CN117036393B - 基于倾斜实景三维模型的建筑物轮廓提取方法 - Google Patents
基于倾斜实景三维模型的建筑物轮廓提取方法 Download PDFInfo
- Publication number
- CN117036393B CN117036393B CN202311297123.1A CN202311297123A CN117036393B CN 117036393 B CN117036393 B CN 117036393B CN 202311297123 A CN202311297123 A CN 202311297123A CN 117036393 B CN117036393 B CN 117036393B
- Authority
- CN
- China
- Prior art keywords
- point cloud
- building
- ground
- cloud cluster
- point
- 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
- 238000000605 extraction Methods 0.000 title claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000004744 fabric Substances 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 18
- 238000013507 mapping Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000012625 in-situ measurement Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06T7/13—Edge detection
-
- 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
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明属于测绘技术领域，具体涉及一种基于倾斜实景三维模型的建筑物轮廓提取方法，该方法包括S1倾斜模型悬浮物过滤、S2倾斜模型顶点集合提取、S3地面点与非地面点拆分、S4非地面点集合地物对象点云簇拆分、S5建筑物特征的点云簇过滤、S6建筑点云簇精准加密，以及S7建筑物边界提取步骤。该方法可以在复杂的城市环境中实现建筑物轮廓的提取，包括高楼大厦、城市密集区域等。与传统方法需要在现场进行测量相比，本发明通过利用已有的倾斜实景三维模型，可以更好地应对这些复杂环境，提高轮廓提取的适用性和准确性。
Description
技术领域
0001.本发明属于测绘技术领域，具体涉及一种基于倾斜实景三维模型的建筑物轮廓提取方法。
背景技术
0002.在城市规划、建筑设计和市政工程等领域，准确获取建筑物的轮廓信息对于项目的规划、设计和施工至关重要。然而，现有的建筑物轮廓提取方法在面对复杂的城市环境和不同建筑形态时存在一些明显的不足之处。现有的建筑物轮廓提取的传统测绘方法通常涉及人工实地测量，需要测绘员在现场使用测量仪器进行角度和距离测量，或使用手持测绘设备进行点位坐标获取，然后通过数据处理生成建筑物轮廓。此种方法耗时耗力，且在高楼大厦和地物密集区域的轮廓提取上存在一定难度，特别是对于无法直接观测到、或因实地情况复杂无法获取定位信号的部分。此外，人工测量还可能引入人为误差，影响轮廓提取的准确性。
0003.公开号为CN115880325A，名称为基于点云维度和空间距离聚类的建筑物轮廓自动提取方法，该方法通过对带有真实地理坐标的激光点云进行去噪处理；然后对所述激光点云进行点云滤波，分离场景中的地面点云及非地面点云，再计算所述非地面点云所属维度可能性，通过空间聚类分析获取建筑物点云，最后获取建筑物点云轮廓，并拟合轮廓函数。这种方法基于激光扫描获取建筑物的三维点云数据，但由于轮廓提取的点云数据量庞大，需要耗费大量时间进行数据处理和分析；另外，点云数据可能受到噪点、遮挡等因素影响，导致提取的轮廓不准确。
发明内容
0004.针对传统的建筑物轮廓提取存在误差大、轮廓不准确的问题，本发明提出一种基于倾斜实景三维模型的建筑物轮廓提取方法。
0005.本发明的基于倾斜实景三维模型的建筑物轮廓提取方法，该方法包括S1倾斜模型悬浮物过滤、S2倾斜模型顶点集合提取、S3地面点与非地面点拆分、S4非地面点集合地物对象点云簇拆分、S5建筑物特征的点云簇过滤、S6建筑点云簇精准加密，以及S7建筑物边界提取步骤，具体的：
