CN114926602A - 基于三维点云的建筑物单体化方法及系统 - Google Patents

Abstract

本发明公开一种基于三维点云的建筑物单体化方法及系统，方法包括：标记建筑物区域；提取已标记建筑物三维点云；对提取的建筑物三维点云进行点云分层；根据点云分层结果，结合轮廓提取算法构建建筑物立面模型，实现建筑物单体化。本发明旨在解决建筑单体化问题，首先标记出建筑物区域，随后提取场景三维点云，以标记的建筑物区域分割出建筑物三维点云，并对分割出的建筑物三维点云进行点云分层；最后，基于点云分层结果，通过多阈值AlphaShape轮廓提取算法实现建筑立面模型的构建，解决现有建筑物三维模型构建以及实景三维模型缺乏建筑物属性信息的问题。

Description

基于三维点云的建筑物单体化方法及系统

技术领域

本发明属于地理信息技术领域，涉及倾斜摄影测量及计算机图形学，尤其涉及人机交互和三维重建，具体为一种基于三维点云的建筑物单体化方法及系统。

背景技术

当前倾斜摄影测量技术逐渐趋于成熟，基于倾斜影像构建实景三维模型已实现自动化，主流文件为OSGB格式。然而，该格式下的三维模型存在属性不明、管理不便、无法分析等问题，限制了城市三维GIS的发展以及“数字城市”的建设。此外，建筑物以其多样性区别于其他存在重复纹理及区域的地理要素，如道路、树木、路灯等，即无法以替换式渲染方式实现建筑物的符号化，这就要求点对点构建建筑物三维模型，实现建筑物的单体化。

经检索，公开号CN112785708A的中国专利于2021年5月11日公开了一种建筑物模型单体化的方法，该方法通过建筑物的二维矢量数据与倾斜摄影测量模型生成单体化模型构架，并对单体化模型构架进行纹理映射，生成建筑物的单体化模型，从而对建筑物模型赋予属性以及管理。该方法虽然赋予了建筑物模型属性，但是构建的单体化模型精度较低，且计算量较大。

因此，本发明提供一种方法，利用OSGB模型自带顶点结构转化为三维点云，并且基于滚球法最小外界多边形收缩的建筑物单体化算法，实现建筑物立面模型的构建，进而实现建筑物三维建模，为提高数据生产效率以及相关三维应用的展开提供了支撑，也成为“实景三维中国”项目推进的解决方案之一。

发明内容

为克服上述现有技术的不足，本发明提供一种基于三维点云的建筑物单体化方法及系统，用以解决上述至少一个技术问题。

根据本发明说明书的一方面，提供一种基于三维点云的建筑物单体化方法，包括：标记建筑物区域；提取已标记建筑物三维点云；对提取的建筑物三维点云进行点云分层；根据点云分层结果，结合轮廓提取算法构建建筑物立面模型，实现建筑物单体化。

上述技术方案旨在解决建筑单体化问题，首先标记出建筑物区域，随后提取场景三维点云，以标记的建筑物区域分割出建筑物三维点云，并对分割出的建筑物三维点云进行点云分层；最后，基于点云分层结果，通过多阈值Alpha Shape轮廓提取算法实现建筑立面模型的构建，解决现有建筑物三维模型构建以及实景三维模型缺乏建筑物属性信息的问题。

作为进一步的技术方案，建筑物区域标记进一步包括：提取研究区域DSM的地表高程数据，通过二值化及开运算得到掩膜；对掩膜进行距离插值和形态学腐蚀得到建筑前景，同时对掩膜进行反相运算和形态学腐蚀得到非建筑背景；基于得到的建筑前景、非建筑背景结合分水岭算法标记出建筑物区域。

