CN113256813A - 一种带约束的建筑物立面正射影像图提取方法 - Google Patents
一种带约束的建筑物立面正射影像图提取方法 Download PDFInfo
- Publication number
- CN113256813A CN113256813A CN202110744244.0A CN202110744244A CN113256813A CN 113256813 A CN113256813 A CN 113256813A CN 202110744244 A CN202110744244 A CN 202110744244A CN 113256813 A CN113256813 A CN 113256813A
- Authority
- CN
- China
- Prior art keywords
- plane
- point cloud
- facade
- building
- constraint
- 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
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
- G01C15/002—Active optical surveying means
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种带约束的建筑物立面正射影像图提取方法,以解决现有技术中对于建筑物立面正射影像图提取的方法存在依赖人工分割与输入、提取精度低、对输入参数敏感以及未考虑立面自身特征等问题,实现从点云数据中高效、高精度地提取建筑物立面正射影像图的目的。本发明的目的在于提供一种带约束的建筑物立面正射影像图提取方法,以解决现有技术中对于建筑物立面正射影像图提取的方法存在依赖人工分割与输入、提取精度低、对输入参数敏感以及未考虑立面自身特征等问题,实现从点云数据中高效、高精度地提取建筑物立面正射影像图的目的。
Description
技术领域
本发明建筑物立面图像算法领域,具体涉及一种带约束的建筑物立面正射影像图提取方法。
背景技术
传统建筑物立面测量常通过全站仪及GNSS等测量方法,其无法有效解决大型复杂建筑物的立面信息获取,且测量效率非常低下,存在时间长、效率低等问题。三维激光点云提取立面技术以其独有的优势,成为当前建筑物立面提取热点方法。目前点云提取立面算法主要是基于单一算法实现,其存在提取精度低、对输入参数敏感以及并未考虑立面自身特征等缺陷。
现有技术中,CN110111414A公开了“一种基于三维激光点云的正射影像生成方法”,该方法存在如下弊端:(1)该方法依赖最为原始的人工手动分割方式对点云进行分割,需要手动选择剖切位置,以选定位置进行剖切(说明书[0096-0099]段所记载)、且需要人工手动输入每一个平面方程(说明书[0101-0112]段所记载),效率极其低下且精度得不到有效保证;(2)该方法对地面点去除采用简单的高程阈值结合K-Means算法实现,容易存在漏分和误分的情况,严重干扰图像提取精度;(3)该方法采用常规的最小二乘拟合从点云中确定投影基准面,极易受到噪声的影响。
综上,现有技术中对于建筑物立面正射影像图提取的方法存在依赖人工分割与输入、提取精度低、对输入参数敏感以及并未考虑立面自身特征等缺陷。
发明内容
本发明的目的在于提供一种带约束的建筑物立面正射影像图提取方法,以解决现有技术中对于建筑物立面正射影像图提取的方法存在依赖人工分割与输入、提取精度低、对输入参数敏感以及未考虑立面自身特征等问题,实现从点云数据中高效、高精度地提取建筑物立面正射影像图的目的。
本发明通过下述技术方案实现:
一种带约束的建筑物立面正射影像图提取方法,包括:
预处理待提取立面的三维点云;
将三维点云由欧式空间变换至特征空间;
在特征空间中选择超过阈值的点,将超过阈值的点转换回欧式空间,得到潜在平面;
创建约束条件对所述潜在平面进行约束,获得满足约束条件的平面作为待定立面;
将所述待定立面化为竖直面,获取对应点云作为最终的建筑物立面点云;
将所述建筑物立面点云依据平面方程投影至对应平面格网内,依据各格网包含点云数量,生成建筑物立面正射影像图。
