基于航空LiDAR数据的三维建筑物模型自动重建方法

基于航空LiDAR数据的三维建筑物模型自动重建方法
【专利摘要】本发明公开了一种基于航空LiDAR数据的三维建筑物模型自动重建方法。其步骤为：利用反向迭代数学形态学滤波和基于点云密度的方法从航空LiDAR数据中提取建筑物屋顶点云；根据“种子区域选取—屋顶面片生长—面片平整优化”的策略提取并优化屋顶面片；构建二维规则格网对不同屋顶层进行重采样获取屋顶层的内部点和边缘点；优化不同屋顶层的边缘点；连接屋顶层的内部点和边缘点构建屋顶面和墙面，最终实现建筑物屋顶的三维模型重建。实践证明，本发明能够有效地重建建筑物屋顶三维模型，为不同屋顶层之间的连接提供了新的思路，具有较高的三维模型重建精度。
【专利说明】
基于航空Li DAR数据的H维建筑物模型自动重建方法
技术领域
[0001] 本发明设及一种基于航空LiDAR数据的S维建筑物模型自动重建方法，特别是设 及一种基于航空LiDAR数据的采取平滑策略和层间连接的=维建筑物模型自动重建方法。
【背景技术】
[0002] =维建筑物模型是建筑物=维结构信息的重要表达手段，在城市规划、灾害监测、 通信设施建设和数字城市等领域具有非常广泛的应用。建筑物=维模型重建作为数字城市 建设中最重要和最具挑战性的任务，其研究在过去几十年一直得到极大的关注。利用航空 立体像对获取建筑物=维模型，是一种传统的摄影测量方法，依然在大量使用，但需要较多 的人工干预，自动化程度不高。
[0003] 近年来，航空LiDAR技术发展极快，且航空LiDAR数据已被广泛应用于地表探测 (Vosselman G，2005)、特征检测(Tong L H，2013)、地物提取(Boyko A，2011)、S维模型重 建(化eng L，2012)等方面，显示出了巨大的应用前景。因此，航空LiDAR技术为建筑物的S 维重建提供了 一种可选方法。航空LiDAR设备能直接获取地面目标的S维信息，可提高自动 化水平。但是，大量不规则点数据也给建筑物的模型重建带来了新的挑战。为此，如何有效 利用航空LiDAR数据的优势，实现建筑物S维模型的自动化高质量重建，依然是一个值得深 入研究的命题。
[0004] 尽管利用航空LiDAR数据进行建筑物S维模型重建的研究越来越多，但是大多数 的方法是通过提取建筑物屋顶轮廓线实现最终的模型重建。Zhou Q Y，化eng L，Susaki J， 矛呈另ll^E《2.5D building modeling by discovering 邑Iobal regularities》、 《Integration of LiDAR data and optical multi-view images for 3D reconstruction of building roofs》、《Knowledge-based modeling of buildings in dense urban areas by combining airborne LiDAR data and aerial images》、《集成多 视航空影像与LiDAR数据重建S维建筑物模型》等文章中，提出使用轮廓线重建建筑物S维 模型的方法。但通过轮廓线实现=维模型重建存在一些固有缺点：1)噪声影响。噪声的存在 将使得提取得到的轮廓线不完整，即使通过拟合的方法形成完整轮廓线，与真实轮廓线相 比则存在较大误差。2)点密度影响。点密度的大小直接影响轮廓线的提取，点密度较小则提 取得到的轮廓线将不完整。3)层间连接关系。提取得到的不同屋顶层轮廓线仍然是离散状 态，很难确定之间的连接关系。
