CN114742843A - 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 - Google Patents
基于机载建筑物LiDAR点云的立面线自动提取方法及设备 Download PDFInfo
- Publication number
- CN114742843A CN114742843A CN202210379641.7A CN202210379641A CN114742843A CN 114742843 A CN114742843 A CN 114742843A CN 202210379641 A CN202210379641 A CN 202210379641A CN 114742843 A CN114742843 A CN 114742843A
- Authority
- CN
- China
- Prior art keywords
- building
- point
- points
- grid
- facade
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本发明提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备。所述方法包括:步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。本发明可自动提取多层建筑物的立面线,没有外业测量工作,有效提高了工作效率,与人工测量手段相比提高了量测精度。
Description
技术领域
本发明实施例涉及摄影测量和遥感技术领域,尤其涉及一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备。
背景技术
建筑物是城市的重要组成部分和基本构成要素,其空间位置特征能够体现城市空间分布模式与发展变化趋势。而建筑物立面测绘更是建筑物改建、扩建工程设计和施工的依据。传统的建筑物立面测绘通常采用人工量测或借助测绘仪器、近景摄影测量手段进行,这些测绘方法的优点是操作相对简单,但采集的信息少,周期长,人力物力代价大。具有快速获取地物表面三维坐标的能力的激光雷达(Light Detection And Ranging,LiDAR)技术的出现,为建筑物立面位置的自动提取提供可能。受限于LiDAR扫描视角的限制,早期机载LiDAR点云的建筑物位置提取研究多是针对屋顶点云进行,提取的屋顶轮廓与墙立面位置存在偏差,通常需要进行屋檐改正处理,过程繁琐、低效。相关技术虽然能利用建筑物立面点云提取立面线位置,但提取结果多为部分立面位置,墙角位置易受分割阈值影响,相比于机载平台而言地面平台扫描视场受限,获取完整的建筑物点云代价较大。因此,开发一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备,可以有效克服上述相关技术中的缺陷,就成为业界亟待解决的技术问题。
发明内容
针对现有技术存在的上述问题,本发明实施例提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法及设备。
第一方面,本发明的实施例提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法,包括:步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。
在上述方法实施例内容的基础上,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤1中的建筑物LiDAR点云进行单体化分割包括:步骤1.1,利用kd树组织建筑物点云,构建点云之间的邻接关系,估算点云平均点间距avgd;步骤1.2从建筑物点云中,选择一个未处理的点作为种子点,将其纳入到队列中;步骤1.3,检查种子点周围所有的邻域点,若存在与种子点的二维距离小于阈值的点,则将其纳入队列中;否则不予处理;步骤1.4,将队列中的第一个元素弹出,并加入到集合中,将当前元素作为种子点,重复步骤1.3;检查队列是否为空,若为空则转到步骤1.2,否则,重复步骤1.4,步骤1.1至步骤1.4过程迭代进行,直到所有建筑物点均被处理为止。
在上述方法实施例内容的基础上,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤2中的利用法向约束的平面分割方法提取建筑物立面点包括:根据点云邻域关系,采用每个点的局部邻域点,采用主成分分析方法变换估算该点法向量;对于当前点p,其邻域点为pi,i=1,2,...,k,k为领域点的数量,邻域点的质心为p’,构建质心p’的邻域协方差矩阵R,对邻域协方差矩阵R进行特征值分解,其中最小特征值所对应的特征向量,即为p点法向量,
其中,T为转置,若一点的法向量与XOY平面夹角小于阈值δ,则该点为候选立面点,否则为屋顶点云;以X坐标轴正向为起始方向估算所有立面点法向量所指向的方位角,采用带方位角约束的Ransac平面分割算法进行立面点提取。