针对现有技术中对于建筑物立面正射影像图提取的方法存在依赖人工分割与输入、提取精度低、对输入参数敏感以及未考虑立面自身特征等问题,本发明提出一种带约束的建筑物立面正射影像图提取方法,本方法首先对待提取立面的三维点云进行预处理,之后将三维点云由欧式空间变换至特征空间,此处可基于任意现有变换方法进行变换;变换完成后,在特征空间中选择超过阈值的点,将超过阈值的点转换回欧式空间,得到潜在平面,为后续算法做好准备;其中具体阈值需要根据实际立面情况确定。之后,依据建筑物立面的特征创建约束条件对潜在平面进行约束,获得满足约束条件的平面,作为待定立面。然后将所述待定立面化为竖直面,获取对应点云作为最终的建筑物立面点云,此步骤实质上是用于对待定立面进行精化,从而提取实际立面点云,实现高精度的点云分割。最后,将建筑物立面点云依据平面方程投影至对应平面格网内,依据各格网包含点云数量,生成建筑物立面正射影像图。可以看出,本申请能够解决建筑物立面图获取难的问题,针对性的提出了自适应从三维点云中高效、高精度提取建筑物立面正射影像图的方法;并且,传统算法止步于点云分割,而本算法在点云分割后,将点云投影至平面内,生成建筑物立面正射影像图,方便后续查看和在CAD中勾绘立面图。此外,本申请能够全自动自适应的从点云中提取多个建筑物立面,全自动进行点云分割、全自动的从点云中获取平面,不仅能够显著提高图像提取效率、减少人力消耗,还能够克服现有技术中因人工输入和手动分割所导致的精度无法保证的缺陷,最终实现高效、高精度地提取建筑物立面正射影像图的目的。
进一步的,所述预处理包括依次进行点云去噪、点云抽稀、坐标变换。其中:
点云去噪:能够去除点云中的部分噪声;
点云抽稀:由于点云数据量巨大,在点云处理时对点云做抽稀处理,能够提高算法效率,减少运行时间;
坐标变换:与3D 霍夫变换的效率直接相关,其具体方法是将点云移动至原点,可以缩小计数器的大小;运用在本申请中能够显著减少3D 霍夫变换的运算量,提高运算效率,减少运行时间。
进一步的,基于3D霍夫变换实现将三维点云由欧式空间变换至特征空间,变换过程包括:创建计数器,将所有点云变换至特征空间,更新计数器。本方案中,将三维点云由欧式空间变换至特征空间的过程基于3D霍夫(3D Hough)变换实现,其优点在于对后续提取潜在平面的步骤而言,能够一次性提取出所有可能的平面,进一步的保证了从点云中获取平面的精度和自动化程度。
进一步的,采用如下公式将三维点云由欧式空间变换至特征空间:
式中,x,y,z为当前点云的三维坐标,θ i 、φ i 分别为当前平面与平面XOY和平面YOZ的夹角,r i 为平面距原点的距离,i为点云编号。
进一步的,所述超过阈值的点,是指在特征空间中能够通过的平面数超过设定阈值的点。获取潜在平面的步骤主要是解决随机抽样一致算法(RANSAC算法)一次只能提取一个面、而实际点云可能包含很多面的技术难题。为了能从点云中一次性提取出所有可能的立面,就先使用3D霍夫变换提取出潜在的平面,再把这些面分别传给随机抽样一致算法(RANSAC算法),从而实现从点云中提取所有面的目的,填补了现有技术中的技术空白。其中,某点能够通过的平面数,可根据3D霍夫变换中的计数器计数得到。
进一步的,采用如下公式将超过阈值的点转换回欧式空间:
其中,A,B,C,D为平面一般式方程的系数,θ、φ分别为当前平面与平面XOY和平面YOZ的夹角,r为平面距原点的距离。
本方案中的“转换回欧式空间”,是指从特征空间转换回欧式空间。
进一步的,所述约束条件包括同平面约束、竖直面约束。现有技术中提取立面过程大都依赖人工属于,难以将建筑物立面与其他平面区分开来,导致建筑物立面提取的准确性和精度都较差,特别是难以与地面、车辆、路灯等地物进行区分。本方案中通过对潜在平面进行同平面约束和竖直面约束,满足约束条件的平面作为待定立面,并强行约束为竖直面,因此能够有效的将建筑物立面与其他平面区分开,提高建筑物立面提取的准确性和精度,相较于现有技术而言具有突出的实质性特点和显著的进步。
进一步的,所述同平面约束的方法包括:
通过如下公式计算任意两平面夹角θ':
其中,θ'为两个平面之间的夹角,A 1,B 1,C 1,D 1与A 2,B 2,C 2,D 2分别为两个平面一般式方程的系数;
将夹角小于设定值的两平面合并为一个平面,并从合并后的点云并集中,采用随机抽样一致算法,获取合并后的新的平面方程。
随机抽样一致算法,即RANSAC算法,本方案采用了在 3D霍夫变换选择出待定平面并经过平面约束后,将3D霍夫变换的结果输入RANSAC算法提取建筑物立面的思路,是3D 霍夫变换与RANSAC两种算法深度结合的结果,
所述竖直面约束的方法包括:剔除竖直角小于设定值的平面。建筑物立面大部分为竖直面,因此本方案对平面竖直角进行约束,仅当平面接近竖直面时才视为建筑物立面,将竖直角过小的平面予以剔除。
