mi值不为0,将空间中所有的扫描点投影到水平投影面上时,DPP值会随着H的增加而显著增大,投影后整个墙面的点都落入到几何位置边界线上,使得XY投影面内几何位置边界出的DPP值显著增大;
在水平投影面上,地物的几何位置边界处的点云投影密度远大于其他地方,利用这个特征,通过求点云投影密度法将地物与噪声区分开来,提取地物的几何位置边界所在的格网并拟合出几何位置边界的解析方程。
7.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,基于点云投影密度的点云粗差去除与地物粗分类:用点云投影密度法统计每一个格网内点云的密度,密度值明显大于其他的格网是地物几何位置边界所在的点,其他位置所对应的点可能是非目标物的点,或产生的噪声点;对DPP值取适当的临界值,将小于临界值的格网所对应的点云删除,反之则保留,达到去除点云粗差的目的;运用统计的方法做更精细的分析,对格网的点云密度做统计,以格网内点的密度值DPP的区域划分为横轴,以落入该范围内的点的个数为纵轴,得到投影平面内DPP值在某个范围内投影点个数的分布图,格网的大小一定,则DPP值可用落入格网内点的总数M代替,横轴可等间距划分,也可以根据数据分布的特征进行非等距的划分,区间的个数灵活取值。
8.根据权利要求7所述的基于地面激光点云的地物轮廓提取方法,其特征在于,根据综合分析结果,将横轴划分为非等距的四个区间,分别为(0,Max/100]、(Max/100,Max/20]、(Max/20,Max/3]、(Max/3,Max],数据分割和统计的具体步骤为:
步骤一,搜索三维点云,寻找x的最值xmin和xmax,y的最值ymin和ymax,将最值构成的矩形平面空间等距离划分成m×m的网格;
步骤二,统计每个网格内落入投影点的数量Mi,搜索其最大值设为MAX;
步骤三,将Mi的取值划分为(0,Max/100]、(Max/100,Max/20]、(Max/20,Max/3]、(Max/3,Max]四个区间,并建立四个对应的文件存储点云;对某个投影点数为Mi的格网,判定Mi属于的区间,并将落入该格网内的点划分到Mi所在区间对应的点云文件中去;
步骤四,循环步骤三,直到搜索完所有的格网;
以上步骤将落在不同密度区间的点划分为对应点云文件中,分割得到不同投影密度的点。
9.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,点云投影密度的分析结论:
结论一,运用点云投影密度法能很好的去除扫描时的粗差,将地物立面数据分离出来,进而提取几何边界位置,提取地物轮廓的方法;
结论二,格网划分较密集时能提出地物表面反射所产生的噪声,提高地面轮廓线的提取精度,计算量相应增大;
结论三,点云投影密度法能去除扫描中的粗差,将地物的立面点云数据从整体的分离出来,利用随机抽样一致法分割平面再求立面交线得到地物的轮廓,或平面投影拟合出地物立面几何边界的位置进而得到轮廓线,点云投影密度法为这两种方法从初始的扫描点云中提取地物轮廓线做数据预处理。
10.根据权利要求1所述的基于地面激光点云的地物轮廓提取方法,其特征在于,利用提取的地物几何位置边界和立面轮廓数据,提出利用地物轮廓线快速建立简单模型的方法,对于简单的地物,通过提取得到的几何位置边界和立面轮廓线构建地物的骨架,在骨架上的各个简单面内粘贴相机得到的表面纹理,快速得到简单的地物三维模型;
如果知道地物的高度,则构建地物的三维模型,地物的高度通过点云Z坐标的关系得到,即高度为地物顶部的高程减去地面点的高程值,找到z坐标最大值和最小值,则这二者之差就是地物的高度,对搜索的z坐标值最大的点,设定一个距离临界值e和期望个数m,遍历所有点,寻找z坐标与最大值zmax之差在临界值范围内的点,统计这些点的个数M,如果M大于或者远大于m,搜索的点都是立面上的点而非个别噪声点,此时的最大值zmax即为地物顶面的高程;如果M小于m,则将zmax=zmax-e代替zmax重新进行搜索,直到M的值大于期望值m,地面的高程利用提取到的地面点平面的高程代替;
得到地物的地面线画图以及地物的高度,对地物构建几何模型框架,再将CCD相机拍摄的地物表面相片作相应的纠正和处理,得到纹理数据;最后,将纹理粘贴在地物的各个立面上,得到地物的简单的三维模型,屋顶的纹理通过高分辨率卫星图像或航空相片获取。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011325808.9A CN112595258B (zh) | 2020-11-23 | 2020-11-23 | 基于地面激光点云的地物轮廓提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011325808.9A CN112595258B (zh) | 2020-11-23 | 2020-11-23 | 基于地面激光点云的地物轮廓提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112595258A CN112595258A (zh) | 2021-04-02 |
CN112595258B true CN112595258B (zh) | 2022-04-22 |
Family
ID=75184013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011325808.9A Active CN112595258B (zh) | 2020-11-23 | 2020-11-23 | 基于地面激光点云的地物轮廓提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112595258B (zh) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113160419B (zh) * | 2021-05-11 | 2024-02-02 | 北京京东乾石科技有限公司 | 一种建筑物立面模型建立方法和装置 |
CN113378270B (zh) * | 2021-06-10 | 2023-07-28 | 北京千丁互联科技有限公司 | 房屋结构解析方法、装置、终端设备和可读存储介质 |