[0005] 在提取建筑物轮廓线之前，主要是要实现建筑物屋顶面片的分割。当前，对建筑物 屋顶面片的分割方法主要可W分为两大类：1)模型驱动方法。2)数据驱动方法。Mass (1999)，0ude(2009)，Hebel(2012)，Susaki(2013)，Huang(2013)，Henn(2013)等人分别使用 第一种方法实现建筑物屋顶面片分割。运种方法的思路是首先确定待实验建筑物屋顶类 型，然后在建筑物屋顶模型数据库中确定需要使用的屋顶模型。然而运种方法获得的面片 分割结果准确性得不到保障，当待实验建筑物屋顶类型超出预先设定的屋顶类型时，分割 结果将存在较大错误。第二种方法的思路是完全W数据驱动提取出屋顶面片，预先不对屋 顶类型做任何的假设。2012年，化en D等人利用渐进形态学滤波、区域生长算法和自适应的 随机采样一致性算法完成建筑物屋顶面片的分割;2014年，Fan H C等人提出一种基于屋脊 线层次分解的屋顶面片分割方法，利用连接性和共面性的特点，沿着屋脊线实现屋顶面片 分割;2014年，Awrang jeb M等人将原始航空LiDAR点云分为地面点和非地面点，对于非地面 点使用点的共面性和点的局部特征完成平面屋顶的分割。但运些方法受原始数据影响较 大，得到的屋顶面片之间不存在连接关系，且屋顶面片的轮廓比较曲折。
[0006] 通过航空LiDAR数据进行建筑物屋顶快速自动=维建模是自动建模发展方向。然 而现阶段对运类方法的研究虽然较多，但是都存在一定的问题，如何充分利用航空LiDAR数 据的优势，并实现准确度、精确度较高的自动=维重建仍然有待进一步的研究。

【发明内容】

[0007] 本发明要解决的技术问题是:针对现有建筑物重建方法较多通过提取建筑物轮廓 线实现，W及轮廓线提取存在的缺陷和轮廓线之间的拓扑关系较难确定的问题，本发明提 供一种基于航空LiDAR数据的S维建筑物模型自动重建方法，该方法能够保证屋顶面片分 割的准确性，并使用屋顶层重采样得到的内部点和边缘点快速、高效地实现了不同屋顶层 之间的连接，高精度地重建了建筑物的=维模型，解决了不同屋顶层之间连接关系较难确 定的问题。
[0008] 本发明提供的一种基于航空LiDAR数据的=维建筑物模型自动重建方法，步骤如 下：
[0009] 第一步、建筑物屋顶点云提取一-提取建筑物点云，剔除建筑物墙面上的点云，得 到建筑物屋顶点云；
[0010] 第二步、分割屋顶面片一-对建筑物屋顶点云进行屋顶面片分割，再对得到的屋 顶面片进行平整；
[0011] 第=步、合并屋顶面片一-当两个屋顶面片邻近并且所在平面存在交线，则将运 两个屋顶面片合并形成屋顶层；
[0012] 第四步、屋顶层重采样一-对所有屋顶层进行重采样，获得屋顶层的内部点和边 缘点；
[0013] 第五步、建筑物模型重建一一对属于同一屋顶层的内部点和边缘点构建S角网， 形成屋顶面;对属于相邻屋顶且位于同一竖直平面上的边缘点构建=角网，形成屋顶面建 筑物墙面，最终完成建筑物=维模型重建。
[0014] 本发明还具有一下进一步的特征：
[0015] 1、所述第一步中，剔除建筑物墙面上的点云方法如下：Wr为半径，对每一个LiDAR 点捜寻邻域点，用捜寻得到的邻域点的数量除W邻域区域的体积得到每一个LiDAR点的点 云密度，当LiDAR点的点云密度小于指定阔值时，该LiDAR点为墙面点，进行剔除。