进一步的,将待定立面化为竖直面的方法包括:采用随机抽样一致算法,令随机抽样一致算法的平面方程中的参数C=0,完成立面精化,获取精化后平面对应点云。
本方案依然是3D 霍夫变换与RANSAC两种算法的深度结合,其中将RANSAC算法内正常的平面方程Ax+By+Cz+D=0中的C设置为0,以此实现立面精化。立面精化的主要原因是考虑到建筑物立面正常情况下应该是竖直面的特点,而算法提取出来的平面一般会与竖直面存在一定的夹角,通过精化,将算法提取的面调整为最优的竖直面,再结合结合平面约束和平面精化,能够使其符合建筑物立面的实际特征,能够进一步提高建筑物立面的提取精度。
此外,本方案使用3D霍夫变换和RANSAC算法结合提取建筑物立面点云,还能够克服原有3D霍夫变换对平面角和距离步长参数非常敏感的缺陷,通过两种算法的结合运用,在3D霍夫变换基础上使用 RANSAC算法精确的提取立面,相较于单一的霍夫变换而言,具有对参数设置不敏感、提取精度高的优点。
进一步的,建筑物立面点云依据平面方程投影至对应平面格网内的方法包括,通过如下公式将三维点云转换至二维立面:
其中,α=abs(arctan(-A/B) ),A,B为立面一般式方程的系数,x,y,z为当前点云的三维坐标,x',y'为三维点云转换至二维立面后的平面坐标。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明一种带约束的建筑物立面正射影像图提取方法,解决了现有技术中建筑物立面图获取难、依赖人工分割与输入、提取精度低、对输入参数敏感以及未考虑立面自身特征等问题,能够接受包含任意数量平面的三维点云数据输入;使用 3D 霍夫变换提取潜在平面,能够一次性提取出所有可能的平面;基于建筑物立面特征创建约束条件,实现同一平面合并和非建筑物立面去除;使用 RANSAC 算法提取实际立面点云,实现高精度点云分割;点云分割后生成立面正射影像图,以便后续使用;因此,本发明能够从三维激光点云中高效、高精度、高鲁棒性的获取建筑物立面正射影像图,为街道改造和建筑规划设计等提供参考。
2、本发明一种带约束的建筑物立面正射影像图提取方法,在点云分割领域创新性地提出了3D霍夫变换提取潜在平面,约束条件筛选和合并平面,RANSAC算法提取实际立面点云的思路,实现了3D霍夫变换和RANSAC算法的深度结合,通过在3D霍夫变换的基础上使用 RANSAC算法进行立面精化的技术手段,解决了传统的霍夫变换对平面角和距离步长参数非常敏感的缺陷,具有对参数设置不敏感、提取精度高等优点。
3、本发明一种带约束的建筑物立面正射影像图提取方法,通过3D霍夫变换和RANSAC算法的深度结合,克服了传统的RANSAC算法一次只能提取一个平面的缺陷。
4、本发明一种带约束的建筑物立面正射影像图提取方法,通过对潜在平面进行同平面约束和竖直面约束,将满足约束条件的平面作为待定立面,并强行约束为竖直面,能够有效的将建筑物立面与其他平面区分开、高精度的去除地物干扰,提高建筑物立面提取的准确性和精度,有效克服了现有技术难以将建筑物立面与其他平面区分开来,导致建筑物立面提取的准确性和精度都较差,特别是难以与地面、车辆、路灯等地物进行区分的缺陷。
5、本发明一种带约束的建筑物立面正射影像图提取方法,在运用RANSAC算法时还通过立面精化,将算法提取的面调整为最优的竖直面,再结合平面约束和平面精化,能够使其符合建筑物立面的实际特征,能够进一步提高建筑物立面的提取精度。
6、本发明一种带约束的建筑物立面正射影像图提取方法,通过3D霍夫变换和RANSAC算法的深度结合,能够实现全自动进行点云分割、全自动的从点云中获取平面,克服了现有技术依赖人工分割与输入的缺陷,显著提高了建筑物立面正射影像图的提取效率和精度。
7、本发明一种带约束的建筑物立面正射影像图提取方法,相较于常规的最小二乘拟合法从点云中确定投影基准面的技术而言,采用RANSAC算法确定最终的建筑物立面方程,RANSAC算法算法区分内点和外点,再具体运用时仅使用满足条件的内点确定立面方程,能极大程度上克服噪声的影响。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明具体实施例1的流程示意图;
图2为本发明具体实施例2的流程示意图;
图3为本发明具体实施例3的系统示意图;
图4为本发明具体实施例中三维激光扫描仪的安装结构侧视图;
图5为本发明具体实施例中导向装置的剖视图;
图6为本发明具体实施例中安装板的俯视图;
图7为本发明具体实施例中行李架与安装板的连接示意图;
图8为本发明具体实施例中承台的结构示意图;
图9为本发明具体实施例中限位件的结构示意图。