所述的S5中建筑物特征的点云簇过滤，对于每个独立的地物对象点云簇，根据倾斜模型中记录的三角网信息，将其还原为与倾斜模型相同的三角面片结构，提取并计算每个面片的法向量，以及法向量与空间直角坐标系Z轴的夹角；对于每个独立的地物对象点云簇，给定一组判断依据：
该点云簇包含的点数量是否大于n，所述n为大于3的整数；
该点云簇的高度是否大于h，所述h为大于0的数；
该点云簇所构成的三角面片法向量与Z轴的夹角在90°±R之间的面片数，是否占比达到总面片数的C，所述C的取值范围为闭区间[1%，100%]中的任意一个值；
若一个独立的地物对象点云簇同时满足以上3个条件，则可被认为是建筑点云簇，否则被认为是非建筑点云簇；
所述S6中建筑点云簇精准加密，根据原始倾斜实景三维模型中提取建筑点云簇相关的节点、三角面片信息，将建筑点云簇还原为多个三角面片，对于每个三角面片，使用间隔为r的密集矩形点阵对其该三角面片进行填充，填充在三角面片上的点即成为加密点。
0006.由于基于倾斜实景三维模型提取的点云密度较小，不足以支撑建筑物边界的准确提取，因此需要S6步骤对建筑点云簇进行加密操作，使该点云簇达到足够的密度，再进行后续步骤的边界精准分析；需要注意的是，建筑点云簇加密操作须遵循对现实地物最真实反映原则，不能只为加密而加密，在普通点云中，该原则较难实现，通常需要较为复杂的算法模型以实现对点云簇的起伏趋势判断、建模，再进行点云加密，此操作所加密的点云在复杂地形区域会产生较大加密偏差，但本研究是建立在倾斜实景三维模型上的，倾斜实景三维模型本身还包还有地面实体的面片数据信息，使得在本方法下的点云加密工作可以精准、高效、简单的开展。
0007.进一步的，所述的S3中地面点与非地面点拆分步骤，采用CSF布料滤波算法，将地面点与非地面点进行拆分，拆分出地面点集合与非地面点集合。
0008.进一步的，所述S4中非地面点集合地物对象点云簇拆分步骤，采用欧几里得算法对非地面点云进行拆分；其中非地面点对象的点云集合之间存在间隔，利用间隔将非地面点云拆分为多个独立的地物对象点云簇。
0009.进一步的，所述的S7中建筑物边界提取，将所有建筑点云簇投影到与地平面平行的二维平面上，形成平面点集合；设定单个地物对象点云簇点间隔的最小距离为 d，使用AlphaShape算法即可提取出所有建筑物边界。
0010.本发明的基于倾斜实景三维模型的建筑物轮廓提取方法针对现有技术中存在的问题，具有以下有益效果：
1)解决传统测绘方法效率低的问题。相较于传统人工测绘方法，本发明利用倾斜实景三维模型，无需在现场进行复杂的测量，从而大大提高了轮廓提取的效率和准确性。传统测绘方法可能需要在高楼大厦或密集城区花费大量时间，而本发明通过利用已有的倾斜实景三维模型，可直接在计算机环境中实现轮廓提取，节省了人力和时间成本；
2)改善基于点云技术的不足。与基于点云技术相比，本发明通过倾斜实景三维模型提取建筑物轮廓，能够更好地应对噪点、遮挡和数据密度不均匀等问题。点云数据可能受到噪点和遮挡的影响，导致提取的轮廓不准确。而本发明则可以在倾斜实景三维模型中直接定位建筑物，避免了这些问题，提高了轮廓提取的准确性；
3)增强数据一致性。传统方法可能因为人为误差或数据处理不准确而导致轮廓不一致，而本发明的方法通过直接从倾斜实景三维模型中提取轮廓，可以有效避免该问题，得到更加准确和一致的结果。
附图说明
0011.图1为S5中单个地物对象点云簇示意图。
0012.图2为S5中单个地物对象点云簇的三角面片结构示意图。
0013.图3为S5中提取并计算每个三角面片法向量示意图。
0014.图4为S6中单个三角面片密集矩形点阵加密示意图。
0015.图5为S6中加密后单个建筑点云簇三角面片结构示意图。
0016.图6为S7中单个建筑点云簇投影到平面示意图。
0017.图7为S7中提取建筑物边界示意图。
实施方式
0018.实施例1：利用上述方法对某实际工程建设区域的倾斜实景三维模型提取建筑物轮廓，采用下列步骤实施：
该实施区域从倾斜实景三维模型中提取顶点集合，共提取到关键点数量为743843个；
采用CSF布料滤波后提取到非地面点共489219个；
采用欧几里得算法拆分出非地面点云簇共32团；
因实施区域倾斜实景三维模型特征为城市区域，建筑物多维垂直立面结构，拥有汽车、花坛、树丛、公路等体积较小。面片数较少、模型三角面片法向量方向较杂、模型高度较矮的非建筑物特征地物，因此对于每个独立的地物对象点云簇，定义如下判断标准：
该点云簇包含的点数量n ≥ 600；
该点云簇的高度h ≥ 3米；
该点云簇所构成的三角面片法向量与Z轴的夹角在90°±10°之间的面片数，是否占比达到总面片数的60%；