在上述方法实施例内容的基础上,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,所述采用带方位角约束的Ransac平面分割算法进行立面点提取,包括:步骤2.1,从立面点云中随机选择三个不共线且方位角一致的点云作为种子点,根据种子点估计初始假设平面;基于初始假设平面,筛选点集中离该平面距离小于阈值的点作为内点,并统计内点数量;迭代处理以上过程,以所有假设平面中内点数最多的平面作为最优平面,完成立面点分割;步骤2.2,对剩余立面点,重复步骤2.1直到所有候选立面点分割完毕,停止分割。
在上述方法实施例内容的基础上,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤3中的采用最小环搜索方法提取立面网格包括:将根据步骤2得到的建筑物每个立面点云投影到XOY平面,并采用最小二乘直线拟合方法得到立面线,将立面线与墙面点最小外接矩形相交,计算立面线初始端点位置;根据建筑物立面线条数进一步优化立面线端点位置,若立面线条数大于3,则将立面拟合线两两相交形成立面线网格,采用最小环搜索方法提取每个闭合立面网格。
在上述方法实施例内容的基础上,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,所述采用最小环搜索方法提取每个闭合立面网格包括:步骤3.1,利用相交的立面线段顶点和线段邻接关系,构建立面线段顶点数组V和邻接矩阵M;步骤3.2,从数组V中取出任一未处理的点作为起点和终点,并根据邻接矩阵M搜索其邻接点;步骤3.3遍历邻接点,并以邻接点作为当前点,终点为目标点,采用最短路径算法搜索最小闭合环,搜索时将当前点与起点的距离设为无穷大;步骤3.4判断当前闭环是否存在,若存在则删除当前环;若为新环,则加入闭环堆栈;转到步骤3.2;步骤3.1至步骤3.4迭代进行,待V中所有点处理完毕,停止搜索。
在上述方法实施例内容的基础上,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤4中的完成有效立面线段的提取包括:对步骤3得到每一个闭环形成一个闭合的立面线网格,进一步根据建筑物LiDAR点云,通过分析落入网格中建筑物点云的密度及高差判断有效网格,完成立面线段提取,具体包括:步骤4.1,根据闭合网格数量,构建网格邻接矩阵Mc,并初始化所有元素为false;步骤4.2,针对任一闭合网格,搜索判断其边界与其他闭合网格边界邻接关系,若两者存在公共边界,则标记邻接矩阵元素为true;步骤4.3,遍历每个闭合网格,结合建筑物屋顶点云,统计落入当前闭合网格中的屋顶点云;统计点的数量,并将落入闭合网格中的屋顶点利用Ransac平面分割算法,提取最大平面,以该平面点云的高度均值作为最小环高度zi,利用点数及闭合网格面积计算最小环点密度di;步骤4.4,遍历每个闭合网格,若该网格的点密度小于阈值th_d,则认为该网格为伪无效网格,作剔除标记;否则,标记为有效网格;步骤4.5,以任一候选有效网格为当前网格,根据网格邻接矩阵Mc,搜索其相邻网格,若相邻网格与当前网格高度差dz小于阈值th_z,则作合并标记;否则不作处理;步骤4.6,从任一待合并的闭合网格出发,根据邻接矩阵找到与其邻接的待合并候选网格,则将两者的公共边标记为无效边界;待所有网格处理完毕,存储所有候选网格的有效边界及顶点,再次采用最小环搜索方法即可完成立面线的提取。
第二方面,本发明的实施例提供了一种基于机载建筑物LiDAR点云的立面线自动提取装置,包括:第一主模块,用于实现步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;第二主模块,用于实现步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;第三主模块,用于实现步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;第四主模块,用于实现步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。
第三方面,本发明的实施例提供了一种电子设备,包括:
至少一个处理器;以及
与处理器通信连接的至少一个存储器,其中:
存储器存储有可被处理器执行的程序指令,处理器调用程序指令能够执行第一方面的各种实现方式中任一种实现方式所提供的基于机载建筑物LiDAR点云的立面线自动提取方法。
第四方面,本发明的实施例提供了一种非暂态计算机可读存储介质,非暂态计算机可读存储介质存储计算机指令,计算机指令使计算机执行第一方面的各种实现方式中任一种实现方式所提供的基于机载建筑物LiDAR点云的立面线自动提取方法。
本发明实施例提供的基于机载建筑物LiDAR点云的立面线自动提取方法及设备,通过建筑物LiDAR点云立面点检测、立面提取到立面直线拟合、最小环搜索以及立面线段提取均通过计算机自动完成,可自动提取多层建筑物的立面线,没有外业测量工作,有效提高了工作效率,与人工测量手段相比提高了量测精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图做一简单的介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于机载建筑物LiDAR点云的立面线自动提取方法流程图;