上述技术方案基于场景DSM数据，根据其高程信息，通过二值化以及形态学处理，采用分水岭算法对建筑物进行边界提取。

作为进一步的技术方案，建筑物区域标记进一步包括：结合鼠标事件，基于osgEarth三维数字地球引擎库完成屏幕坐标系与地理坐标系的转换，实现手动标记建筑物区域。

上述技术方案提供手动勾选功能，使自动和手动相结合，实现大场景下精准建筑物区域标记，为后续点云提取以及点云优化提供基础。采用分水岭算法和手动勾选相结合的方式，解决建筑物区域全自动智能提取办法的几何精度不足以准确标定矢量区域，而手动提取方法耗时耗力、效率低下的问题。

作为进一步的技术方案，提取已标记建筑物三维点云进一步包括：利用OSGB模型的三维Mesh结构提取场景三维点云，根据已标记建筑物区域从场景三维点云中分割出建筑物三维点云，并以文件形式自动存储导出。

进一步地，针对OSGB模型的树状节点式存储结构特点，在基本建筑物区域判定的前提下提取最高级别LOD下的建筑物三维点云数据，并以文件形式自动存储导出以便于进一步使用。

作为进一步的技术方案，对提取的建筑物三维点云进行点云分层，进一步包括：根据建筑物的不同形态，将建筑物分割为若干贴合原始形状表面的子柱体，每一子柱体的点云边界清晰完整。

上述技术方案考虑到自然世界中的建筑物可以被简化为多级柱体结构，从而可以采用2.5维方式，按照建筑物的形态将建筑物分割为尽可能贴合其真实形状的若干子柱体，以便于下一步点云框架面的拟合生成。

作为进一步的技术方案，获取各子柱体的二维点云投影；根据多阈值alpha shape算法，分别确定每个子柱体的多边形轮廓边界，构成子柱体骨架，进而组成整个建筑物的轮廓边界。该技术方案针对常规固定判别半径的Alpha Shape算法计算效率低且精细度准确度难以保证的问题，提出多阈值Alpha Shape轮廓提取算法，以提高建筑物立面模型精度。

作为进一步的技术方案，多阈值alpha shape算法进一步包括：对投影的二维点云集进行格网划分，当网格的八邻域中存在无点云网格时，则认为当前网格为“边界网格”；获取每个“边界网格”的平滑度测算结果，并根据该结果为每个边界网格赋予不同的滚球圆半径，从而使用变半径滚球提取当前子柱体的轮廓边界。该技术方案通过自适应点集分布情况确定滚球半径，实现了变半径滚球法收缩建筑物边界，兼顾了建筑物轮廓提取的精细度、完整度和计算效率。

根据本发明说明书的另一方面，提供一种基于三维点云的建筑物单体化系统，包括：标记模块，用于标记建筑物区域；提取模块，用于提取已标记建筑物三维点云；分层模块，用于对提取的建筑物三维点云进行点云分层；单体化模块，用于根据点云分层结果，结合轮廓提取算法构建建筑物立面模型，实现建筑物单体化。

上述技术方案通过标记模块标记出建筑物区域，通过提取模块提取场景三维点云，以标记的建筑物区域分割出建筑物三维点云，通过分层模块对分割出的建筑物三维点云进行点云分层；最后，通过单体化模块基于点云分层结果，利用多阈值Alpha Shape轮廓提取算法实现建筑立面模型的构建，解决现有建筑物三维模型构建以及实景三维模型缺乏建筑物属性信息的问题。

作为进一步的技术方案，标记模块进一步包括：自动标记子模块和手动标记子模块。针对建筑物区域全自动智能提取办法的几何精度不足以准确标定矢量区域，而手动提取方法耗时耗力、效率低下的问题，采用自动和手动相结合的方式，充分利用基础测绘产生的地形数据，实现大场景下精准建筑物区域标记，为后续点云提取以及点云优化提供基础。

作为进一步的技术方案，单体化模块进一步包括：子柱体边界提取子模块和建筑物边界提取子模块。该技术方案通过子柱体边界提取子模块提取若干子柱体的轮廓边界，通过建筑物边界提取子模块得到目标建筑物的轮廓边界，实现建筑物单体化。

