专利名称：一种基于LiDAR数据与正射影像的3维屋顶重建方法
一种基于LiDAR数据与正射影像的3维屋顶重建方法技术领域
本方法属于影像处理方法技术领域，特别是涉及一种基于LiDAR数据与正射影像相结合的高精度、自动化的3维屋顶重建方法。
背景技术：
3维建筑模型是数字城市的重要组成部分，广泛应用于测绘遥感、虚拟现实、城市规划、科学研究等领域。通过人工数字化、3维手工建模构建3维建筑模型，效率低、成本高， 很难满足大范围、实时建筑模型的需求。伴随着摄影测量技术、图像处理技术、计算机视觉技术、地理信息技术等学科的发展，各类建筑模型构建方法不断涌现，这些方法主要可以分为基于影像的自动化重建方法、基于LiDAR数据的自动化重建方法以及LiDAR与影像相结合的自动化重建方法。基于影像的自动化重建是目前最经济快捷的城市建筑物的建模方法，但这种方法存在一定问题(1)影像数据包含大量的阴影以及噪声，对噪声的相关处理还不是很成熟；⑵像对匹配特征的选择比较困难；⑶利用摄影测量的方法从影像重建3 维模型是一个综合性的复杂问题，完全的自动化提取不大现实。
近年来，一种新型的测量技术机载激光雷达发展迅速，并被广泛地应用于遥感测绘以及3维模型构建中，逐渐成为了城市3维模型构建的重要方法。已有一系列学者针对从LiDAR数据出发重建建筑物模型展开了研究并提出了一些方法。这些方法多数是先对 LiDAR点进行面片分割，得到初始面片范围，而后进行精化。但由于LiDAR点间距约一米，精度有限，初始的面片分割得到的轮廓不可能是准确轮廓，对于这一问题的解决目前多采用规则化的方法，但规则化方法存在了一定问题(1)初始面片的构建可能并不完全准确，局部凹凸多边形的出现可能使规则化后的结果出现多余多边形或者局部特征的丢失；(2)单个面片的规则化，对各个面片的拓扑关系的考虑有所欠缺，这样的规则化容易导致轮廓线的偏移。
单纯以影像数据或者是LiDAR数据进行建筑物的自动重建都存在着一定的问题，为了获取更好的建模效果可以考虑二者的结合。目前，已经有一些LiDAR与高分辨率影像结合的建筑物重建方法。2003年，Sohn等人在hternational Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences of the ISPRS 会议中撰文《Building extraction using Lidar DEMs and Ikonos images》，将 LiDAR 点与IKONOS影像相结合，通过滤波将地面点与非地面点分离，再利用影像计算NDVI指数，剔除植被数据。对建筑物点，使用模型驱动和数据驱动相结合的方法获取轮廓线，最后完成模型的重建。这一方法在建筑物轮廓线的提取上比较独特，但是由于其使用了固定的阈值，对于大区域的数据来说不够灵活。2004年，Chen等人在hternational archives of Photogrammetry and Remote Sensing 会议中撰文〈〈Fusion of LIDAR data and optical imagery for building modeling》，提出从LiDAR点云中检测边缘，再结合高分辨率航空影像，提高边缘的几何精度，组合成闭合的多边形，最后进行模型的重建。这种方法能够很好地修正建筑物的边缘，但建模的精度很大程度依赖于影像分割的精度，未能充分发挥LiDAR点的数据优势。
LiDAR数据与影像之间是有很强的互补性特征，两者的结合会对重建带来显著的改善。发明内容
1.发明要解决的技术问题本发明的目的是提供一种自动化构建3维屋顶模型的方法，该方法根据LiDAR数据进行屋顶面片的分割以及各面片噪声的剔除，再进行屋顶面片的拟合，提高了建模的正确性与完整性，同时结合LiDAR数据与正射影像提取精确的屋脊线、轮廓线，提高了建模的精确性，最后进行3维屋顶模型的自动化构建，实现了建模的自动化。
