一种基于激光雷达点云的多层次建筑物快速三维重建方法与流程

本发明属于利用激光雷达进行测绘的技术领域，尤其涉及一种基于激光雷达点云的多层次建筑物快速三维重建方法。

背景技术：

随着信息化时代的到来，数字城市建设需求日益迫切。人们不仅希望能够获得丰富的三维实景地图信息，为生活和出行提供便利，还希望建立整个城市的三维景观模型，用于城市规划，交通管理、灾害应急、环境保护等工作。建筑物作为构建城市景观环境的基本要素，其自动化建模一直是近二十年来的研究的热点和难点。

机载激光扫描技术通过高速激光扫描测距、高精度动态载体姿态测量和高精度动态gps差分定位技术的集成，能够快速获取大范围区域表面采样点的三维空间数据。同传统的摄影测量方式相比，无需影像匹配，减少了匹配错误与误差的产生，降低了技术难度并提高了自动化水平。另外，三维点云数据大多只包含空间几何信息，大大降低了目标场景解译和判读的难度，有利于实现建筑物的自动化建模。同时lidar数据生产周期短、自动化程度高、对环境的适应能力强，因此成为获取三维建筑物模型的重要数据源。

lidar数据是没有语义信息的、高精度、密集的大数据量点云，需要高效的处理方法从中获取建筑物模型。虽然目前国内外开展了大量相关研究工作，并取得了显著进步，但是精细的复杂建筑物模型重建依然存在许多问题。lidar点云数据量很大，尽管目前国内外已经提出了多种方法对建筑物进行重建，但是对建筑物三维重建的重建效率仍旧有很大的提升空间。

技术实现要素：

发明目的：本发明目的是提供一种基于激光雷达点云的多层次建筑物的三维重建方法，用于快速完成多层次建筑物的三维重建。

技术方案：本发明包括以下步骤：

(1)使用机载激光雷达系统采集目标区域的三维点云数据；

(2)对点云数据进行滤波处理，得到建筑物点云数据；

(3)使用优化的随机抽样一致性算法对建筑物激光点云进行面片分割，得到各层次的激光点云集；

(4)在面片分割的基础上进行delaunay三角剖分，利用剖分好的不规则三角网进行建筑物轮廓点的提取；

(5)利用基于向量的冒泡排序，对轮廓点进行排序，生成轮廓线；

(6)使用关键点提取算法，提取建筑物轮廓的关键点；

(7)连接关键点，并使用正交约束对轮廓线进行规则化处理；

(8)将建筑物轮廓线赋予点云中的高程信息，生成三维建筑物模型。

所述步骤(3)中优化的随机抽样一致性算法指在种子点的选择阶段，需要预先计算种子点构成的平面与水平面的夹角，只有种子点构成的平面大致水平时，才继续进行下一步计算，否则重新选择种子点。

所述步骤(4)中建筑物轮廓点的提取依据三角形的边是否为公共边。

所述步骤(5)中的冒泡排序指计算出建筑物各层次轮廓线的几何中心，然后根据几何中心点到各点所生成向量的夹角判断点的顺序。

所述步骤(6)中的关键点提取算法采用随即抽样的原理，随机抽取种子点作为建筑物的关键点，该方法能较好的提取建筑物的关键点，并能抑制错误轮廓点的干扰，减少伪关键点的生成。

有益效果：本发明采用优化后的随机抽样一致性算法对多层次建筑物进行面片分割，优化的算法能够提供更高的执行效率，并能有效的删除建筑物墙面点；使用基于delaunay三角剖分的方法进行建筑物轮廓线提取，该方法能够精确的提取建筑物的轮廓线；使用新的轮廓线关键点提取算法，该方法能较好的提取建筑物的关键点，并能抑制错误轮廓点的干扰，减少伪关键点的生成。