图2为本发明实施例提供的基于机载建筑物LiDAR点云的立面线自动提取装置结构示意图;
图3为本发明实施例提供的电子设备的实体结构示意图;
图4为本发明实施例提供的每栋建筑物点云分割结果示意图;
图5为本发明实施例提供的分割得到的建筑物点云中的任意一栋建筑物点云结果示意图;
图6为本发明实施例提供的建筑物每个立面点云结果示意图;
图7为本发明实施例提供的立面线相交结果示意图;
图8为本发明实施例提供的采用最小环搜索方法提取所有闭合立面网格结果示意图;
图9为本发明实施例提供的对有效网格边界和顶点进一步采用最小环搜索方法提取立面线效果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例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。另外,本发明提供的各个实施例或单个实施例中的技术特征可以相互任意结合,以形成可行的技术方案,这种结合不受步骤先后次序和/或结构组成模式的约束,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时,应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。随着LiDAR扫描能力的提高,机载平台LiDAR系统可以通过垂直扫描和侧视扫描等方式获取更加完整的建筑物点云。因此,可以在建筑物点云分割的基础上,直接依据建筑物LiDAR点云立面数据,挖掘立面点分布特点,利用立面投影点的最小二乘拟合直线,通过直线相交方法构建立面线网格,结合最小环搜索分析方法完成建筑物立面线自动提取。基于这种思想,本发明实施例提供了一种基于机载建筑物LiDAR点云的立面线自动提取方法,参见图1,该方法包括:步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤1中的建筑物LiDAR点云进行单体化分割包括:步骤1.1,利用kd树组织建筑物点云,构建点云之间的邻接关系,估算点云平均点间距avgd;步骤1.2从建筑物点云中,选择一个未处理的点作为种子点,将其纳入到队列中;步骤1.3,检查种子点周围所有的邻域点,若存在与种子点的二维距离小于阈值的点,则将其纳入队列中;否则不予处理;步骤1.4,将队列中的第一个元素弹出,并加入到集合中,将当前元素作为种子点,重复步骤1.3;检查队列是否为空,若为空则转到步骤1.2,否则,重复步骤1.4,步骤1.1至步骤1.4过程迭代进行,直到所有建筑物点均被处理为止。
在另一实施例中,对建筑物LiDAR点云,利用kd树构建点云邻域关系,并采用基于距离的区域增长方式分割出每栋建筑物点云(η默认为3),分割结果如图4所示。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤2中的利用法向约束的平面分割方法提取建筑物立面点包括:根据点云邻域关系,采用每个点的局部邻域点,采用主成分分析方法变换估算该点法向量;对于当前点p,其邻域点为pi,i=1,2,...,k,k为领域点的数量,邻域点的质心为p’,构建质心p’的邻域协方差矩阵R,对邻域协方差矩阵R进行特征值分解,其中最小特征值所对应的特征向量,即为p点法向量,
其中,T为转置,若一点的法向量与XOY平面夹角小于阈值δ,则该点为候选立面点,否则为屋顶点云;以X坐标轴正向为起始方向估算所有立面点法向量所指向的方位角,采用带方位角约束的Ransac平面分割算法进行立面点提取。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,所述采用带方位角约束的Ransac平面分割算法进行立面点提取,包括:步骤2.1,从立面点云中随机选择三个不共线且方位角一致的点云作为种子点,根据种子点估计初始假设平面;基于初始假设平面,筛选点集中离该平面距离小于阈值的点作为内点,并统计内点数量;迭代处理以上过程,以所有假设平面中内点数最多的平面作为最优平面,完成立面点分割;步骤2.2,对剩余立面点,重复步骤2.1直到所有候选立面点分割完毕,停止分割。
在另一实施例中,选取分割得到的建筑物点云中的任意一栋建筑物点云,如图5所示,根据点云邻域关系估算点云法向量,利用法向量与水平面夹角进行建筑物立面点检测(δ默认为10度),并利用法向量所在方位角约束进行基于Ransac平面分割处理,得到建筑物每个立面点云,结果如图6所示。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤3中的采用最小环搜索方法提取立面网格包括:将根据步骤2得到的建筑物每个立面点云投影到XOY平面,并采用最小二乘直线拟合方法得到立面线,将立面线与墙面点最小外接矩形相交,计算立面线初始端点位置;根据建筑物立面线条数进一步优化立面线端点位置,若立面线条数大于3,则将立面拟合线两两相交形成立面线网格,采用最小环搜索方法提取每个闭合立面网格。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,所述采用最小环搜索方法提取每个闭合立面网格包括:步骤3.1,利用相交的立面线段顶点和线段邻接关系,构建立面线段顶点数组V和邻接矩阵M;步骤3.2,从数组V中取出任一未处理的点作为起点和终点,并根据邻接矩阵M搜索其邻接点;步骤3.3遍历邻接点,并以邻接点作为当前点,终点为目标点,采用最短路径算法搜索最小闭合环,搜索时将当前点与起点的距离设为无穷大;步骤3.4判断当前闭环是否存在,若存在则删除当前环;若为新环,则加入闭环堆栈;转到步骤3.2;步骤3.1至步骤3.4迭代进行,待V中所有点处理完毕,停止搜索。