[0016] 2、所述第二步中，选取种子区域，使用区域生长算法实现屋顶面片分割，种子区域 的选取方法如下:首先估算每一个LiDAR点的法向量，W计算点P为例，寻找W点P为中屯、，半 径r范围内的点集Np，根据公式（1)和(2)计算得到=个特征值Al、A2、A3，=个特征值中最小 的特征值^min所对应的特征向量即为点P的法向量。
[0017] Cl)
[001引 （2)
[0019] 式中qiENp'n是点勸冲点的数量，Cp是点P的协方差矩阵，根据公式又=尤。,心|+A 计算点P的曲率，当点P的曲率才小于指定曲率阔值At时，就可认为点P的邻域点Np在一个平 面上，选取曲率义所对应的邻域点Np作为满足要求的种子区域。
[0020] 3、所述第二步中，区域生长算法需要确定两个标准:一个是局内点的个数，另一个 是拟合平面的标准差；当LiDAR点到种子区域所在平面的距离小于指定距离阔值时，认为是 局内点;所有点计算完毕后，再计算局内点的标准差，当标准差小于指定阔值时，认为满足 屋顶面片分割要求。
[0021] 4、所述第二步中，面片平整优化包括分割面片点云平整和局部突出点云平整：
[0022] 对于分割面片点云平整，使用最小二乘法拟合出分割面片点云方程，然后根据方 程将点平整到拟合面片上，拟合平面方程根据公式(3)进行计算：
[0023]
(3)
[0024] 式中xi，yi，zi表示点的S维坐标，曰日，曰1，曰2表示拟合平面方程的系数；
[0025] 对于局部突出点云的平整，利用距离阔值对局部突出点云进行捜索，计算不在分 割面片中的点到分割面片的距离，当距离小于阔值时，记为所需点，将所需点按照上述得到 的拟合平面方程平整到分割面片上。
[0026] 5、所述第四步中，屋顶层重采样方法如下:首先将点云投影至XY平面，并对XY平面 构建二维格网，然后进行如下判断：
[0027] (a)、当四邻域格网单元中的LiDAR点与中屯、格网单元中的LiDAR点属于同一个屋 顶层，此时中屯、格网单元的中屯、作为屋顶层的内部点，该内部点的高度为中屯、格网单元中 LiDAR点的平均高度；
[0028] (b)、当中屯、格网单元的四邻域格网单元中的某一个邻域格网单元中的LiDAR点属 于两个或两个W上屋顶层时，设该邻域格网单元内点数最多的两个屋顶层分别为屋顶层j 和屋顶层k，获取该邻域格网单元内屋顶层j的LiDAR点和屋顶层k的LiDAR点的分割线，然后 计算该分割线与中屯、格网单元中线在该邻域格网单元内的交点坐标(XO，yo )，则(XO，yo，Zj) 为屋顶层j的边缘点响为屋顶层j的LiDAR点的平均高度，则（xo，yo，zk)为屋顶层k的边缘 点，Zk为屋顶层k的LiDAR点的平均高度；
[0029] (C)、当中屯、格网单元内的LiDAR点和四邻域格网单元中的某一个邻域格网单元中 的LiDAR点分别属于两个不同屋顶层时，设两个不同屋顶层为屋顶层j和屋顶层k，计算中屯、 格网单元和所述邻域格网单元之间的格网边线的中点坐标(xi，yi)，则(xi，yi，zj)为屋顶层j 的边缘点，Zj为屋顶层j的LiDAR点的平均高度，则(xi，yi，zk)为屋顶层k的边缘点，Zk为屋顶 层k的LiDAR点的平均高度。
[0030] 6、所述二维格网的大小为LiDAR点云平均间距的2倍。
[0031] 7、所述第四步中，获取邻域格网单元内屋顶层j的LiDAR点和屋顶层k的LiDAR点的 分割线的方法是：将邻域格网单元内屋顶层j的LiDAR点和屋顶层k的LiDAR点视为两个类 另IJ，使用支持向量机算法获取分割线。
[0032] 本发明的有益效果如下：