2.本发明的技术方案如下原理对LiDAR数据构建Delaimay三角网，利用LiDAR点提供的高程信息使用三角形簇的方法(三角形簇的方法即根据高程信息把邻接的三角形集合组合成不同的组，构成三角形簇，并采用TNI结构形式，绘制时以三角形簇为单位进行调度和构网)提取出屋顶面片；利用高分影像的高分辨率特性提取精确边缘线并构建左右多边形，根据两侧多边形内 LiDAR点所属面片情况进行屋脊线、轮廓线的提取；根据屋顶面片内的LiDAR点进行屋顶面片拟合，结合屋脊线、轮廓线进行3维屋顶模型的构建。
一种基于LiDAR数据与正射影像的3维屋顶重建方法，主要包括3个关键步骤 (参照附图1)步骤1 基于三角形簇的LiDAR点屋顶面片分割，即对LiDAR点构建Delaunay三角网， 根据LiDAR点的高程使用三角形簇的方法进行屋顶面片的分割。具体步骤为(参照附图2) (1)对LiDAR数据进行预处理，包括重采样和滤波。重采样时把邻阈内最高值赋予采样点的高程，以便有效剔除墙面噪声，保持数据的真实性，保留建筑物的轮廓信息。滤波时采用中值滤波，在剔除噪声的同时有效保留边缘信息。
(2)对预处理后的LiDAR数据构建Delaunay三角网。使用基于格网索引的生长算法进行三角网的实现，并与常规生长算法和基于拓扑结构和凸壳的生成算法进行了比较， 比较发现基于格网索引的生长算法效率最高。
(3)对构建好的Delaunay三角网进行边缘线的筛选。传统的筛选是使用三角形法向量法进行筛选，即计算相邻三角形法向量之间的夹角，这种方法以相邻三角形为处理单元，处理单元过小，难以反映整体边缘情况，会保留大量噪声。本发明在三角形法向量基础上，进一步使用三角形簇的点法向量方法筛选，即把三角形簇内的三角形法向量算术平均作为该三角形簇的法向量，计算三角形簇法向量之间的夹角。经过以上处理后，能够剔除大量的非边缘线，但是会保留一部分位于墙面上的法向量变化较大的三角形边，对于这些三角形边，根据边两个端点的高差以及边与水平面之间的夹角进行筛选。
(4)对筛选出的面片边缘线进行面片的生成。Delaunay三角网经过边缘线筛选得到线是间断的且带有分叉的，利用这些线进行面片生成需要进行一定的简化和连接。根据 Delaunay三角网边的相邻关系，把这些独立的三角网边组合成边缘线，剔除长度过短的线， 同时对于带有分叉的线，保留两个较长的分叉，剔除细小分叉。最后进行边缘线的连接，找到边缘线的端点，再根据端点高程值，进行大致面片划分，高程差在10内厘米可认为属于同一个面片，这些间断点才可以连接，寻找两两最近端点相连接。
步骤2 基于LiDAR数据与正射影像的屋脊线提取，即对正射影像进行边缘检测， 再对边缘线构建左右多边形，根据点面空间关系确定落在多边形内的LiDAR点，根据左右多边形内LiDAR点所属面片情况进行屋脊线的筛选，最后进行完整屋脊线的恢复，具体步骤为(参照附图3)(1)根据已有的建筑物区域的LiDAR数据确定影像工作区，套合LiDAR数据与正射影像，对LiDAR点内插并外扩，对外扩后的区域做最小外接矩形，以此切割过滤后的影像，使用外扩后的面过滤切割的影像，并得到线段提取的工作影像。
(2)对影响工作区进行边缘检测和Hough变换，获取矢量的边缘线数据。对影像工作区使用Edison边缘检测方法得到栅格化的边缘信息，经过Hough变换得到矢量化的线性边缘数据。
( 3 )对从影像上获取的边缘线进行屋脊线的提取。对所有边缘线构建左右多边形， 根据点面空间关系确定落在左右多边形里面的LiDAR点，根据LiDAR点所属面片情况进行边缘线的筛选，得到属于屋脊线或者位于屋脊线附近的边缘线。
(4)对筛选出来的屋脊线进行编组及融合。在某些屋顶面片交界处存在多条线段。 将相互平行且距离小于阈值的线段编组。当组内存在多条线段时，根据这些线段的端点拟合新的线段，完成屋脊线的融合处理。