在另一实施例中,将得到的建筑物每个立面点云分别投影到XOY平面,并采用最小二乘直线拟合方法得到立面线。将该建筑物的所有立面拟合直线进行两两相交形成立面线网格,立面线相交结果如图7所示,并采用最小环搜索方法提取所有闭合立面网格,搜索结果如图8所示。
基于上述方法实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取方法,步骤4中的完成有效立面线段的提取包括:对步骤3得到每一个闭环形成一个闭合的立面线网格,进一步根据建筑物LiDAR点云,通过分析落入网格中建筑物点云的密度及高差判断有效网格,完成立面线段提取,具体包括:步骤4.1,根据闭合网格数量,构建网格邻接矩阵Mc,并初始化所有元素为false;步骤4.2,针对任一闭合网格,搜索判断其边界与其他闭合网格边界邻接关系,若两者存在公共边界,则标记邻接矩阵元素为true;步骤4.3,遍历每个闭合网格,结合建筑物屋顶点云,统计落入当前闭合网格中的屋顶点云;统计点的数量,并将落入闭合网格中的屋顶点利用Ransac平面分割算法,提取最大平面,以该平面点云的高度均值作为最小环高度zi,利用点数及闭合网格面积计算最小环点密度di;步骤4.4,遍历每个闭合网格,若该网格的点密度小于阈值th_d,则认为该网格为伪无效网格,作剔除标记;否则,标记为有效网格;步骤4.5,以任一候选有效网格为当前网格,根据网格邻接矩阵Mc,搜索其相邻网格,若相邻网格与当前网格高度差dz小于阈值th_z,则作合并标记;否则不作处理;步骤4.6,从任一待合并的闭合网格出发,根据邻接矩阵找到与其邻接的待合并候选网格,则将两者的公共边标记为无效边界;待所有网格处理完毕,存储所有候选网格的有效边界及顶点,再次采用最小环搜索方法即可完成立面线的提取。
在另一实施例中,根据步骤3得到的立面线网格,构建网格公共边构建网格邻接矩阵,统计每个闭合网格中建筑物屋顶点云密度及拟合平面的高度,根据相邻立面网格密度差异阈值及高度差异阈值(th_d默认为100点/平米,th_z默认为0.8米),筛选有效闭合网格,对有效网格边界和顶点进一步采用最小环搜索方法,完成立面线的提取,提取结果如图9所示。
本发明实施例提供的基于机载建筑物LiDAR点云的立面线自动提取方法,通过建筑物LiDAR点云立面点检测、立面提取到立面直线拟合、最小环搜索以及立面线段提取均通过计算机自动完成,可自动提取多层建筑物的立面线,没有外业测量工作,有效提高了工作效率,与人工测量手段相比提高了量测精度。
本发明各个实施例的实现基础是通过具有处理器功能的设备进行程序化的处理实现的。因此在工程实际中,可以将本发明各个实施例的技术方案及其功能封装成各种模块。基于这种现实情况,在上述各实施例的基础上,本发明的实施例提供了一种基于机载建筑物LiDAR点云的立面线自动提取装置,该装置用于执行上述方法实施例中的基于机载建筑物LiDAR点云的立面线自动提取方法。参见图2,该装置包括:第一主模块,用于实现步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;第二主模块,用于实现步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;第三主模块,用于实现步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;第四主模块,用于实现步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。
本发明实施例提供的基于机载建筑物LiDAR点云的立面线自动提取装置,采用图2中的若干模块,通过建筑物LiDAR点云立面点检测、立面提取到立面直线拟合、最小环搜索以及立面线段提取均通过计算机自动完成,可自动提取多层建筑物的立面线,没有外业测量工作,有效提高了工作效率,与人工测量手段相比提高了量测精度。
需要说明的是,本发明提供的装置实施例中的装置,除了可以用于实现上述方法实施例中的方法外,还可以用于实现本发明提供的其他方法实施例中的方法,区别仅仅在于设置相应的功能模块,其原理与本发明提供的上述装置实施例的原理基本相同,只要本领域技术人员在上述装置实施例的基础上,参考其他方法实施例中的具体技术方案,通过组合技术特征获得相应的技术手段,以及由这些技术手段构成的技术方案,在保证技术方案具备实用性的前提下,就可以对上述装置实施例中的装置进行改进,从而得到相应的装置类实施例,用于实现其他方法类实施例中的方法。例如:
