一种用于建筑物分析的点云数据处理方法与流程

本发明涉及地震灾害检测技术领域，具体地说，涉及一种用于建筑物分析的点云数据处理方法及建筑物图形分析方法。

背景技术

地震是严重威胁人民生命财产安全的自然灾害，1949年以来我国地震造成的人员死亡数占自然灾害造成人员死亡数的比例超过二分之一。根据十年尺度地震预测研究结果，2020年前，我国大陆地区可能发生多次7级以上地震，甚至有发生8级左右巨大地震的可能。努力提高应对突发地震灾害，特别是地震巨灾的能力，保护国家和人民生命财产安全，一直是我国政府部门开展防震减灾工作的重要方面。

严重破坏性地震发生后，地震灾情信息的快速、全面的获取，一直是影响地震应急指挥、抢险救援、灾害损失评估实效性的重要瓶颈。震后快速确定地震灾害程度与受灾范围是地震应急救援的实际需求；震后大量人员赶赴地震现场开展灾情调查，夜以继日地工作，目的就是为了尽快掌握地震受灾程度的分布，确定地震烈度，估计地震损失等。

但受震后交通条件、防灾防疫需求、救灾救援队伍施工等限制，震后灾情实地调查人员可能无法在第一时间进入灾害现场。而借助遥感技术，通过特定方法，对震后灾区的建筑物进行特征参数提取，可以计算受灾害影响的房屋的数据，从而为震后灾害评估提供快速支持。

在过去的地震应急工作中，对遥感图像的解译以及震后受灾建筑物的识别及划分灾害程度，主要依靠人工进行。在计算机技术不发达、调查区域面积小的条件下，人工解读判识尚能满足震后灾情评估的需要。而随着需要调查的区域面积越来越多，人工解译速度已无法满足震后灾情快速评估的需求。

技术实现要素：

为解决上述问题，本发明提供了一种用于建筑物分析的点云数据处理方法，所述方法包括：

步骤一、获取待分析建筑物的点云数据；

步骤二、根据所述点云数据确定所述待分析建筑物的侧边与所述点云数据所在的空间坐标系中水平坐标轴的夹角，得到旋转角度；

步骤三、根据所述旋转角度对所述水平坐标轴进行旋转，得到处理后的点云数据。

根据本发明的一个实施例，所述步骤二包括：

对所述待分析建筑物的点云数据进行水平投影，确定水平投影数据的包络凸多边形；

确定所述包络凸多边形的外包矩形；

计算所述外包矩形的长边与第一坐标轴的夹角，得到所述旋转角度。

根据本发明的一个实施例，在所述步骤二中，利用三角剖分的方式来确定所述凸包络多边形。

根据本发明的一个实施例，在所述步骤二中，确定所述外包矩形的步骤包括：

步骤a、从所述凸包络多边形的顶点中选取相邻的两个顶点，做这两个顶点的连接线，得到矩形的第一条边；

步骤b、计算所述凸包络多边形的其他顶点到所述第一条边的距离，并确定距离所述第一条边最远的点，经过该最远点做所述第一条边的平行线，得到矩形的第二条边；

步骤c、将所述凸包络多边形的其他点向所述第一条边或第二条边投影，并从投影点中选取距离最远的两个点，得到第一投影点和第二投影点；

步骤d、分别过所述第一投影点和第二投影点做与所述第一条边或第二条边垂直的直线，得到矩形的第三条边和第四条边。

根据本发明的一个实施例，确定所述外包矩形的步骤还包括：

步骤e、计算步骤d中所得到的矩形的面积；

步骤f、遍历所述凸包络多边形中所有相邻顶点，重复步骤a至步骤e，得到多个矩形及其对应的面积；

步骤g、从多个矩形中提取面积最小的矩形，将该面积最小的矩形作为所述包络凸多边形的外包矩形。

根据本发明的一个实施例，在所述步骤二中，根据所述外包矩形各条边的长度确定所述外包矩形的长边，并计算所述长边与所述第一坐标轴的夹角，得到所述旋转角度。

根据本发明的一个实施例，在所述步骤三中，基于所述旋转角度对所述水平坐标轴进行旋转的过程中，所述点云数据中的垂直坐标保持不变。

根据本发明的一个实施例，所述方法包括：

步骤三，对所述处理后的点云数据进行坐标原点归一化。

根据本发明的一个实施例，在所述步骤三中，基于如下表达式进行坐标原点归一化：

其中，(x,y,z)表示坐标原点归一化后的点坐标，(x′,y′,z′)表示处理后的点云数据。

本发明还提供了一种建筑物图形分析方法，所述方法利用如上任一项所述的点云数据处理方法对建筑物的点云数据进行处理。

现有的建筑物图像处理方法由于建筑物朝向的不同而导致对于建筑物的分析结果存在较大偏差，而如果采用人工方式逐栋估计建筑物的旋转角度在实际应用中会导致工作量过于巨大，因此现有的这种方法难以实用化。