附图中标记及对应的零部件名称:
1-三维激光扫描仪,2-行李架,201-框体,202-连杆,3-安装板,4-承台,5-导柱,6-套筒,7-电动推杆,8-第一弹性件,9-第二弹性件,10-连接件,11-安装孔,12-限位件,13-螺纹通孔。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1:
如图1所示的一种带约束的建筑物立面正射影像图提取方法,包括:
预处理待提取立面的三维点云;
将三维点云由欧式空间变换至特征空间;
在特征空间中选择超过阈值的点,将超过阈值的点转换回欧式空间,得到潜在平面;
创建约束条件对所述潜在平面进行约束,获得满足约束条件的平面作为待定立面;
将所述待定立面化为竖直面,获取对应点云作为最终的建筑物立面点云;
将所述建筑物立面点云依据平面方程投影至对应平面格网内,依据各格网包含点云数量,生成建筑物立面正射影像图。
实施例2:
如图2所示的一种带约束条件的高鲁棒性建筑物立面正射影像图提取方法,能够接受包含任意数量平面的三维点云数据输入;使用 3D 霍夫变换提取潜在平面,能够一次性提取出所有可能的平面;基于建筑物立面特征创建约束条件,实现同一平面合并和非建筑物立面去除;使用RANSAC算法(随机抽样一致算法)提取实际立面点云,实现高精度点云分割;点云分割后生成立面正射影像图,以便后续使用。其具体步骤如下:
S1、点云预处理:对用于提取立面的三维点云进行预处理,主要包括点云去噪、点云抽稀和坐标变换。
S2、3D霍夫变换:创建计数器(accumulator),将所有点云变换至特征空间(parameter space)并更新计数器。点云由欧式空间变换至特征空间的数学原理如公式(1)所示:
其中,x,y,z为当前点云的三维坐标,θ i 、φ i 分别为当前平面与平面XOY和平面YOZ的夹角,r i 为平面距原点的距离,i为点云编号。
S3、获取潜在平面:在霍夫变换特征空间中选择超过阈值的点,将这些点转换回欧式空间,即为潜在平面。特征空间转换回欧式空间的数学原理如公式(2)所示:
其中,A,B,C,D为平面一般式方程的系数,θ、φ分别为当前平面与平面XOY和平面YOZ的夹角,r为平面距原点的距离。
S4、立面约束:依据建筑物立面的特征创建约束条件对潜在平面进行约束,获得满足约束条件的平面,作为待定立面。约束主要包括同平面约束和竖直面约束。
(1)同平面约束,即平面合并。建筑物立面应是相互间具有一定角度的面,对于相互之间夹角非常小,且大部分立面点为公共点的平面,认为这些平面是一个平面,将这些平面进行合并,并从合并后的点云并集中,使用RANSAC算法获取新的平面方程。两平面夹角计算的数学原理如公式(3)所示:
其中,θ'为两平面之间的夹角,A 1,B 1,C 1,D 1与A 2,B 2,C 2,D 2分别为两个平面一般式方程的系数;将夹角小于设定值的两平面合并为一个平面,并从合并后的点云并集中,采用随机抽样一致算法,获取合并后的新的平面方程;
同平面约束在本实施例中的优选实施方式是:在所有潜在平面中,任意两个潜在平面夹角小于5°,且两平面公共点云比例超过80%(以最高比例为准),则将两个平面进行合并。
(2)竖直面约束。建筑物立面大部分为竖直面,因此,算法对平面竖直角进行约束,仅当平面接近竖直面时才视为建筑物立面,将竖直角过小的平面予以剔除。
竖直面约束在本实施例中的优选实施方式是:检查每一个平面的竖直角,如果大于75°,则认为当前平面可用。
S6、正射影像图生成。对上一步得到的建筑物立面点云,依据其对应的平面方程,将点云投影至对应平面格网内,依据各格网包含点云数量,生成建筑物立面正射影像图。其中,三维点云转换至二维立面的数学原理如公式(4)所示:
实施例3:
一种带约束的建筑物立面正射影像图提取系统,如图3所示,包括:
预处理模块,用于对待提取立面的三维点云进行预处理;
3D霍夫变换模块,基于3D霍夫变换,将三维点云由欧式空间变换至特征空间
潜在平面模块,用于在霍夫变换的特征空间中选择超过阈值的点,将这些点转换回欧式空间,得到潜在平面;
立面约束模块,用于对潜在平面进行约束,获得满足约束条件的平面作为待定立面;
立面精化模块,使用RANSAC算法待定立面化为竖直面,并获取精化后平面对应点云,作为最终的建筑物立面点云;
图像生成模块,用于对最终的建筑物立面点云依据其对应的平面方程,将点云投影至对应平面格网内,依据各格网包含点云数量,生成建筑物立面正射影像图。
在一个或多个优选的实施方式中,预处理模块包括点云去噪子单元、点云抽稀子单元和坐标变换子单元。