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取装置,还包括:第一子模块,用于实现步骤1中的建筑物LiDAR点云进行单体化分割包括:步骤1.1,利用kd树组织建筑物点云,构建点云之间的邻接关系,估算点云平均点间距avgd;步骤1.2从建筑物点云中,选择一个未处理的点作为种子点,将其纳入到队列中;步骤1.3,检查种子点周围所有的邻域点,若存在与种子点的二维距离小于阈值的点,则将其纳入队列中;否则不予处理;步骤1.4,将队列中的第一个元素弹出,并加入到集合中,将当前元素作为种子点,重复步骤1.3;检查队列是否为空,若为空则转到步骤1.2,否则,重复步骤1.4,步骤1.1至步骤1.4过程迭代进行,直到所有建筑物点均被处理为止。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取装置,还包括:第二子模块,用于实现步骤2中的利用法向约束的平面分割方法提取建筑物立面点包括:根据点云邻域关系,采用每个点的局部邻域点,采用主成分分析方法变换估算该点法向量;对于当前点p,其邻域点为pi,i=1,2,...,k,k为领域点的数量,邻域点的质心为p’,构建质心p’的邻域协方差矩阵R,对邻域协方差矩阵R进行特征值分解,其中最小特征值所对应的特征向量,即为p点法向量,
其中,T为转置,若一点的法向量与XOY平面夹角小于阈值δ,则该点为候选立面点,否则为屋顶点云;以X坐标轴正向为起始方向估算所有立面点法向量所指向的方位角,采用带方位角约束的Ransac平面分割算法进行立面点提取。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取装置,还包括:第三子模块,用于实现所述采用带方位角约束的Ransac平面分割算法进行立面点提取,包括:步骤2.1,从立面点云中随机选择三个不共线且方位角一致的点云作为种子点,根据种子点估计初始假设平面;基于初始假设平面,筛选点集中离该平面距离小于阈值的点作为内点,并统计内点数量;迭代处理以上过程,以所有假设平面中内点数最多的平面作为最优平面,完成立面点分割;步骤2.2,对剩余立面点,重复步骤2.1直到所有候选立面点分割完毕,停止分割。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取装置,还包括:第四子模块,用于实现步骤3中的采用最小环搜索方法提取立面网格包括:将根据步骤2得到的建筑物每个立面点云投影到XOY平面,并采用最小二乘直线拟合方法得到立面线,将立面线与墙面点最小外接矩形相交,计算立面线初始端点位置;根据建筑物立面线条数进一步优化立面线端点位置,若立面线条数大于3,则将立面拟合线两两相交形成立面线网格,采用最小环搜索方法提取每个闭合立面网格。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取装置,还包括:第五子模块,用于实现所述采用最小环搜索方法提取每个闭合立面网格包括:步骤3.1,利用相交的立面线段顶点和线段邻接关系,构建立面线段顶点数组V和邻接矩阵M;步骤3.2,从数组V中取出任一未处理的点作为起点和终点,并根据邻接矩阵M搜索其邻接点;步骤3.3遍历邻接点,并以邻接点作为当前点,终点为目标点,采用最短路径算法搜索最小闭合环,搜索时将当前点与起点的距离设为无穷大;步骤3.4判断当前闭环是否存在,若存在则删除当前环;若为新环,则加入闭环堆栈;转到步骤3.2;步骤3.1至步骤3.4迭代进行,待V中所有点处理完毕,停止搜索。
基于上述装置实施例的内容,作为一种可选的实施例,本发明实施例中提供的基于机载建筑物LiDAR点云的立面线自动提取装置,还包括:第六子模块,用于实现步骤4中的完成有效立面线段的提取包括:对步骤3得到每一个闭环形成一个闭合的立面线网格,进一步根据建筑物LiDAR点云,通过分析落入网格中建筑物点云的密度及高差判断有效网格,完成立面线段提取,具体包括:步骤4.1,根据闭合网格数量,构建网格邻接矩阵Mc,并初始化所有元素为false;步骤4.2,针对任一闭合网格,搜索判断其边界与其他闭合网格边界邻接关系,若两者存在公共边界,则标记邻接矩阵元素为true;步骤4.3,遍历每个闭合网格,结合建筑物屋顶点云,统计落入当前闭合网格中的屋顶点云;统计点的数量,并将落入闭合网格中的屋顶点利用Ransac平面分割算法,提取最大平面,以该平面点云的高度均值作为最小环高度zi,利用点数及闭合网格面积计算最小环点密度di;步骤4.4,遍历每个闭合网格,若该网格的点密度小于阈值th_d,则认为该网格为伪无效网格,作剔除标记;否则,标记为有效网格;步骤4.5,以任一候选有效网格为当前网格,根据网格邻接矩阵Mc,搜索其相邻网格,若相邻网格与当前网格高度差dz小于阈值th_z,则作合并标记;否则不作处理;步骤4.6,从任一待合并的闭合网格出发,根据邻接矩阵找到与其邻接的待合并候选网格,则将两者的公共边标记为无效边界;待所有网格处理完毕,存储所有候选网格的有效边界及顶点,再次采用最小环搜索方法即可完成立面线的提取。
本发明实施例的方法是依托电子设备实现的,因此对相关的电子设备有必要做一下介绍。基于此目的,本发明的实施例提供了一种电子设备,如图3所示,该电子设备包括:至少一个处理器(processor)、通信接口(Communications Interface)、至少一个存储器(memory)和通信总线,其中,至少一个处理器,通信接口,至少一个存储器通过通信总线完成相互间的通信。至少一个处理器可以调用至少一个存储器中的逻辑指令,以执行前述各个方法实施例提供的方法的全部或部分步骤。