[0033] (a)、本发明提出"种子区域选取一屋顶面片生长一面片平整优化"的策略，该策略 在提取屋顶面片的同时，也对屋顶面片进行平整优化，有利于后续=维模型重建。
[0034] (b)、本发明利用屋顶层重采样计算得到内部点和边缘点，避免了传统方法提取屋 顶轮廓线后，较难确定不同轮廓线之间的拓扑关系的问题。且内部点和边缘点的计算高效、 便捷，避免了繁琐的工作，提高了自动化水平。
[0035] 综上所述，本发明公开一种基于航空LiDAR数据的采取平滑策略和层间连接的S 维建筑物模型自动重建方法，该方法通过建筑物屋顶点云提取、屋顶面片分割、屋顶面片合 并、屋顶层重采样、建筑物模型重建五个步骤实现了建筑物屋顶的自动=维重建。试验证 明，该方法具有较高的重建精度，能很好地反映建筑物顶部的几何结构特征。
【附图说明】
[0036] 下面结合附图对本发明方法作进一步的说明。
[0037] 图1为本发明实施例的总体流程图。
[003引图2为本发明实施例区域航空LiDAR数据示意图。
[0039] 图3为本发明实施例面片平整流程示意图。
[0040] 图4为本发明实施例内部点和边缘点示意图。
[0041] 图5a~图5e为本发明实施例内部点和边缘点计算示意图。
[0042] 图6为本发明实施例内部点和边缘点最终结果示意图。
[0043] 图7为本发明实施例整个区域模型重建结果图。
[0044] 图8a~图8f为本发明实施例中6栋建筑物模型重建结果图。
【具体实施方式】
[0045] 下面根据附图详细阐述本发明，使本发明的技术路线和操作步骤更加清晰。
[0046] 使用化tech ALTM Gemini激光扫描仪获取得到的航空LiDAR数据为实验数据，如 图2所示。航空LiDAR数据平均点间距0.4m，高程精度15cm，平面精度30cm。
[0047] 本实施例是一种基于航空LiDAR数据的S维建筑物模型自动重建方法(流程图见 图1)，包括W下步骤：
[004引第一步、建筑物屋顶点云提取一一原始航空LiDAR数据所包含的地物类型主要是 建筑物、植被和地面S类。本发明基于专利CN201110432421.8中的反向迭代数学形态学滤 波算法提取建筑物LiDAR点云。
[0049]方法描述如下：对无规则分布的原始LiDAR点云进行重采样（重采样间距设定为 Im),对重采样后的等间距点进行反向迭代数学形态学滤波，W较小的步长逐渐减小滤波窗 口的大小，对每个窗口都使用形态学"开"操作，同时不断对相邻两个窗口的滤波结果作差， 当差值大于最小建筑物的高度时，对应的点就被标记为非地面点。提取得到的非地面点包 括建筑物区域和密集树木区域，接着利用点云高程的粗糖度(高程的方差），设定阔值将粗 糖度较高的树木点云剔除。最后，提取出建筑物屋顶LiDAR点云。本实施例中，选择的最大窗 口为106m，最小窗口为6m，窗口减小步长为IOm,最小建筑物的高度为3m，高程方差阔值为 0.4m。
[0050]在提取得到的建筑物LiDAR点云中，仍然存在墙面点云，本发明使用基于密度的方 法剔除墙面点云。
[0051 ]方法描述如下:对于一个点P，可在r半径范围内得到点P的邻近点Np，对于点P的密 度可W定义为Np中点的数量除Wr半径范围的体积。当点P的密度小于密度阔值时，就认为 点P是墙面点。反之，则为建筑物屋顶点。本实施例中，r半径大小为Im,密度阔值为2个点/ m3。
[0052] 第二步、分割屋顶面片一一提取出建筑物屋顶LiDAR点云之后，需要对建筑物的不 通屋顶面片进行提取。屋顶面片提取采用"种子区域选取一屋顶面片生长一面片平整优化" 的策略，首先通过点曲率的估算选取种子区域，然后使用区域生长算法实现面片生长，最后 对得到的屋顶面片进行平整优化，如图3所示。