与现有技术相比，本发明的有益效果在于：

(1)本发明旨在解决建筑单体化问题，首先标记出建筑物区域，随后提取场景三维点云，以标记的建筑物区域分割出建筑物三维点云，并对分割出的建筑物三维点云进行点云分层；最后，基于点云分层结果，通过多阈值Alpha Shape轮廓提取算法实现建筑立面模型的构建，解决现有建筑物三维模型构建以及实景三维模型缺乏建筑物属性信息的问题。

(2)本发明通过建筑物点云分层和多阈值Alpha Shape轮廓提取算法，实现了变半径滚球法收缩建筑物边界，提高了建筑物立面模型精度和计算效率，同时保证了精细度和准确度。

附图说明

图1为根据本发明实施例的基于三维点云的建筑物单体化方法流程示意图。

图2为根据本发明实施例的自动标记建筑物区域的示意图。

图3为根据本发明实施例的建筑物点云分层的示意图。

图4为根据本发明实施例的建筑物单体化提取结果与实景模型的对比效果图。

图5为根据本发明实施例的基于三维点云的建筑物单体化系统的示意图。

具体实施方式

以下将结合附图对本发明各实施例的技术方案进行清楚、完整的描述，显然，所描述发实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

本发明提供一种基于三维点云的建筑物单体化方法，如图1所示，具体技术方案如下：

步骤1，建筑物区域标记。本方法基于场景DOM、DSM数据，根据其高程信息，通过二值化以及形态学处理，采用分水岭算法对建筑物进行边界提取，此外，本方法还提供手动勾选功能，实现大场景下精准建筑物区域标记，为后续点云提取以及点云优化提供基础。

对于分水岭算法自动提取建筑物区域，如图2所示，自动提取算法以研究区域DSM、DOM作为数据源，对其进行处理，具体的针对DSM数据，利用其地表高程数据，首先，进行二值化以及开运算得到掩膜，初步实现滤除树木等具有一定高程限制的地表实体影响；随后，对掩膜进行距离插值以及形态学腐蚀得到建筑前景，同时，对掩膜进行反相运算以及形态学腐蚀得到非建筑物背景，其中形态学腐蚀均起到弱化其他地物造成的噪声；最后，结合分水岭算法即可提取建筑物边界。

对于人工标记建筑物区域，其涉及计算机图形学领域人机交互技术，结合鼠标事件，具体要求实现屏幕坐标系与地理坐标系的转换。本方法基于osgEarth三维数字地球引擎库完成坐标系转换功能程序，即可实现手动勾选建筑物区域。

具体地，当用户左键单击选中模型中的某个位置时，系统可以将点击事件对应的屏幕坐标系坐标(x,y)与三维数字地球进行求交运算，其中的第一个交点即为用户希望在三维场景中选中的世界坐标系坐标(X,Y,Z)，该位置采用地心坐标系进行表达，不便于与倾斜摄影测量生成的相关测绘成果进行对比分析。因此，应该采用相关坐标系转换方法将该坐标转换为地理坐标系(B,L,H)。在本发明中，该转换方法是采用GDAL栅格空间数据转换库的相关函数进行实现的。由此获取的地理坐标系序列则构成了三维场景中的建筑物序列。

步骤2，提取建筑物三维点云。利用OSGB模型其三维Mesh结构转换为场景模型点云数据，结合1所得到的建筑物区域，即可提取建筑物三维点云，并以文件形式自动存储导出。

由OSGB场景三维模型转化所得点云数量庞大，对于存储、管理以及应用造成冗余负荷，本方法利用点云地理坐标信息，结合步骤1所得的建筑物边界完成场景点云下采样，优化点云结构，得到建筑物三维点云。

OSGB结构数据采用树状结构存储，其中每个OSGB文件均被存储为一个八叉树节点(PagedLOD)，这个节点中记录了某个金字塔层级下的三维模型以及与该节点相关联的若干个子八叉树节点。而OSG三维引擎的渲染过程将根据三维场景摄像头的远近和视野范围自动推断应该渲染的八叉树节点，从而完成三维场景中的场景配置和内存优化。为了提取到尽可能高精度的建筑物点云，本方法主要聚焦在最精细金字塔层级。

