]本发明提供了一种基于车载激光雷达点云制作建筑物数字线划图的方法，利用 面向对象的车载激光雷达点云提取和制作建筑物数字线划图，不需要借助车载激光雷达点 云数据对应的光学图像，也不需要将车载激光雷达点云数据转化成深度图像，可以直接从 三维点云中提取建筑物立面并重建，有效简化了建筑物立面重建相关算法的复杂度，提高 了重建结果的几何完整性。
【附图说明】
[0046] 图1为本发明的方法流程图；
[0047] 图2(a)为实验数据一的示意图；
[0048]图2(b)为实验数据二的示意图；
[0049] 图3(a)为对实验数据一点云分割后的示意图；
[0050] 图3(b)为对实验数据二点云分割后的示意图；
[0051 ]图4为提取实验数据一建筑物立面的示意图；
[0052] 图5(a)为提取实验数据二建筑物立面的示意图；
[0053] 图5(b)为提取实验数据二建筑物立面轮廓的示意图；
[0054] 图6(a)为建筑物立面垂直关系矫正前后对比图；
[0055] 图6(b)为建筑物立面平行关系矫正前后对比图；
[0056] 图7(a)为第一景数据建筑物立面线划图的提取结果示意图；
[0057] 图7(b)为第二景数据建筑物立面线划图的提取结果示意图。
【具体实施方式】
[0058] 为能清楚说明本方案的技术特点，下面通过【具体实施方式】，并结合其附图，对本发 明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结 构。为了简化本发明的公开，下文中对特定例子的部件和设置进行描述。此外，本发明可以 在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的，其本身不指示 所讨论各种实施例和/或设置之间的关系。应当注意，在附图中所图示的部件不一定按比例 绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。 [0059]针对车载激光雷达点云数据建筑物立面识别与重建的研究以及应用的需要，本发 明提供了一种基于车载激光雷达点云制作建筑物数字线划图的方法。尤其是本发明采用面 向对象的点云处理方法，它将散乱的点云数据通过点云分割方法，组织成人类易于理解的、 符合自然规律并带有拓扑关系的空间数据结构。本发明所提出的基于先验知识的建筑物立 面检测与提取方法，适用于点云数据凌乱、区域场景目标分布复杂的车载激光雷达数据。本 发明利用建筑物立面拟合平面的法线向量对建筑物立面轮廓进行垂直与平行拓扑关系矫 正，有效的提高了建筑物立面之间拓扑关系的精度，并一定程度上剔除了点云数据在拼接、 配准的预处理操作中的偏移误差，进而改善建筑物立面的拟合精度。
[0060]如图1所示，本发明提出了一种基于车载激光雷达点云制作建筑物数字线划图的 方法，它包括以下步骤：
[0061 ]步骤一，初始化原始车载激光雷达点云数据，将每一个激光脚点均设置为待判别 点。
[0062]步骤二，识别建筑物立面;首先对原始激光雷达点云数据进行分割，然后根据建 筑物立面的几何特点定义相应特征，进而从分割后的点云中识别建筑物立面。
[0063]步骤三，提取建筑物立面轮廓;首先将建筑物立面点云旋转到水平面，然后利用机 载激光雷达屋顶轮廓提取方法提取轮廓，再将轮廓旋转回建筑物立面，进而提取建筑物立 面轮廓。
[0064] 步骤四，矫正存在垂直或平行关系的建筑物立面轮廓；首先按顺序判断一个建筑 物立面是否与其他建筑物立面存在垂直或平行关系，然后对存在垂直或平行关系的建筑物 立面进行整体矫正。
[0065] 步骤五，输出制作的建筑物数字线划图。
[0066 ] 进一步地，所述步骤二具体包括以下步骤：
[0067] (1)基于区域生长原理对原始激光雷达点云数据进行点云分割
[0068] 如图3所示，两景数据为分割后的车载激光雷达点云数据，从图3中可以看出，所有 建筑物立面均被有效分割出来。该方法采用区域生长分割处理思想，利用临近准则和法向 向量夹角准则来约束区域生长过程。
[0069] (2)根据建筑物立面的几何特点，计算建筑物立面相应的三个特征
[0070] 鉴于建筑物立面存在的建筑物尺寸明显大于其他地物、法向向量与水平面的关 系、以及立面点云之间存在较大高差的三个特点，进行提取以下几种特征：