在一个或多个优选的实施方式中,3D霍夫变换模块中采用如下正变换公式进行3D霍夫变换:
,其中,x,y,z为当前点云的三维坐标,θ i 、φ i 分别为当前平面与平面XOY和平面YOZ的夹角,r i 为平面距原点的距离,i为点云编号
在一个或多个优选的实施方式中,立面约束模块包括同平面约束子单元、竖直面约束子单元;其中,同平面约束子单元基于RANSAC算法实现。
实施例4:
一种带约束的建筑物立面正射影像图提取装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如实施例1~2中任意一个建筑物立面正射影像图提取方法的步骤。
实施例5:
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如实施例1~2中任意一个建筑物立面正射影像图提取方法的步骤。
实施例6:
在上述任一实施例中,待提取立面的三维点云数据通过三维激光扫描仪扫描获得。基于此,本实施例公开一种三维激光扫描仪的车载安装结构,可用于上述任一实施例中获取待提取立面的三维点云数据时使用,具体的,本结构如图4所示,包括用于安装在机动车顶的行李架2、固定连接在所述行李架2上的安装板3、位于安装板3上方的承台4,所述承台4与安装板3之间连接若干升降装置、导向装置,所述导向装置包括固定在安装板3顶部的导柱5、固定在承台4底部的套筒6,所述套筒6底部开口,所述导柱5插入在套筒6内,且导柱5与套筒6间隙配合;所述三维激光扫描仪1固定安装在承台4上。
如图5所示,所述导柱5与套筒6之间连接第一弹性件8,所述第一弹性件8的底端固定在导柱5顶部、第一弹性件8的顶端固定在套筒6内部顶端。所述套筒6与安装板3之间连接第二弹性件9,所述第二弹性件9套设在导柱5外,且第二弹性件9的底端固定在安装板3上、第二弹性件9的顶端固定在套筒6的底端。其中,所述第一弹性件8为压缩弹簧,所述第二弹性件9为拉伸弹簧。
本实施例中,升降装置为电动推杆7。
优选的,四个升降装置联动,由一个PLC控制器对其同时控制。
优选的,如图6所示,所述升降装置共四个,四个升降装置呈矩形分布。所述导向装置共三个,三个导向装置呈正三角形分布。
如图7所示,所述行李架2包括框体201、固定在框体201内的若干根连杆202,所述安装板3通过若干连接件10与所述框体201、连杆202固定连接。
本实施例中如图8所示,承台4上表面均匀分布若干安装孔11,还包括若干能够与所述安装孔11连接的限位件12。安装孔11为螺纹盲孔。
优选的,限位件12呈如图9所示的L型,限位件12上开设与所述安装孔11相匹配的螺纹通孔13,限位件12通过螺栓固定在承台4上。
优选的,连接件为型钢,每个连接件均同时通过螺栓与安装板和框体/连杆固定连接。
优选的,承台4上的安装孔等间距分布,即任意相邻两个安装孔之间的间距均相等、任意四个方形分布的安装孔组成正方形结构;每个限位件上具有两个螺纹通孔,且该两个螺纹通孔分别位于前述正方形结构的对角线两端。本优选方案不仅能够提高限位件的安装稳定性,还能够使得限位件能够以多种角度进行安装,提高其通用性、扩大其适用范围。
本实施例中的承台4用于为三维激光扫描仪提供安装工位,三维激光扫描仪通过任意现有方式安装在承台4上即可。本申请中升降装置用于驱动承台4上下移动,进而带动固定在承台4上的三维激光扫描仪1进行升降,以此克服现有的车载扫描设备因高度固定而只能够适配固定高度车型的缺陷,并且在工作过程中还能够升高高度来克服道路两侧部分遮挡物的干扰,因此本申请相较于现有技术而言,不仅具有更高的通用性,还能够有效减少道路两侧遮挡物的干扰。此外,本申请中的导向装置对承台4起到导向和限位的作用,与安装板3固定连接的导柱5自下而上插入至与承台4连接的套筒6内,导柱5与套筒6间隙配合,因此导柱5与套筒6只能够沿轴向相对移动,进而确保承台4只能够相对于安装板3上下移动,避免了承台4横向晃动或偏移,确保了三维激光扫描仪扫描得到的点云数据的准确性,显著改善了扫描质量。
第一弹性件8在导柱5与套筒6之间起到缓冲作用,能够显著降低承台4相较于安装板3的上下晃动,降低路面颠簸对扫描的影响。第二弹性件9在安装板3与套筒6之间起到缓冲作用,能够显著降低承台4相较于安装板3的上下晃动,降低路面颠簸对扫描的影响;同时由于第二弹性件9套设在导柱5外,因此能够其对套筒6的作用力沿导致周向均匀分布,进而有效降低导柱5形变几率。