然而，相较于现有方法，本发明所提供的用于建筑物分析的点云数据处理方法能够自动地确定出所坐标轴所需要旋转的角度，并基于该角度来使得对建筑物进行分析时建筑物的朝向能够具有相同朝向，这样也就可以不再影响后续的数据处理过程，从而提高能够检查后续数据处理过程以及提高最终结果的准确性和可靠性。

本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的附图做简单的介绍：

图1是根据本发明一个实施例的用于建筑物分析的点云数据处理方法的实现流程示意图；

图2是根据本发明一个实施例的确定旋转角度的实现流程示意图；

图3是根据本发明一个实施例的点云二维点集的voronoi图；

图4是根据本发明一个实施例的点云二维点集的voronoi图随对应的delaunay三角剖分图；

图5是根据本发明一个实施例的包络凸多边形示意图；

图6是根据本发明一个实施例的确定外包矩形的实现流程示意图；

图7是根据本发明一个实施例的包络凸多边形的外包矩形示意图；

图8是根据本发明一个实施例的某未倒塌的坡顶建筑物的屋顶原始点云分布图；

图9和图10是根据本发明一个实施例的图8所示的屋顶原始点云在xoy剖面的投影图和在yoz剖面的投影图；

图11是根据本发明一个实施例的图8所示的坡顶建筑物的空间坐标归一化后的屋顶点云分布图；

图12和图13是根据本发明一个实施例的图11所示空间坐标归一化后的屋顶点云在xoy剖面的投影和在yoz剖面的投影图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

同时，在以下说明中，出于解释的目的而阐述了许多具体细节，以提供对本发明实施例的彻底理解。然而，对本领域的技术人员来说显而易见的是，本发明可以不用这里的具体细节或者所描述的特定方式来实施。

另外，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

地震导致的建筑物破坏是人员伤亡和经济损失的主要因素，房屋破坏程度调查是灾害损失评估的重要依据。受地理位置、风向、城市规划以及周边环境等因素影响，同一地区的不同建筑物的朝向会存在差异。在发展规划控制较好的地区绝大多数建筑物会协调且有规律分布，但普遍来看绝大多数房屋走向一致的情况极少，在未按规划建造的城中村、乡村中房屋朝向各异现象尤为明显。

建筑物的走向不一致为建筑物分析带来了诸多不便，针对该问题，本发明提供了一种新的用于建筑物分析的点云数据处理方法以及一种利用该点云数据方法进行数据处理的建筑物图形分析方法，该点云数据处理方法能够对建筑物的点云图形进行方向调整，从而使得调整后的建筑物的点云数据能够保持一致的方向，从而为后续的数据处理奠定基础。

图1示出了本实施例所提供的用于建筑物分析的点云数据处理方法的实现流程示意图。

如图1所示，本实施例中，该方法首先会在步骤s101中获取待分析建筑物的点云数据。激光雷达(lightdetectionandranging，lidar)是一种新兴的主动遥感技术，其能够快速获取高精度地面高程信息，能够为监测地震造成的地表形变、地表破裂、滑坡、堰塞湖等地震次生灾害及道路、建筑物损坏提供数据依据。因此，本实施例中，该方法在步骤s101中所获取到的待分析建筑物的点云数据优选地是三维lidar点云数据。

需要指出的是，在本发明的其他实施例中，该方法在步骤s101中所获取到的点云数据还可以为其他能够表征建筑物三维特征的点云数据，本发明不限于此。

建筑物朝向的不同会导致按空间大地坐标系记录的建筑物点云的三维空间坐标的x轴、y轴与房屋走向不同。因此，为提取房屋横剖面形状参数，本实施例所提供的方法对待分析建筑物的点云数据进行了建筑物三维空间坐标系归一化处理，从而建立出沿房屋纵(长)、横(宽)、垂直(高)向的坐标系。

具体地，如图1所示，本实施例中，在得到待分析建筑物的点云数据后，该方法会在步骤s102中根据待分析建筑物的点云数据来确定待分析建筑物的侧边与点云数据所在的空间坐标系(即建筑物三维空间坐标系)中水平坐标轴的夹角，从而得到旋转角度。