步骤3，建筑物点云分层。针对建筑物多形态特性，本方法通过人工判读建筑物不同高度对应不同结构形态，在关键特征位置对点云进行多层次分割，形成若干子柱体，以便于下一步点云框架面的拟合生成。

针对建筑物形态多样性，本方法采用点云分层对单栋建筑物的不同形态进行分割，图3为点云分层实例，其中(a)为一栋完整建筑物点云，左侧为三维点云，右侧为投影所得二维点云。具体的，本方法基于人工判读结合一定的观察将建筑物分割为若干贴合原始形状表面的子柱体，要点在于，点云边界清晰完整，能详实表现建筑物形态特征。如图3所示，(a)中显示的建筑物可以从低到高分割为(b)、(c)、(d)三个子柱体。这种分割方式能够表达该建筑物的主要结构，并贴合该建筑物的主体形状，本方法将在此基础上完成建筑物立面模型的构建。

步骤4，建筑物立面模型构建。基于点云实现建筑物单体化，本方法提取每个子柱体所对应的点云，以分层采用Alpha Shape算法半自动完成三维点云轮廓收缩，每个子柱体的高度和其对应的二维轮廓能够最终组成多层结构的建筑物单体化提取结果。对于常规固定判别半径的Alpha Shape算法计算效率低且精细度准确度难以保证的问题，本方法提出一种多阈值Alpha Shape轮廓提取算法，以提高建筑物立面模型精度。构建完成的立面模型以OBJ格式存储导出。

常规固定滚球半径的Alpha Shape算法，对于密度分布不均的点集而言也会造成一定程度的失真：当局部点云密度较大而滚球半径较大时，提取得到的柱体表面会在多边形的凹角区域得到较粗糙的结果；当局部点云密度较小而滚球半径也较小，甚至其直径低于点云间距离时，会产生错误的提取结果。而在点云数量较大或滚球半径较小的情况下，也会带来较高的计算成本和内存负载。

本方法基于点云构建建筑物立面模型，因点集自身存在离散型，本方法采用AlphaShape算法实现建筑物最小外界多边形收缩，相比凸包算法，能更好贴合建筑形状。

相比常规固定滚球半径的Alpha Shape算法，为了兼顾建筑物轮廓提取的精细度、完整度和计算效率，本方法提出多阈值Alpha Shape算法，通过自适应点集分布情况确定滚球半径，从而完成建筑物轮廓提取。

具体地，本方法对于投影的二维点集进行格网划分，从而，当网格的八邻域中存在无点云网格时，则认为该网格为边界网格。每个边界网格都可以根据平滑度测算结果分类为高平滑度网格、中平滑度网格和低平滑度网格：其中，高平滑度网格的点云主方向应该与其邻域网格具有较高一致性，而低平滑度网格的点云主方向则可能与其邻域网格的主方向不一致，甚至出现多主方向现象。即，高平滑度网格为建筑物轮廓的边界点，而低平滑度网格为建筑物轮廓的拐点。因此，高平滑度网格应该被赋予较高的滚球圆半径，以得到较粗糙的边界提取结果，而低平滑度网格则会被赋予较小的滚球圆半径，已得到较精细的边界提取结果，根据测算结果为滚球半径加权，从而实现变半径滚球法收缩建筑物边界。

本方法的建筑物单体化提取结果与实景模型的对比效果图如图4所示。

根据本发明说明书的另一方面，提供一种基于三维点云的建筑物单体化系统，如图5所示，包括：标记模块，用于标记建筑物区域；提取模块，用于提取已标记建筑物三维点云；分层模块，用于对提取的建筑物三维点云进行点云分层；单体化模块，用于根据点云分层结果，结合轮廓提取算法构建建筑物立面模型，实现建筑物单体化。