提取得到符合要求的建筑物特征的点云簇共4团，对每个点云簇进行基于倾斜实景三维模型面片的间隔r=0.1米的精准加密，加密前特征点数量有12528个，加密后特征点与加密点共有158832个；
分别将每个建筑点云簇投影到与地平面平行的二维平面上，形成平面点集合，设定单个地物对象点云簇点间隔的最小距离为 d=0.2米，使用AlphaShape算法对平面点云进行沦落计算，最终准确提取出实施范围内的4个建筑物边界。经测量，所提取出的建筑物边界误差小于0.2米；
在进行建筑物特征的点云簇过滤和建筑物边界图区过程中，设定不同的相关参数会获得不同的成果数据。当对同一片实施区域使用如下参数时，得到如下提取结果：
该点云簇包含的点数量n ≥ 600；
该点云簇的高度h ≥ 6米；
该点云簇所构成的三角面片法向量与Z轴的夹角在90°±10°之间的面片数，是否占比达到总面片数的70%；
对每个点云簇进行基于倾斜实景三维模型面片的间隔r=0.1米的精准加密；
设定单个地物对象点云簇点间隔的最小距离为 d=0.11米。
Claims (4)
1.基于倾斜实景三维模型的建筑物轮廓提取方法，其特征在于该方法包括S1倾斜模型悬浮物过滤、S2倾斜模型顶点集合提取、S3地面点与非地面点拆分、S4非地面点集合地物对象点云簇拆分、S5建筑物特征的点云簇过滤、S6建筑点云簇精准加密，以及S7建筑物边界提取步骤，具体的：
所述的S5中建筑物特征的点云簇过滤，对于每个独立的地物对象点云簇，根据倾斜模型中记录的三角网信息，将其还原为与倾斜模型相同的三角面片结构，提取并计算每个面片的法向量，以及法向量与空间直角坐标系Z轴的夹角；对于每个独立的地物对象点云簇，给定一组判断依据：
该点云簇包含的点数量是否大于n，所述n为大于3的整数；
该点云簇的高度是否大于h，所述h为大于0的数；
该点云簇所构成的三角面片法向量与Z轴的夹角在90°±R之间的面片数，是否占比达到总面片数的C，所述C的取值范围为闭区间[1%，100%]中的任意一个值；
若一个独立的地物对象点云簇同时满足以上3个条件，则可被认为是建筑点云簇，否则被认为是非建筑点云簇；
所述S6中建筑点云簇精准加密，根据原始倾斜实景三维模型中提取建筑点云簇相关的节点、三角面片信息，将建筑点云簇还原为多个三角面片，对于每个三角面片，使用间隔为r的密集矩形点阵对其该三角面片进行填充，填充在三角面片上的点即成为加密点。
2.如权利要求1所述的基于倾斜实景三维模型的建筑物轮廓提取方法，其特征在于S3中地面点与非地面点拆分步骤，采用CSF布料滤波算法, 将地面点与非地面点进行拆分，拆分出地面点集合与非地面点集合。
3.如权利要求1所述的基于倾斜实景三维模型的建筑物轮廓提取方法，其特征在于S4中非地面点集合地物对象点云簇拆分步骤，采用欧几里得算法对非地面点云进行拆分，其中非地面点对象的点云集合之间存在间隔，利用间隔将非地面点云拆分为多个独立的地物对象点云簇。
4.如权利要求1所述的基于倾斜实景三维模型的建筑物轮廓提取方法，其特征在于S7中建筑物边界提取，将所有建筑点云簇投影到与地平面平行的二维平面上，形成平面点集合；设定单个地物对象点云簇点间隔的最小距离为 d，使用AlphaShape算法即可提取出所有建筑物边界。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297123.1A CN117036393B (zh) | 2023-10-09 | 2023-10-09 | 基于倾斜实景三维模型的建筑物轮廓提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311297123.1A CN117036393B (zh) | 2023-10-09 | 2023-10-09 | 基于倾斜实景三维模型的建筑物轮廓提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117036393A CN117036393A (zh) | 2023-11-10 |
| CN117036393B true CN117036393B (zh) | 2023-12-19 |
Family
ID=88630454
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311297123.1A Active CN117036393B (zh) | 2023-10-09 | 2023-10-09 | 基于倾斜实景三维模型的建筑物轮廓提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117036393B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844629A (zh) * | 2016-03-21 | 2016-08-10 | 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 |