CN113344956B (zh) * | 2021-06-21 | 2022-02-01 | 深圳市武测空间信息有限公司 | 基于无人机航摄三维建模的地物轮廓提取分类方法 |
CN113449644A (zh) * | 2021-06-29 | 2021-09-28 | 中铁隧道集团三处有限公司 | 机载激光点云城市普通建筑轮廓提取方法 |
CN113486904B (zh) * | 2021-07-02 | 2023-03-31 | 长春理工大学 | 一种特征自适应激光扫描投影图形控制点提取及优化方法 |
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 |
CN113592976A (zh) * | 2021-07-27 | 2021-11-02 | 美智纵横科技有限责任公司 | 地图数据的处理方法、装置、家用电器和可读存储介质 |
CN113763533A (zh) * | 2021-08-09 | 2021-12-07 | 阿里巴巴达摩院(杭州)科技有限公司 | 对象的模型处理方法、存储介质和处理器 |
CN113776456B (zh) * | 2021-08-31 | 2023-08-08 | 中国铁道科学研究院集团有限公司 | 基于双线激光的曲线段钢轨轮廓测量误差修正方法及装置 |
CN113657010B (zh) * | 2021-10-21 | 2022-01-25 | 山东神力索具有限公司 | 索具模型的网格划分调整方法、系统以及电子设备 |
CN114157808B (zh) * | 2021-12-13 | 2022-11-29 | 北京国泰星云科技有限公司 | 一种高效的集装箱闸口图像采集系统及方法 |
CN114092663B (zh) * | 2022-01-21 | 2022-04-26 | 盈嘉互联(北京)科技有限公司 | 面向城市信息模型建筑三维重建方法、装置、设备及介质 |
CN115113228B (zh) * | 2022-05-09 | 2023-10-24 | 江苏省水利科学研究院 | 一种基于地理信息技术的退圩还湖工程测验方法 |
CN114782925B (zh) * | 2022-06-17 | 2022-09-02 | 四川省公路规划勘察设计研究院有限公司 | 一种基于车载lidar数据的高速公路护栏矢量化方法及设备 |
CN115546205B (zh) * | 2022-11-23 | 2023-04-07 | 南京航空航天大学 | 一种基于密度场感知的平面点云轮廓线生成方法 |
CN116109788B (zh) * | 2023-02-15 | 2023-07-04 | 张春阳 | 一种实体件建模重构的方法 |
CN116128886A (zh) * | 2023-04-18 | 2023-05-16 | 深圳市其域创新科技有限公司 | 一种点云数据分割方法、装置、电子设备及存储介质 |
CN116538953B (zh) * | 2023-05-08 | 2024-01-30 | 武汉纵横天地空间信息技术有限公司 | 一种立面目标智能检测方法、系统及可读存储介质 |
CN116797741B (zh) * | 2023-07-24 | 2024-01-05 | 广州葛洲坝建设工程有限公司 | 一种基于点云数据的曲面多边形弯扭骨架逆向建模方法 |
CN117237348B (zh) * | 2023-11-14 | 2024-02-02 | 贵州省公路建设养护集团有限公司 | 用于交通部门道路施工场景下的路面折损检测方法及系统 |
CN117337751A (zh) * | 2023-11-17 | 2024-01-05 | 成都电科星拓科技有限公司 | 一种可实现任意形状绿地养护的浇灌系统及方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
JP2013088999A (ja) * | 2011-10-18 | 2013-05-13 | Aero Asahi Corp | 建物抽出装置、方法及びプログラム |
CN106056614A (zh) * | 2016-06-03 | 2016-10-26 | 武汉大学 | 一种地面激光点云数据的建筑物分割与轮廓线提取方法 |
CN106204547A (zh) * | 2016-06-29 | 2016-12-07 | 山东科技大学 | 从车载激光扫描点云中自动提取杆状地物空间位置的方法 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN110717983A (zh) * | 2019-09-07 | 2020-01-21 | 苏州工业园区测绘地理信息有限公司 | 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 |
CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106683132A (zh) * | 2015-11-10 | 2017-05-17 | 星际空间(天津)科技发展有限公司 | 一种高精细城市三维建模方法 |
-
2020
- 2020-11-23 CN CN202011325808.9A patent/CN112595258B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102074047A (zh) * | 2011-01-06 | 2011-05-25 | 天津市星际空间地理信息工程有限公司 | 一种高精细城市三维建模方法 |
JP2013088999A (ja) * | 2011-10-18 | 2013-05-13 | Aero Asahi Corp | 建物抽出装置、方法及びプログラム |
CN106056614A (zh) * | 2016-06-03 | 2016-10-26 | 武汉大学 | 一种地面激光点云数据的建筑物分割与轮廓线提取方法 |
CN106204547A (zh) * | 2016-06-29 | 2016-12-07 | 山东科技大学 | 从车载激光扫描点云中自动提取杆状地物空间位置的方法 |