[0053] 建筑物屋顶面片平整的具体步骤如下：
[0054] al)、利用曲率估算选取种子区域一一对于点的曲率估算，首先需要估算点的法向 量。例如估算点P的法向量，需要确定点P的邻域点Np= {q| qGP，d(p，q)<;r}，其中r是捜索邻 域点的捜索半径，它决定了邻域的大小。可W通过计算领域点的协方差矩阵来获得点的法 向量，协方差矩阵定义如下：
[0化5]
[0056]式中qiGNp，n为点集Np中点的数量，Cp为点P的协方差矩阵。通过上面的协方差矩 阵可W计算得到=个特征值，分别为、八2八3。假设、分2分3,最小的特征值所对应的特征向 量就为点P的法向量。然后再通过计算点的曲率来选取种子区域，曲率定义如下：
[0化7]
[005引当J小于曲率阔值At时，就可W认为点P的邻域点在一个平面上，选取较小曲率文所 对应的邻域点作为满足要求的种子区域。本实施例中，曲率阔值为0.005。
[0059] a2)、面片生长一一种子区域获得后，即获得了初始平面参数。运里定义两个满足 面片生长的标准:一个是局内点的个数，另一个是分割平面的标准差。当点Pi到初始平面的 距离小于距离阔值时，认为点Pi属于初始平面所在的平面，即为局内点，当没有点再满足到 初始平面的距离小于距离阔值时，面片生长完毕，统计局内点的个数。并计算生长获得的面 片的标准差，当标准差小于设定阔值时，认为屋顶面片提取完成，并符合提取要求。本实施 例中，距离阔值为0.5m，标准差为0.95m。
[0060] a3)、面片平整优化一一优化主要针对两点：一是对分割面片的S维点集的平整； 二是对细部干扰f目息的平整。
[0061 ]本实施例在上述步骤a3)中的面片平整优化的具体方法如下：
[0062] bl)、S维点集的平整一一在实际情况中，即使是平面屋顶，点云也不完全处于同 一个二维平面上，即在提取得到的屋顶面片上，点存在波动。可W使用平面方程z = a日x+aiy+ 曰2进行拟合，对于参数曰日，曰1，曰2的计算可W使用如下线性方程组进行计算：
[0063]
[0064] 得到平面方程之后，可W把分割面片上的点按照得到的平面方程平整到同一个平 面上。
[0065] b2)、细部干扰信息的平整一一对于提取得到的屋顶面片，存在点云缺失，运一部 分点云需要被平整到对应屋顶面片上，对于每一个已知的分割面片向上寻找在屋顶面片提 取结果中不存在的LiDAR点，找到后根据对应屋顶面片的平面方程将其平整到屋顶面片上。 本实施例中向上寻找点的距离为2m。
[0066] 第=步、合并屋顶面片一一在屋顶层重采样之前，需要对所有屋顶面片按照一定 规则进行合并W形成屋顶层。当两个屋顶面片满足两个条件：（1)两个屋顶面片所在平面存 在交线;2)两个屋顶面片相互邻近时，两个屋顶面片可合并成一个屋顶层。
[0067] 第四步、屋顶层重采样一一计算屋顶层的内部点和边缘点，对k个屋顶层计算k个 内部点或者边缘点，运k个点具有相同的x，y坐标，不同的高度值，如图4所示为内部点和边 缘点示意图。屋顶层重采样基于二维规则格网进行。
[0068] 屋顶层重采样的具体步骤如下：
[0069] C1 )、二维规则格网构建--二维规则格网的大小由LiDAR点云的在X和y方向上的 四至坐标来确定，本实例中格网单元大小为Im。计算每一个点对应所属的格网单元，最终建 立格网索引。