(5)利用融合后的屋脊线进行屋脊线的恢复。对屋脊线进行延长，与轮廓线相交， 把屋顶分割成多个细小多边形，确定落在这些多边形内LiDAR点。两两比较多边形的LiDAR 点，如果所属面片基本相同则合并为同一个多边形。
步骤3 3维屋顶模型重建，即根据已得到的屋顶面片，确定落在各屋顶面片内的 LiDAR点，拟合各个屋顶面片，再根据屋脊线和轮廓线确定的每个屋顶面片的精确范围，构建3维屋顶模型，具体步骤为(1)对于第一步骤得到的屋顶面片，根据点面空间关系，确定各面片内的LiDAR点，使用随机采样一致性方法拟合面片。
(2)把屋脊线与拟合的面片进行套合，确定面片与屋脊线的对应关系，根据拟合的面片计算屋脊线各角点的3维坐标。
(3)在ArcEngine中使用MultiPatch类进行3维模型的构建。
3.有益效果本发明集成LiDAR数据与高分辨率影像，综合利用LiDAR数据高程特性与影像高分辨率特性的互补优势，以“屋顶面片分割-屋脊线提取-3维屋顶模型重建”为主线，形成了基于三角形簇的LiDAR点屋顶面片分割方法、基于LiDAR数据与正射影像的屋脊线提取方法， 并最终构成了一种3维屋顶模型重建的新方法。
相比于现有技术，该方法主要优势在于(1)本发明构建的3维屋顶模型正确性和完整性较高。基于三角形簇的LiDAR点屋顶面片分割过程中，使用三角形簇方法进行边缘线提取相比于三角形法向量方法，能够剔除更多的噪声，同时有效保留边缘信息，提取的结果经过高差、倾斜度筛选、线的简化和线的连接操作后，能够有效地形成建筑物各个面片，正确性和完整性较高；(2)本发明构建的3维屋顶模型定位精度较高。基于LiDAR与正射影像的屋脊线提取过程中，从高分辨率影像中提取边缘线再进行屋脊线的筛选，充分发挥了高分影像的高分辨率特性以及LiDAR数据高程特性的优势，相比于规则化方法，精度较高；(3)本发明的自动化程度高、建模速度快。在Delaimay三角网生成过程中，研究了常规生长算法、基于格网的生长算法和基于拓扑结构和凸壳的三角网生成算法，发现基于格网的生长算法效率最高，时间消耗最小。在屋脊线提取的过程中根据LiDAR进行影像工作区的建立，在影像工作区内进行后续处理，大量减少了工作量；综上，本发明能够快速自动化地实现3维屋顶模型的构建，构建模型的正确性、完整性和定位精度较高，能够广泛应用于测绘遥感、虚拟现实、城市规划、科学研究等领域。
附图1研究技术路线图；附图2基于三角形簇的LiDAR点屋顶面片分割流程图；附图3基于LiDAR数据与正射影像的屋脊线提取流程图；附图4实施例的LiDAR数据与正射影像图；附图5三角形簇方法提取边缘线结果图；附图6高差和倾斜度筛选结果图；附图7分叉处理结果图；附图8面片分割结果图；附图9影响工作区的建立示意图；附图10影像线段提取结果图；附图11屋脊线筛选结果；附图12屋脊线融合结果；附图13完整屋脊线的恢复；附图14分割后屋顶面片与屋脊线数据套合；附图15建模结果图；附图16为3维屋顶模型平面误差向量图。
具体实施方式
以下通过实施例对本发明作进一步描述。 实施例
以附图4所示的LiDAR数据与正射影像的两个实验区为例说明。正射影像数据分辨率为5cm，LiDAR数据以不同的灰度值来表示不同的高程，平均点间距为lm，高程精度为 15cm，平面精度约为30cm。实验区内包含了不同屋顶结构、不同走向、不同复杂程度的多个建筑物。
参照技术方案描述的三个步骤来对LiDAR数据和正射影像进行处理，具体流程步骤如下步骤一基于三角形簇的LiDAR点屋顶面片分割 (1)对LiDAR数据进行预处理，包括重采样和滤波。
①重采样常用重采样方法包括最邻近法、双线性插值法和三次卷积方法，不过这三种方法都不太适合LiDAR数据。最邻近法重采样会保留大量墙面点，带来大量的噪声；使用双线性插值法和三次卷积的方法重采样的结果较为平滑，淡化建筑物边缘信息。这里在计算采样点的高程时，把邻域内最高点的Z值赋给采样点，有效剔除墙面点信息，保持数据真实性，保留轮廓信息，重采样间隔为原始数据的平均点间距lm。