[0071] A.法线向量与水平面夹角。基于法向向量与水平面的关系，对于每一个分割片，首 先进行基于特征值法的平面拟合，然后计算每一个分割面片的法向量，并且求出法向量与 水平面的夹角，将该夹角作为提取建筑物立面的特征。该特征用以剔除地面、平面屋顶、倾 斜屋顶、树木等类别的激光脚点。
[0072] B.面积。基于建筑物的尺寸明显大于其他地物的特点，建筑物的面积用每一面片 中激光脚点数量来衡量。该测度的合理性在于，车载激光雷达测量数据的点密度通常是恒 定的，某一分割面片的激光脚点的数量可以反映分割面片的面积大小，从而避免了获取激 光脚点边缘以及计算面积的过程，减少算法的时间复杂度和空间复杂度。该特征用以剔除 车辆、围栏、信箱、垃圾桶等面积较小的地物目标激光脚点。
[0073] C.绝对高程和高程变化范围。针对立面点云之间存在较大高差的特点，本发明定 义绝对高程为该分割面片所有激光脚点的Z坐标平均值;高程变化范围为该分割面片激光 脚点中高程最大值减去高程最小值。两个特征用以剔除地面，建筑物屋顶平面，坡度较缓以 及高度较低的地物激光脚点。
[0074] (3)根据计算得到的特征来识别建筑物立面
[0075]在判别过程中，将所有特征测度作为判别的条件且取并集，将建筑物立面激光脚 点保留，并将其他属性的激光脚点予以删除。建筑物立面以及典型地物目标特征统计如表1 所示。
[0076] 表1典型地物特征统计
[0078] 进一步地，所述步骤三具体包括以下步骤：
[0079] (1)对建筑物立面数据进行分割，将不同的建筑物立面上的点分割到相应的分割 面片上；
[0080] (2)对不同的分割面片点，利用特征值法拟合出该分割面片所在的平面；
[0081] (3)将该分割面片上的所有点投影到拟合出的平面上，从而得到法线向量；
[0082] (4)根据该分割面片所在的平面法向量，计算其与水平面法线向量之间的夹角，并 通过该夹角计算出旋转矩阵；
[0083] (5)将该建筑物立面上的点旋转到水平面；
[0084] (6)利用机载激光雷达屋顶轮廓提取方法提取旋转到水平面的建筑物立面轮廓；
[0085] (7)利用步骤(4)中的旋转矩阵的逆矩阵，将这些边界点进行旋转，并且连接边界 点，从而得到最终建筑物立面轮廊。
[0086] 所述利用机载激光雷达屋顶轮廓提取方法提取旋转到水平面的建筑物立面轮廓 的过程即是利用传统的机载激光雷达点云数据屋顶三维边界提取方法提取点云数据的边 界点的过程，它的详细步骤如下：
[0087] (1)获取某一建筑物屋顶的分割面片点集的Delaunay三角网；
[0088] (2)删除Delaunay三角网中的长边;在二维欧式空间内定义一个距离阈值1，如果 Delaunay三角网中的任一三角形的某边的长度大于1，则删除该边;这样保留下来的边确定 了点集内点的连接关系；
[0089] (3)确定边界的起始点；找到属于该面片的点集中具有最大X坐标的点p作为边界 的起始点，沿逆时针方向，开始边界追踪；
[0090] (4)追踪下一边界点；在Delaunay三角网中，找到与起始点p直接相连的所有点；如 果连接点个数为〇,则从边界点中删除P，并从Delaunay三角网中删除p和与之相关联的边， 返回到第四步;否则，计算起始点P与每一个连接点形成的向量与X轴形成的夹角;最小夹角 对应的连接点为下一边界点；
[0091] (5)顺次追踪其余的边界线段和边缘点;Delaunay三角网中，处于边缘的三角形边 仅仅被一个三角形所包含，而非边缘的边被两个三角形所包含；以此论据，依次追踪 Delaunay三角网的边缘线段和边缘点，直至边缘点与起始点重合为止；
[0092] (6)利用Hough变换空间，将边缘点连接成直线，形成最小外接矩形。
[0093 ] 进一步地，所述步骤四具体包括以下步骤：
[0094] (1)首先计算每一个建筑物立面的法线向量。
[0095] (2)按顺序判断这两个立面之间的关系，若存在平行或垂直关系，则将该对立面加 入待矫正队列。若两个立面之间不存在平行或垂直关系，则认为这对立面之间存在固有倾 斜，不做处理。
[0096] (3)若该对立面之间存在平行或垂直关系，则取出其中第二个立面与下一