| CN111508074A (zh) * | 2020-03-12 | 2020-08-07 | 浙江工业大学 | 一种基于屋顶轮廓线的三维建筑模型简化方法 |
| CN113171913A (zh) * | 2021-04-30 | 2021-07-27 | 哈尔滨工业大学 | 一种基于座椅类家具三维点云的喷涂路径生成方法 |
| CN114120149A (zh) * | 2021-11-09 | 2022-03-01 | 肇庆市城市规划设计院 | 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质 |
| CN114419085A (zh) * | 2022-01-19 | 2022-04-29 | 中煤航测遥感集团有限公司 | 建筑物轮廓线自动提取方法、装置、终端设备及存储介质 |
| CN114494292A (zh) * | 2022-01-19 | 2022-05-13 | 武汉大势智慧科技有限公司 | 一种建筑物立面玻璃区域提取方法及系统 |
| CN114821541A (zh) * | 2022-06-23 | 2022-07-29 | 深圳大学 | 一种基于网格模型的道路面损伤检测方法及相关设备 |
| CN115880325A (zh) * | 2022-12-07 | 2023-03-31 | 重庆市地理信息和遥感应用中心 | 基于点云维度和空间距离聚类的建筑物轮廓自动提取方法 |
| CN116385659A (zh) * | 2023-04-21 | 2023-07-04 | 北京航空航天大学 | 一种点云建筑物建模方法、系统、存储介质及电子设备 |
| CN116580168A (zh) * | 2023-05-18 | 2023-08-11 | 中航星图(北京)信息技术有限公司 | 建筑物白模的构建方法、装置、设备和存储介质 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012034236A1 (en) * | 2010-09-16 | 2012-03-22 | Ambercore Software Inc. | System and method for detailed automated feature extraction from data having spatial coordinates |
| KR20220077519A (ko) * | 2020-12-02 | 2022-06-09 | 현대자동차주식회사 | 라이다 센서를 이용한 고도 구조물 인지 장치 및 방법 |
-
2023
- 2023-10-09 CN CN202311297123.1A patent/CN117036393B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844629A (zh) * | 2016-03-21 | 2016-08-10 | 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 |
| CN111508074A (zh) * | 2020-03-12 | 2020-08-07 | 浙江工业大学 | 一种基于屋顶轮廓线的三维建筑模型简化方法 |
| CN113171913A (zh) * | 2021-04-30 | 2021-07-27 | 哈尔滨工业大学 | 一种基于座椅类家具三维点云的喷涂路径生成方法 |
| CN114120149A (zh) * | 2021-11-09 | 2022-03-01 | 肇庆市城市规划设计院 | 一种倾斜摄影测量建筑物特征点提取方法、装置、电子设备及介质 |
| CN114419085A (zh) * | 2022-01-19 | 2022-04-29 | 中煤航测遥感集团有限公司 | 建筑物轮廓线自动提取方法、装置、终端设备及存储介质 |
| CN114494292A (zh) * | 2022-01-19 | 2022-05-13 | 武汉大势智慧科技有限公司 | 一种建筑物立面玻璃区域提取方法及系统 |
| CN114821541A (zh) * | 2022-06-23 | 2022-07-29 | 深圳大学 | 一种基于网格模型的道路面损伤检测方法及相关设备 |