本实施例中第一弹性件8为压簧、其弹性复位力使得套筒6始终具有向上运动的趋势;第二弹性件9为拉簧,其弹性复位力使得套筒6始终具有向下运动的趋势,通过第一弹性件8与第二弹性件9的共同作用,能够显著提高本申请抵抗颠簸路面的能力,显著提高承台4的纵向稳定性,进而提高固定在承台4上的三维激光扫描仪的纵向稳定性。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其它变体,意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,在本文中使用的术语“连接”在不进行特别说明的情况下,可以是直接相连,也可以是经由其他部件间接相连。
Claims (10)
1.一种带约束的建筑物立面正射影像图提取方法,其特征在于,包括:
预处理待提取立面的三维点云;
将三维点云由欧式空间变换至特征空间;
在特征空间中选择超过阈值的点,将超过阈值的点转换回欧式空间,得到潜在平面;
创建约束条件对所述潜在平面进行约束,获得满足约束条件的平面作为待定立面;
将所述待定立面化为竖直面,获取对应点云作为最终的建筑物立面点云;
将所述建筑物立面点云依据平面方程投影至对应平面格网内,依据各格网包含点云数量,生成建筑物立面正射影像图。
2.根据权利要求1所述的一种带约束的建筑物立面正射影像图提取方法,其特征在于,所述预处理包括依次进行点云去噪、点云抽稀、坐标变换。
3.根据权利要求1所述的一种带约束的建筑物立面正射影像图提取方法,其特征在于,基于3D霍夫变换实现将三维点云由欧式空间变换至特征空间,变换过程包括:创建计数器,将所有点云变换至特征空间,更新计数器。
5.根据权利要求1所述的一种带约束的建筑物立面正射影像图提取方法,其特征在于,所述超过阈值的点,是指在特征空间中能够通过的平面数超过设定阈值的点。
7.根据权利要求1所述的一种带约束的建筑物立面正射影像图提取方法,其特征在于,所述约束条件包括同平面约束、竖直面约束。
9.根据权利要求1所述的一种带约束的建筑物立面正射影像图提取方法,其特征在于,将待定立面化为竖直面的方法包括:采用随机抽样一致算法,令随机抽样一致算法的平面方程中的参数C=0,完成立面精化,获取精化后平面对应点云。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110744244.0A CN113256813B (zh) | 2021-07-01 | 2021-07-01 | 一种带约束的建筑物立面正射影像图提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110744244.0A CN113256813B (zh) | 2021-07-01 | 2021-07-01 | 一种带约束的建筑物立面正射影像图提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256813A true CN113256813A (zh) | 2021-08-13 |
CN113256813B CN113256813B (zh) | 2021-09-17 |
Family
ID=77190414
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110744244.0A Active CN113256813B (zh) | 2021-07-01 | 2021-07-01 | 一种带约束的建筑物立面正射影像图提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256813B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742968A (zh) * | 2022-06-13 | 2022-07-12 | 西南石油大学 | 一种基于建筑物立面点云的立面图生成方法 |
CN114742957A (zh) * | 2022-06-13 | 2022-07-12 | 西南石油大学 | 一种基于点云数据的建筑物立面提取方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150029182A1 (en) * | 2008-11-05 | 2015-01-29 | Hover, Inc. | Generating 3d building models with ground level and orthogonal images |
CN105758386A (zh) * | 2014-12-15 | 2016-07-13 | 广州蓝图地理信息技术有限公司 | 一种激光点云与航空影像集成的建筑物三维建模方法 |