附图说明

图1为本发明的流程图。

具体实施方式

下面结合附图对本发明作进一步说明。

如图1所示，本发明包括以下步骤：

(1)根据最终产品的要求，设定合适的参数(如扫描频率、飞行高度等)，使用机载激光雷达系统对目标区域进行三维空间数据采集，得到原始点云数据。

(2)对点云数据进行滤波处理，得到建筑物点云数据。

(3)使用优化的随机抽样一致性算法设置循环次数、最小内点数以及距离阈值，一般循环次数根据建筑物点集数确定；最小内点数一般为50，即当分割面的点集数低于50时，不将其视为平面；距离阈值根据激光点云精度确定，一般为0.2m-0.3m。与传统的随机抽样一致性算法不同的是：在种子点的选择阶段，需要预先计算种子点构成的平面与水平面的夹角，只有当种子点构成的平面大致水平时，才继续进行下一步计算，当角度大于一定值时，重新选择种子点。

传统的随机抽样一致性算法在进行建筑物面片分割时，是执行一次完整迭代分割一个平面，即每次迭代都只分割出点集最多的面片，然后再从建筑物点集中删除此面片点集，再重复上述步骤，直到最后剩余的建筑物点集数无法分割出满足条件的面片。而优化的随即抽样一致性算法则避免了删除最优面重新迭代的过程，即执行一次完整迭代，则分割出所有的平面，大大提高了分割效率，且点集数量越大，效率的提升越明显，同时还能去除建筑物墙面点。

(4)对各层次已经分割好的多层次建筑物激光雷达点云数据分别进行delaunay三角剖分，根据三角形的边是否是公共边，提取个多层次建筑物各层次的轮廓点。

(5)计算出建筑物各层次轮廓线的几何中心，然后根据几何中心点到各点所生成向量的夹角判断点的顺序，利用冒泡排序，对各层次轮廓点进行排序，生成建筑物各层次轮廓线。

(6)使用本发明提出的轮廓线关键点检测算法，设置循环次数、距离阈值、最大允许局外点数。一般循环次数根据轮廓点数设置；距离阈值等于两倍平均点间距即可；最大允许局外点数大致等于轮廓点数的二十分之一。

此算法采用随机抽样的原理，随机抽取种子点作为建筑物的关键点，然后以相邻关键点生成直线，通过相邻关键点之间的轮廓点到直线的距离判断轮廓点是否为局外点，若局外点的总数小于设定的最大局外点数，则选择的种子点即为建筑物的关键点，否则重新选择种子点作为建筑物的关键点，迭代上述过程，直到得到满足条件的关键点。该关键点提取算法能够较好的提取建筑物的关键点，并能抑制错误轮廓点的干扰，减少伪关键点的生成。

(7)连接各层次的关键点，采用正交约束对轮廓线进行规则化处理，得到多层次建筑物最终的轮廓线。

(8)将建筑物轮廓线赋予点云中的高程信息，完成建筑物的三维重建。

技术特征：

技术总结
本发明公开了一种基于激光雷达点云的多层次建筑物快速三维重建方法，其步骤为：采集三维点云数据；点云滤波处理得到建筑物点云；使用优化的随机抽样一致性算法获得激光点云集；Delaunay三角剖分进行建筑物轮廓点的提取；冒泡排序对轮廓点进行排序，生成轮廓线；使用关键点提取算法，提取建筑物轮廓的关键点；连接关键点，并使用正交约束对轮廓线进行规则化处理；将建筑物轮廓线赋予点云中的高程信息，生成三维建筑物模型。本发明采用优化的算法能够提供更高的执行效率，并能有效的删除建筑物墙面点；使用Delaunay剖分方法精确的提取建筑物的轮廓线；使用轮廓线关键点提取算法较好的提取建筑物的关键点，并能抑制错误轮廓点的干扰，减少伪关键点的生成。

技术研发人员：周嘉俊;李勇;雍斌;任立良;张晓祥;方秀琴;何明
受保护的技术使用者：河海大学
技术研发日：2018.06.04
技术公布日：2018.11.06