| CN115880325A (zh) * | 2022-12-07 | 2023-03-31 | 重庆市地理信息和遥感应用中心 | 基于点云维度和空间距离聚类的建筑物轮廓自动提取方法 |
| CN116385659A (zh) * | 2023-04-21 | 2023-07-04 | 北京航空航天大学 | 一种点云建筑物建模方法、系统、存储介质及电子设备 |
| CN116580168A (zh) * | 2023-05-18 | 2023-08-11 | 中航星图(北京)信息技术有限公司 | 建筑物白模的构建方法、装置、设备和存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| Joint classification and contour extraction of large 3D point clouds;Timo Hackel等;《ISPRS Journal of Photogrammetry and Remote Sensing》;第130卷;231-245 * |
| 利用原始激光雷达点云数据提取渐进式建筑物轮廓线;闻平等;《测绘通报》(第09期);80-84 * |
| 基于倾斜影像密集匹配点云的建筑物单体化提取技术研究;陈宇;《中国优秀硕士学位论文全文数据库_基础科学辑》;A008-137 * |
| 基于倾斜摄影测量的农村房地一体三维管理系统的实现;付航等;《地矿测绘》;第37卷(第04期);34-37 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117036393A (zh) | 2023-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019242174A1 (zh) | 基于激光雷达的建筑结构自动测量及3d模型生成方法 | |
| CN104075691B (zh) | 地面激光扫描仪测量地形的方法 | |
| CN105761312B (zh) | 一种微地形表面重建方法 | |
| CN109978047B (zh) | 一种田间小麦茎蘖数提取方法 | |
| CN102096072B (zh) | 一种城市部件自动化测量方法 | |
| CN106503060A (zh) | 一种输电线路三维点云数据处理及交跨物获取方法 | |
| CN103017739A (zh) | 基于激光雷达点云与航空影像的真正射影像的制作方法 | |
| CN111260668B (zh) | 一种电力线提取方法、系统及终端 | |
| CN109242862A (zh) | 一种实时的数字表面模型生成方法 | |
| CN111784840B (zh) | 基于矢量数据自动分割lod层级三维数据单体化方法及系统 | |
| CN111879300A (zh) | 基于三维激光扫描技术的崩岗侵蚀发育监测方法 | |
| CN106156883A (zh) | 一种输电线路工程前期杆塔规划方法 | |
| CN111784831A (zh) | 一种基于倾斜摄影的城区河道洪水三维淹没分析方法 | |
| CN115797288B (zh) | 基于地面点云数据计算填挖方量的方法 | |
| CN117237568A (zh) | 基于点云数据拟合的架空输电线路三维实景建模方法 | |
| CN114862715A (zh) | 一种融合地形特征语义信息的tin渐进加密去噪方法 | |
| CN104729529A (zh) | 地形图测量系统误差判断的方法和系统 | |
| CN108427741A (zh) | 一种基于大量高精度控制点的dem相对误差评价方法 | |
| CN114511546A (zh) | 基于dbscan聚类和四象限的激光点云林木胸径获取方法 | |
| Ren et al. | Future prospects of UAV tilt photogrammetry technology | |
| CN117036393B (zh) | 基于倾斜实景三维模型的建筑物轮廓提取方法 | |
| CN112002012B (zh) | 城市区域的可视性分析方法 | |
| CN112166688B (zh) | 基于小卫星的沙漠与沙漠化土地监测方法 | |
| CN117392335B (zh) | 三维面元地质模型向三维体元地质模型的转换方法 | |
| CN114842356B (zh) | 一种高分辨率地表类型样本自动生成方法、系统及设备 |
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 |