CN106423656A (zh) * | 2016-08-11 | 2017-02-22 | 重庆大学 | 基于点云与图像匹配的自动喷涂系统及方法 |
CN110111414A (zh) * | 2019-04-10 | 2019-08-09 | 北京建筑大学 | 一种基于三维激光点云的正射影像生成方法 |
CN110288636A (zh) * | 2019-05-05 | 2019-09-27 | 中国矿业大学 | 一种基于平面特征约束的LiDAR点云无初值配准方法 |
CN110648398A (zh) * | 2019-08-07 | 2020-01-03 | 武汉九州位讯科技有限公司 | 基于无人机航摄数据的正射影像实时生成方法及系统 |
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 |
EP3715783A1 (en) * | 2019-03-28 | 2020-09-30 | Topcon Corporation | Point cloud data processing method and point cloud data processing device |
CN112085844A (zh) * | 2020-09-11 | 2020-12-15 | 中国人民解放军军事科学院国防科技创新研究院 | 面向野外未知环境的无人机影像快速三维重建方法 |
CN112907745A (zh) * | 2021-03-23 | 2021-06-04 | 北京三快在线科技有限公司 | 一种数字正射影像图生成方法及装置 |
CN113052881A (zh) * | 2021-03-24 | 2021-06-29 | 王程 | 提取极点的室内三维点云自动化配准方法 |
-
2021
- 2021-07-01 CN CN202110744244.0A patent/CN113256813B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150029182A1 (en) * | 2008-11-05 | 2015-01-29 | Hover, Inc. | Generating 3d building models with ground level and orthogonal images |
CN105758386A (zh) * | 2014-12-15 | 2016-07-13 | 广州蓝图地理信息技术有限公司 | 一种激光点云与航空影像集成的建筑物三维建模方法 |
CN106423656A (zh) * | 2016-08-11 | 2017-02-22 | 重庆大学 | 基于点云与图像匹配的自动喷涂系统及方法 |
EP3715783A1 (en) * | 2019-03-28 | 2020-09-30 | Topcon Corporation | Point cloud data processing method and point cloud data processing device |
CN110111414A (zh) * | 2019-04-10 | 2019-08-09 | 北京建筑大学 | 一种基于三维激光点云的正射影像生成方法 |
CN110288636A (zh) * | 2019-05-05 | 2019-09-27 | 中国矿业大学 | 一种基于平面特征约束的LiDAR点云无初值配准方法 |
CN110648398A (zh) * | 2019-08-07 | 2020-01-03 | 武汉九州位讯科技有限公司 | 基于无人机航摄数据的正射影像实时生成方法及系统 |
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 |
CN112085844A (zh) * | 2020-09-11 | 2020-12-15 | 中国人民解放军军事科学院国防科技创新研究院 | 面向野外未知环境的无人机影像快速三维重建方法 |
CN112907745A (zh) * | 2021-03-23 | 2021-06-04 | 北京三快在线科技有限公司 | 一种数字正射影像图生成方法及装置 |
CN113052881A (zh) * | 2021-03-24 | 2021-06-29 | 王程 | 提取极点的室内三维点云自动化配准方法 |
Non-Patent Citations (2)
Title |
---|