CN108596860A (zh) * | 2018-05-10 | 2018-09-28 | 芜湖航飞科技股份有限公司 | 一种基于三维激光雷达的地面点云分割方法 |
CN110717983A (zh) * | 2019-09-07 | 2020-01-21 | 苏州工业园区测绘地理信息有限公司 | 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 |
CN111932671A (zh) * | 2020-08-22 | 2020-11-13 | 扆亮海 | 基于密集点云数据的三维实体模型重建方法 |
Non-Patent Citations (2)
Title |
---|
五方向倾斜航空影像建筑物墙面自动提取方法;方智辉等;《桂林电子科技大学学报》;20170430;第37卷(第2期);全文 * |
海量点云数据的建筑物三维模型重建;贾雪等;《测绘科学》;20190430;第44卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112595258A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112595258B (zh) | 基于地面激光点云的地物轮廓提取方法 | |
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 | |
Grussenmeyer et al. | Comparison methods of terrestrial laser scanning, photogrammetry and tacheometry data for recording of cultural heritage buildings | |
You et al. | Urban site modeling from lidar | |
CN111598823A (zh) | 多源移动测量点云数据空地一体化融合方法、存储介质 | |
CN105354883B (zh) | 基于点云的3ds Max快速精细三维建模方法及系统 | |
CN116310192A (zh) | 一种基于点云的城市级建筑物三维模型单体重建方法 | |
EP2064657A2 (en) | Geospatial modeling system providing building roof type identification features and related methods | |
CN114998536A (zh) | 基于新型基础测绘的模型生成方法、装置及存储介质 | |
CN111383335B (zh) | 一种众筹照片与二维地图结合的建筑物三维建模方法 | |
Hammoudi et al. | Extracting wire-frame models of street facades from 3D point clouds and the corresponding cadastral map | |
CN110070567A (zh) | 一种地面激光点云配准方法 | |
CN114332134B (zh) | 一种基于密集点云的建筑物立面提取方法和装置 | |
CN104751479A (zh) | 基于tin数据的建筑物提取方法和装置 | |
Hu et al. | A fast and simple method of building detection from LiDAR data based on scan line analysis | |
Kersten et al. | Automated generation of an historic 4D city model of Hamburg and its visualisation with the GE engine | |
CN109100719A (zh) | 基于星载sar影像与光学影像的地形图联合测图方法 | |
CN117315146B (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
CN114119902A (zh) | 一种基于无人机倾斜三维模型的建筑物提取方法 | |
CN113345072A (zh) | 一种多视角遥感地形影像点云重建方法及系统 | |
Forlani et al. | Building reconstruction and visualization from lidar data | |
CN113240755B (zh) | 基于街景图像与车载激光融合的城市场景构图方法及系统 | |
Nardinocchi et al. | Building extraction from LIDAR data | |
CN115661398A (zh) | 一种用于实景三维模型的建筑物提取方法、装置及设备 | |
Tian | 3D modeling and digital preservation of ancient architectures based on autoCAD and 3Dmax |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220325 Address after: 410000 No. 11033-11034, building 2, Fudi Xingguang Commercial Plaza Apartment, No. 80, Xiangfu Middle Road, Yuhua District, Changsha City, Hunan Province Applicant after: Hunan Aerospace Zhiyuan Technology Co.,Ltd. Address before: No.20 Ganwang Road, Shangcheng District, Hangzhou, Zhejiang 310000 Applicant before: Bright Sea |
|
GR01 | Patent grant | ||
GR01 | Patent grant |