标记模块进一步包括：自动标记子模块和手动标记子模块。针对建筑物区域全自动智能提取办法的几何精度不足以准确标定矢量区域，而手动提取方法耗时耗力、效率低下的问题，采用自动和手动相结合的方式，充分利用基础测绘产生的地形数据，实现大场景下精准建筑物区域标记，为后续点云提取以及点云优化提供基础。

单体化模块进一步包括：子柱体边界提取子模块和建筑物边界提取子模块。该技术方案通过子柱体边界提取子模块提取若干子柱体的轮廓边界，通过建筑物边界提取子模块得到目标建筑物的轮廓边界，实现建筑物单体化。

本发明系统通过标记模块标记出建筑物区域，通过提取模块提取场景三维点云，以标记的建筑物区域分割出建筑物三维点云，通过分层模块对分割出的建筑物三维点云进行点云分层；最后，通过单体化模块基于点云分层结果，利用多阈值Alpha Shape轮廓提取算法实现建筑立面模型的构建，解决现有建筑物三维模型构建以及实景三维模型缺乏建筑物属性信息的问题。

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：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部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实施例技术方案。

Claims (10)

1.基于三维点云的建筑物单体化方法，其特征在于，包括：标记建筑物区域；提取已标记建筑物三维点云；对提取的建筑物三维点云进行点云分层；根据点云分层结果，结合轮廓提取算法构建建筑物立面模型，实现建筑物单体化。

2.根据权利要求1所述基于三维点云的建筑物单体化方法，其特征在于，建筑物区域标记进一步包括：提取研究区域DSM的地表高程数据，通过二值化及开运算得到掩膜；对掩膜进行距离插值和形态学腐蚀得到建筑前景，同时对掩膜进行反相运算和形态学腐蚀得到非建筑背景；基于得到的建筑前景、非建筑背景结合分水岭算法标记出建筑物区域。

3.根据权利要求1或2所述基于三维点云的建筑物单体化方法，其特征在于，建筑物区域标记进一步包括：结合鼠标事件，基于osgEarth三维数字地球引擎库完成屏幕坐标系与地理坐标系的转换，实现手动标记建筑物区域。

4.根据权利要求1所述基于三维点云的建筑物单体化方法，其特征在于，提取已标记建筑物三维点云进一步包括：利用OSGB模型的三维Mesh结构提取场景三维点云，根据已标记建筑物区域从场景三维点云中分割出建筑物三维点云，并以文件形式自动存储导出。

5.根据权利要求1所述基于三维点云的建筑物单体化方法，其特征在于，对提取的建筑物三维点云进行点云分层，进一步包括：根据建筑物的不同形态，将建筑物分割为若干贴合原始形状表面的子柱体，每一子柱体的点云边界清晰完整。

6.根据权利要求5所述基于三维点云的建筑物单体化方法，其特征在于，获取各子柱体的二维点云投影；根据多阈值alpha shape算法，分别确定每个子柱体的多边形轮廓边界，构成子柱体骨架线，进而组成整个建筑物的轮廓边界。

7.根据权利要求6所述基于三维点云的建筑物单体化方法，其特征在于，多阈值alphashape算法进一步包括：对投影的二维点云集进行格网划分，当网格的八邻域中存在无点云网格时，则认为当前网格为“边界网格”；获取每个“边界网格”的平滑度测算结果，并根据该结果为每个边界网格赋予不同的滚球圆半径，从而使用变半径滚球提取当前子柱体的轮廓边界。

8.基于三维点云的建筑物单体化系统，其特征在于，包括：标记模块，用于标记建筑物区域；提取模块，用于提取已标记建筑物三维点云；分层模块，用于对提取的建筑物三维点云进行点云分层；单体化模块，用于根据点云分层结果，结合轮廓提取算法构建建筑物立面模型，实现建筑物单体化。

9.根据权利要求8所述基于三维点云的建筑物单体化系统，其特征在于，标记模块进一步包括：自动标记子模块和手动标记子模块。

10.根据权利要求8所述基于三维点云的建筑物单体化系统，其特征在于，单体化模块进一步包括：子柱体边界提取子模块和建筑物边界提取子模块。

Images