此外,上述的至少一个存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个方法实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件实现。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。基于这种认识,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
在本专利中,术语"包括"、"包含"或者其任何其它变体意在涵盖非排它性的包含,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它要素,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。在没有更多限制的情况下,由语句"包括……"限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,包括:步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。
2.根据权利要求1所述的基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,步骤1中的建筑物LiDAR点云进行单体化分割包括:步骤1.1,利用kd树组织建筑物点云,构建点云之间的邻接关系,估算点云平均点间距avgd;步骤1.2从建筑物点云中,选择一个未处理的点作为种子点,将其纳入到队列中;步骤1.3,检查种子点周围所有的邻域点,若存在与种子点的二维距离小于阈值的点,则将其纳入队列中;否则不予处理;步骤1.4,将队列中的第一个元素弹出,并加入到集合中,将当前元素作为种子点,重复步骤1.3;检查队列是否为空,若为空则转到步骤1.2,否则,重复步骤1.4,步骤1.1至步骤1.4过程迭代进行,直到所有建筑物点均被处理为止。
3.根据权利要求2所述的基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,步骤2中的利用法向约束的平面分割方法提取建筑物立面点包括:根据点云邻域关系,采用每个点的局部邻域点,采用主成分分析方法变换估算该点法向量;对于当前点p,其邻域点为pi,i=1,2,...,k,k为领域点的数量,邻域点的质心为p’,构建质心p’的邻域协方差矩阵R,对邻域协方差矩阵R进行特征值分解,其中最小特征值所对应的特征向量,即为p点法向量,
其中,T为转置,若一点的法向量与XOY平面夹角小于阈值δ,则该点为候选立面点,否则为屋顶点云;以X坐标轴正向为起始方向估算所有立面点法向量所指向的方位角,采用带方位角约束的Ransac平面分割算法进行立面点提取。
4.根据权利要求3所述的基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,所述采用带方位角约束的Ransac平面分割算法进行立面点提取,包括:步骤2.1,从立面点云中随机选择三个不共线且方位角一致的点云作为种子点,根据种子点估计初始假设平面;基于初始假设平面,筛选点集中离该平面距离小于阈值的点作为内点,并统计内点数量;迭代处理以上过程,以所有假设平面中内点数最多的平面作为最优平面,完成立面点分割;步骤2.2,对剩余立面点,重复步骤2.1直到所有候选立面点分割完毕,停止分割。
5.根据权利要求4所述的基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,步骤3中的采用最小环搜索方法提取立面网格包括:将根据步骤2得到的建筑物每个立面点云投影到XOY平面,并采用最小二乘直线拟合方法得到立面线,将立面线与墙面点最小外接矩形相交,计算立面线初始端点位置;根据建筑物立面线条数进一步优化立面线端点位置,若立面线条数大于3,则将立面拟合线两两相交形成立面线网格,采用最小环搜索方法提取每个闭合立面网格。
6.根据权利要求5所述的基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,所述采用最小环搜索方法提取每个闭合立面网格包括:步骤3.1,利用相交的立面线段顶点和线段邻接关系,构建立面线段顶点数组V和邻接矩阵M;步骤3.2,从数组V中取出任一未处理的点作为起点和终点,并根据邻接矩阵M搜索其邻接点;步骤3.3遍历邻接点,并以邻接点作为当前点,终点为目标点,采用最短路径算法搜索最小闭合环,搜索时将当前点与起点的距离设为无穷大;步骤3.4判断当前闭环是否存在,若存在则删除当前环;若为新环,则加入闭环堆栈;转到步骤3.2;步骤3.1至步骤3.4迭代进行,待V中所有点处理完毕,停止搜索。