NACI YASTIKLI等: "Classification of raw LiDAR point cloud using point-based methods with spatial features for 3D building reconstruction", 《ARABIAN JOURNAL OF GEOSCIENCES》 * |
李波: "机载激光点云和高光谱影像融合的城市地物分类研究", 《中国优秀博硕士学位论文全文数据库(硕士)基础科学辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114742968A (zh) * | 2022-06-13 | 2022-07-12 | 西南石油大学 | 一种基于建筑物立面点云的立面图生成方法 |
CN114742957A (zh) * | 2022-06-13 | 2022-07-12 | 西南石油大学 | 一种基于点云数据的建筑物立面提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113256813B (zh) | 2021-09-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113256813B (zh) | 一种带约束的建筑物立面正射影像图提取方法 | |
CN112595258B (zh) | 基于地面激光点云的地物轮廓提取方法 | |
Cheng et al. | 3D building model reconstruction from multi-view aerial imagery and lidar data | |
CN107146280B (zh) | 一种基于切分的点云建筑物重建方法 | |
US9129432B2 (en) | Image-based procedural remodeling of buildings | |
CN113192193B (zh) | 基于Cesium三维地球框架的高压输电线路走廊三维重建方法 | |
CN104134220A (zh) | 一种像方空间一致性的低空遥感影像高精度匹配方法 | |
CN115372989A (zh) | 基于激光雷达的越野自动小车长距离实时定位系统及方法 | |
CN101901343A (zh) | 基于立体约束的遥感影像道路提取方法 | |
CN113808096B (zh) | 一种非接触式的螺栓松动检测方法及其系统 | |
CN111383335A (zh) | 一种众筹照片与二维地图结合的建筑物三维建模方法 | |
CN110807772A (zh) | 一种构件尺寸检测中基于包围盒的无关点云剔除方法 | |
CN103366006A (zh) | 一种基于三维激光点云建立地理空间索引的方法 | |
CN114119902A (zh) | 一种基于无人机倾斜三维模型的建筑物提取方法 | |
CN114742957B (zh) | 一种基于点云数据的建筑物立面提取方法 | |
CN116465327A (zh) | 一种基于车载三维激光扫描的桥梁线形测量方法 | |
CN114742968B (zh) | 一种基于建筑物立面点云的立面图生成方法 | |
CN110458938B (zh) | 一种散货料堆实时三维重建方法及系统 | |
Huang et al. | Multi-view large-scale bundle adjustment method for high-resolution satellite images | |
CN114529703A (zh) | 一种基于熵增优化的大型复杂构件点云全局匹配方法 | |
Milde et al. | Building reconstruction using a structural description based on a formal grammar | |
CN112767459A (zh) | 基于2d-3d转换的无人机激光点云与序列影像配准方法 | |
Mitra et al. | Symmetry for architectural design | |
CN114563000B (zh) | 一种基于改进型激光雷达里程计的室内外slam方法 | |
JP6761388B2 (ja) | 推定装置及びプログラム |
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 |