图2示出了本实施例所提供的点云数据处理方法确定旋转角度的实现流程示意图。

如图2所示，本实施例中，该方法在确定旋转角度的过程中，首先会在步骤s201中对待分析建筑物的点云数据进行水平投影，从而得到待分析建筑物的水平投影数据(即待分析建筑物的点云数据投影到水平面后所得到的点云数据)。

随后，该方法会在步骤s202中确定步骤s201中所得到的水平投影数据的包络凸多边形。具体地，本实施例中，该方法在步骤s202中优选地采用三角剖分法(例如delaunay三角剖分法)来确定待分析建筑物的水平投影数据的包络凸多边形。

delaunay三角剖分(简称dt)是以voronoi图为理论基础的,voronoi图由一组voronoi多边形组成。设p＝{pi,i＝1,2,...,n}为待分析建筑物的点云投影到二维xoy坐标系s平面中的二维点集，v(pi)表示相对于其他点更拉近于pi点的轨迹，称为与pi相关的多边形，v(pi)可以采用如下表达式表示：

v(pi)＝{x∈s:||x-pi||≤||x-pj||}i＝1,2,....n；i≠j(1)

其中，||x-pi||表示平面s上点x到点pi的欧式距离。

点云二维点集的n个voronoi多边形集合，称为voronoi图，如图3所示，它是s平面的一部分。voronoi图的每条边是由相邻两点的垂直平分线构成，在边上的点到两个点的距离相等。

delaunay三角剖分是连接所有相邻的voronoi多边形中心点pi所形成的三角剖分d(pi)。如图4所示，voronoi图与delaunay三角剖分是对偶图。二维delaunay三角剖分满足最小角最大和空外接圆两个优化准则，空外接圆准则是指d(p)中的任一个二维外接圆内没有p中的点。最小角最大准则是平面点集dt剖分区别于高维点集所特有的性质，对于上述给定的点集p，任一个三角剖分t(p)总有一个三角形的内角是最小的，而d(p)中的这个最小角在所有t(p)的最小角中是最大的。

通过对待分析建筑物的水平投影数据进行三角剖分，该方法可以得到待分析建筑物的屋顶点凸多边形，该凸多边形包络了所有的点。具体地，本实施例中，该方法得到的包络凸多边形如图5所示。

当然，在本发明的其他实施例中，该方法还可以采用其他合理方式来确定待分析建筑物的水平投影数据的包络凸多边形，本发明不限于此。

本实施例中，该方法在步骤s202中所确定出的包络凸多边形包络了所有的投影点。但是受样本选择因素和点云离散分布的影响，建筑物边缘点有时未与房屋边缘完全吻合，自动确定的包络凸多边形与水平坐标轴的夹角与房屋倾斜角度存在较小的误差。

由于房屋建筑从水平投影来看，绝大多数居民住房为矩形，因此，本实施例所提供的方法在得到点云外包凸多边形基础上，还进一步研究了如何确定包括这些点的最接近房屋形状的矩形，并给予该矩形进一步确定矩形与水平坐标轴的夹角，即房屋旋转角度。

如图2所示，本实施例中，该方法在步骤s203中确定步骤s202中所得到的包络凸多边形的外包矩形。具体地，由于包络凸多边形的顶点较多，因此本实施例所提供的方法优选地通过面积最小方法确定外包矩形，其中，图6示出了确定外包矩形的实现流程示意图。

如图6所示，本实施例中，该方法在确定外包矩形的过程中，首先会在步骤s601中从凸包络多边形的顶点中选取相邻的两个顶点，并做这两个顶点的连线，从而得到矩形的第一条边。

随后，该方法会在步骤s602中计算凸包络多边形中其他顶点到第一条边的距离，并在步骤s603中基于所计算得到的距离数据从这些顶点中确定距离上述第一条边最远的点，然后再在步骤s604中经过该点做第一条边的平行线，从而得到矩形的第二条边。

该方法还会在步骤s605中将凸包络多边形的其他顶点向第一条边或第二条边投影，并从投影点中选取彼此距离最远的点(即第一条边或第二条边的投影点中最外侧的两个投影点)，得到第一投影点和第二投影点。

随后，该方法会在步骤s606中分别经过第一投影点和第二投影点做与第一条边或第二条边垂直的直线，这样也就可以得到矩形的第三条边和第四条边。而由这四条边则可以围成一矩形。

本实施例中，为了使得最终得到的外包矩形更加准确，本实施例中，通过步骤s606得到一矩形后，如图6所示，该方法还会在步骤s607中计算步骤s606中所得到的上述矩形的面积。随后，该方法会在步骤s608中遍历凸包络多边形中所有的相邻顶点，并重复上述步骤s601至步骤s607，这样也就可以得到多个矩形以及这些矩形各自的面积。