7.根据权利要求6所述的基于机载建筑物LiDAR点云的立面线自动提取方法,其特征在于,步骤4中的完成有效立面线段的提取包括:对步骤3得到每一个闭环形成一个闭合的立面线网格,进一步根据建筑物LiDAR点云,通过分析落入网格中建筑物点云的密度及高差判断有效网格,完成立面线段提取,具体包括:步骤4.1,根据闭合网格数量,构建网格邻接矩阵Mc,并初始化所有元素为false;步骤4.2,针对任一闭合网格,搜索判断其边界与其他闭合网格边界邻接关系,若两者存在公共边界,则标记邻接矩阵元素为true;步骤4.3,遍历每个闭合网格,结合建筑物屋顶点云,统计落入当前闭合网格中的屋顶点云;统计点的数量,并将落入闭合网格中的屋顶点利用Ransac平面分割算法,提取最大平面,以该平面点云的高度均值作为最小环高度zi,利用点数及闭合网格面积计算最小环点密度di;步骤4.4,遍历每个闭合网格,若该网格的点密度小于阈值th_d,则认为该网格为伪无效网格,作剔除标记;否则,标记为有效网格;步骤4.5,以任一候选有效网格为当前网格,根据网格邻接矩阵Mc,搜索其相邻网格,若相邻网格与当前网格高度差dz小于阈值th_z,则作合并标记;否则不作处理;步骤4.6,从任一待合并的闭合网格出发,根据邻接矩阵找到与其邻接的待合并候选网格,则将两者的公共边标记为无效边界;待所有网格处理完毕,存储所有候选网格的有效边界及顶点,再次采用最小环搜索方法即可完成立面线的提取。
8.一种基于机载建筑物LiDAR点云的立面线自动提取装置,其特征在于,包括:第一主模块,用于实现步骤1,针对建筑物LiDAR点云进行单体化分割,得到每栋建筑物点云;第二主模块,用于实现步骤2,根据步骤1得到的每栋建筑物点云,利用法向约束的平面分割方法提取建筑物立面点;第三主模块,用于实现步骤3,根据步骤2得到的建筑物立面点,进行水平投影和直线拟合得到立面线,将立面线进行两两相交处理,采用最小环搜索方法提取立面网格;第四主模块,用于实现步骤4,对步骤3得到的立面网格,联合建筑物点云分布特点,完成有效立面线段的提取。
9.一种电子设备,其特征在于,包括:
至少一个处理器、至少一个存储器和通信接口;其中,
所述处理器、存储器和通信接口相互间进行通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令,以执行权利要求1至7任一项权利要求所述的方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行权利要求1至7中任一项权利要求所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210379641.7A CN114742843A (zh) | 2022-04-12 | 2022-04-12 | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210379641.7A CN114742843A (zh) | 2022-04-12 | 2022-04-12 | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114742843A true CN114742843A (zh) | 2022-07-12 |
Family
ID=82281345
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210379641.7A Pending CN114742843A (zh) | 2022-04-12 | 2022-04-12 | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114742843A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131656A (zh) * | 2022-09-01 | 2022-09-30 | 深圳鹏行智能研究有限公司 | 空间识别方法、装置、电子设备及计算机可读存储介质 |
CN115965712A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 一种建筑物二维矢量图构建方法、系统、设备及存储介质 |
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 |
-
2022
- 2022-04-12 CN CN202210379641.7A patent/CN114742843A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115131656A (zh) * | 2022-09-01 | 2022-09-30 | 深圳鹏行智能研究有限公司 | 空间识别方法、装置、电子设备及计算机可读存储介质 |
CN115131656B (zh) * | 2022-09-01 | 2022-12-13 | 深圳鹏行智能研究有限公司 | 空间识别方法、装置、电子设备及计算机可读存储介质 |
CN115965712A (zh) * | 2023-03-16 | 2023-04-14 | 深圳市规划和自然资源数据管理中心(深圳市空间地理信息中心) | 一种建筑物二维矢量图构建方法、系统、设备及存储介质 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schauer et al. | The peopleremover—removing dynamic objects from 3-d point cloud data by traversing a voxel occupancy grid | |