②滤波由于LiDAR数据存在大量噪声，为了有效剔除噪声，同时保留建筑物的边缘信息，采用中值滤波方法，这里选用3X3的滤波器进行滤波。
(2)对预处理后的LiDAR数据构建Delaunay三角网。
从LiDAR点提取建筑物面片主要的运算量在于TIN的生成，其生成效率直接关系到整个自动化提取的效率，所以有必要选择一种效率最高的生成算法。发明中采用了基于格网索引的生长算法进行Delaimay三角网的实现，并把该方法与常规生长算法以及基于拓扑和凸壳的生成算法进行了对比，比较结果如表1。
表ITIN生成算法比较
权利要求
1.一种基于LiDAR数据与正射影像的3维屋顶重建方法，包括以下步骤步骤1 基于三角形簇的LiDAR点屋顶面片分割，首先对LiDAR数据进行预处理，包括重采样和中值滤波；对于预处理后的LiDAR点，使用基于格网索引的生长算法，实现对大量 LiDAR点的不规则三角网的快速生成；对于生成的Delaunay三角网，在三角形法向量法进行筛选的基础上，进一步采用基于三角形簇的点法向量估计技术，通过相邻点法向量的差异分析，探测建筑物顶部变化之处，并结合三角网边的高差和倾斜度信息剔除部分噪声；为了从复杂的线数据中有效形成屋顶各个面片，采用基于分叉点的简化方法以及基于间断点的连接方法，最终生成屋顶面片；步骤2 基于LiDAR数据与正射影像的屋脊线提取，把LiDAR数据与影像套合，根据 LiDAR内插外扩的结果进行影像工作区的建立；利用Edison算子和Hough变换提取建筑物范围内的边缘线数据；通过对每条边缘线数据构建左右多边形，根据点面空间关系确定落在左右多边形内的LiDAR点，对比左右多边形的LiDAR点分布情况，选取出位于建筑物屋脊线附近的线；为了进一步简化屋脊线，对于近似平行且距离较近的屋脊线进行融合；通过屋脊线的自延伸与轮廓线相交构成一个个面片，两两比较面片内的LiDAR点，若都来自于同一屋顶面片，则合并两个面，最终可以得到准确的屋脊线数据；步骤3 :3维屋顶模型重建，获取落在每个屋顶面片内的LiDAR点，使用随机采样一致性算法拟合3维屋顶面片；屋顶面片数据与屋脊线面片数据套合，实现两种面片数据的一一对应，利用拟合面片方程以及屋脊线角点的平面坐标计算屋脊线角点的3维坐标；使用 ArcEngine的MultiPatch类实现3维屋顶模型的重建。
2.根据权利要求1所述的一种基于LiDAR数据与正射影像的3维屋顶重建方法，其特征在于步骤1中进行的以下处理在预处理重采样的过程中，采样点的高程被赋予了邻阈内最高值，有效剔除了部分墙面噪声。
全文摘要
本发明属于影像处理方法领域，公开了一种基于LiDAR数据与正射影像的3维屋顶重建方法。本方法包括以下步骤(1)基于三角形簇的LiDAR点屋顶面片分割；(2)基于LiDAR数据与正射影像的屋脊线提取；(3)3维屋顶模型重建。本方法面向3维屋顶模型精细重建的需求，集成LiDAR数据与高分辨率影像，综合利用LiDAR数据高程特性与影像高分辨率特性的互补优势，以“屋顶面片分割-屋脊线提取-3维屋顶模型重建”为主线，实现了基于三角形簇的LiDAR点屋顶面片分割算法、基于LiDAR数据与正射影像的屋脊线提取算法，形成了一种3维屋顶模型重建的新方法，实验证明本方法建模的自动化程度高，正确性和完整性较高、定位精度较高，符合实际应用需求。
文档编号G06T17/10GK102521884SQ201110423560
公开日2012年6月27日 申请日期2011年12月16日 优先权日2011年12月16日
发明者刘永学, 张雯, 李满春, 李 真, 杨康, 潘航, 程亮, 童礼华, 蔡文婷, 邹伟, 陈焱明 申请人:南京大学