最后，本实施例中，该方法会在步骤s609中从步骤s608中所得到的多个矩形中提取出自身面积最小的矩形，并将该自身面积最小的矩形作为包络凸多边形的外包矩形。其中，本方法所最终得到的包络凸多边形的外包矩形如图7所示。

当然，在本发明的其他实施例中，根据实际需要，该方法还可以采用其他合理方式来确定包络凸多边形的外包矩形，本发明不限于此。例如，在本发明的一个实施例中，该方法还可以仅根据步骤s601至步骤s606来确定包络凸多边形的外包矩形。

再次如图2所示，本实施例中，在得到包络凸多边形的外包矩形后，该方法会在步骤s204中计算外包矩形的长边与水平坐标轴中第一坐标轴的夹角，从而得到旋转角度。

具体地，本实施例中，该方法在步骤s204中优选地根据外包矩形各条边的长度来确定外包矩形的长边，随后在计算该长边与第一坐标轴(例如x轴)的夹角，从而得到旋转角度。

需要指出的是，在本发明的其他实施例中，该方法还可以根据实际情况采用其他合理方式来基于外包矩形确定上述旋转角度，本发明不限于此。

再次如图1所示，本实施例中，在得到旋转角度后，该方法会在步骤s103中根据上述旋转角度来对水平坐标轴进行旋转，从而得到处理后的点云数据。本实施例中，该方法在步骤s103中根据旋转角度对水平坐标轴进行旋转的过程中，点云数据中的垂直坐标(即z轴坐标)优选地保持不变。

在通过对水平坐标轴进行旋转得到处理后的点云数据后，本实施例中，为了进一步方便后续的数据处理操作，该方法还会在步骤s104中对步骤s103中所得到的处理后的点云数据进行坐标原点归一化。

具体地，本实施例中，该方法优选地采用如下表达式对处理后的点云数据进行坐标原点归一化：

其中，(x,y,z)表示坐标原点归一化后的点坐标，(x′,y′,z′)表示处理后的点云数据。

本实施例中，坐标原点归一化后的点云数据所表征的建筑物长宽将会沿着水平两个坐标方向展布，同时点云数据的原点与水平两个坐标轴的原点重合。空间坐标归一化后的点云数据能够为后续的建筑物剖面的提取。

例如，图8示出了某未倒塌的坡顶建筑物的屋顶原始点云分布图，图9示出了该坡顶建筑物的屋顶原始点云在xoy剖面的投影图，图10示出了该该坡顶建筑物的屋顶原始点云在yoz剖面的投影图。而图11则示出了上述坡顶建筑物的空间坐标归一化后的屋顶点云分布图，图12示出了该坡顶建筑物的空间坐标归一化后的屋顶点云在xoy剖面的投影图，图13示出了该坡顶建筑物的空间坐标归一化后的屋顶点云在yoz剖面的投影图。

对比图8至图13可以看出，沿房屋纵向形成的点云坐标变换前，点云投影到yoz面上的点较离散，而归一化后的点重叠基本分布在人字形屋顶的两个剖面上，坐标归一化有利于沿纵向分段提取点云分析屋顶变化以及提取比较各个剖面震害异常特征，这样也就有助于提高后续对于建筑物的状态分析结果的准确性和可靠性。

现有的建筑物图像处理方法由于建筑物朝向的不同而导致对于建筑物的分析结果存在较大偏差，而如果采用人工方式逐栋估计建筑物的旋转角度在实际应用中会导致工作量过于巨大，因此现有的这种方法难以实用化。

然而，相较于现有方法，本发明所提供的用于建筑物分析的点云数据处理方法能够自动地确定出所坐标轴所需要旋转的角度，并基于该角度来使得对建筑物进行分析时建筑物的朝向能够具有相同朝向，这样也就可以不再影响后续的数据处理过程，从而提高能够检查后续数据处理过程以及提高最终结果的准确性和可靠性。

应该理解的是，本发明所公开的实施例不限于这里所公开的特定结构或处理步骤，而应当延伸到相关领域的普通技术人员所理解的这些特征的等同替代。还应当理解的是，在此使用的术语仅用于描述特定实施例的目的，而并不意味着限制。

说明书中提到的“一个实施例”或“实施例”意指结合实施例描述的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，说明书通篇各个地方出现的短语“一个实施例”或“实施例”并不一定均指同一个实施例。

虽然上述示例用于说明本发明在一个或多个应用中的原理，但对于本领域的技术人员来说，在不背离本发明的原理和思想的情况下，明显可以在形式上、用法及实施的细节上作各种修改而不用付出创造性劳动。因此，本发明由所附的权利要求书来限定。