US11416644B2 (en) | Supervised automatic roof modeling | |
CN114742843A (zh) | 基于机载建筑物LiDAR点云的立面线自动提取方法及设备 | |
Zhou et al. | 2.5 d dual contouring: A robust approach to creating building models from aerial lidar point clouds | |
Zolanvari et al. | Three-dimensional building façade segmentation and opening area detection from point clouds | |
KR102210537B1 (ko) | 3-차원 텍스처링된 메시들의 견고한 병합 | |
Wang et al. | Modeling indoor spaces using decomposition and reconstruction of structural elements | |
CN110717983A (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 | |
Awrangjeb et al. | Automatic building extraction from LiDAR data covering complex urban scenes | |
CN113066162B (zh) | 一种用于电磁计算的城市环境快速建模方法 | |
Cheng et al. | Automatic registration of terrestrial and airborne point clouds using building outline features | |
Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
Kim et al. | Urban scene understanding from aerial and ground LIDAR data | |
US7778808B2 (en) | Geospatial modeling system providing data thinning of geospatial data points and related methods | |
Budroni et al. | Toward automatic reconstruction of interiors from laser data | |
Matei et al. | Image to lidar matching for geotagging in urban environments | |
CN113838069B (zh) | 基于平面度约束的点云分割方法和系统 | |
Pöchtrager et al. | Digital reconstruction of historic roof structures: Developing a workflow for a highly automated analysis | |
An et al. | Extracting statistical signatures of geometry and structure in 2D occupancy grid maps for global localization | |
Elkhrachy | Feature extraction of laser scan data based on geometric properties | |
CN115965712B (zh) | 一种建筑物二维矢量图构建方法、系统、设备及存储介质 | |
Sumi et al. | Multiple TLS point cloud registration based on point projection images | |
Gourguechon et al. | Automation of as-built bim creation from point cloud: An overview of research works focused on indoor environment | |
Guinard et al. | Planar polygons detection in lidar scans based on sensor topology enhanced RANSAC | |
CN113379826A (zh) | 物流件的体积测量方法以及装置 |
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 |