[0070] c2)、内部点和边缘点计算--每一个格网单元中存在一个及W上数量的内部点 或者边缘点，在计算的过程中，需要考虑该格网单元的四个邻域格网单元。内部点和边缘点 的计算有五种情况，①5个格网单元中的点都属于同一个屋顶层，②存在不同屋顶层的邻域 格网单元在中屯、格网单元的左边或右边，③存在不同屋顶层的邻域格网单元在中屯、格网单 元的上部或下部，④边缘点的水平位置在中屯、格网单元的边界上，⑤邻域格网单元中存在 属于两个W上的不同屋顶层。
[0071] c3)、不同屋顶层边缘点优化一一边缘点的优化采用主成分分析方法。首先，通过 原始建筑物屋顶点云边界点计算得到建筑物的主方向，然后通过迭代的方法将边缘点拟合 到主方向对应的直线上。最终得到的建筑物屋顶层的内部点和边缘点如图6所示。
[0072] 针对c2)中五种不同情况的具体步骤如下：
[0073] dl)、针对情况①（图5a)-一5个格网单元中的点都属于同一个屋顶层，说明不存 在墙面。将中屯、格网单元的中屯、确定为中屯、格网单元内部点的x，y坐标，该内部点的高度为 中屯、格网单元中LiDAR点的平均高度。
[0074] d2)、针对情况②（图化)一一存在某一个邻域格网单元中的LiDAR点属于两个不同 的屋顶层，且邻域格网单元所处的位置在中屯、格网单元的左边或右边。设两个不同屋顶层 为屋顶层j和屋顶层k。首先，需要在二维平面上使用支持向量机算法计算得到两个屋顶层 的分割线。然后，W计算得到的分割线与中屯、格网单元的水平中线的交点作为两个屋顶层 边缘点的X，y坐标(XO，yo)，则(XO，yo，Zj)为屋顶层j的边缘点，Zj为屋顶层j的LiDAR点的平均 高度，则(x〇，y〇，zk)为屋顶层k的边缘点，Zk为屋顶层k的LiDAR点的平均高度。
[0075] d3)、针对情况③（图5c)-一存在某一个邻域格网单元中的LiDAR点属于两个不同 的屋顶层，且邻域格网单元所处的位置在中屯、格网单元的上部或下部。设两个不同屋顶层 为屋顶层j和屋顶层k。同理，首先需要在二维平面上使用支持向量机算法计算得到两个屋 顶层的分割线。然后，W计算得到的分割线与中屯、格网单元的竖直中线的交点作为两个屋 顶层边缘点的x，y坐标。各屋顶层边缘点的高度为该格网单元中对应屋顶层LiDAR点的平均 高度。
[OOM] d4)、针对情况④（图5d)--中屯、格网单元中的LiDAR点与邻域格网单元中的 LiDAR点恰好处于两个不同的屋顶层。设两个不同屋顶层为屋顶层j和屋顶层k，计算中屯、格 网单元和所述邻域格网单元之间的格网边线的中点坐标(xi，yi)，则(xi，yi，zj)为屋顶层j的 边缘点，Zj为屋顶层j的LiDAR点的平均高度，则(XI，yi，Zk)为屋顶层k的边缘点，Zk为屋顶层k 的LiDAR点的平均高度。
[0077] d5)、针对情况⑤（图5e)-一当某一个邻域格网单元中的LiDAR点属于两个W上的 屋顶层，WLiDAR点数最多的两个屋顶层确定不同屋顶层的边缘点的x，y坐标，具体情况可 参考d2)或d3)。各屋顶层边缘点的高度为该格网单元中对应屋顶层LiDAR点的平均高度。
[0078] 第四步、建筑物模型重建一一模型的重建包括建筑物屋顶面的重建和墙面的重 建。
[0079] 针对建筑物模型重建，具体步骤如下：
[0080] el)、屋顶面重建一一对属于同一屋顶层的内部点和边缘点构建S角网，形成屋顶 面。
[0081] e2)、墙面重建一一对属于相邻屋顶层且位于同一竖直平面上的边缘点构建S角 网，形成屋顶面建筑物墙面，最终完成建筑物=维模型重建。
[0082] 本实施例W建筑物屋顶航空LiDAR数据为真实值。W整个区域和6栋建筑物来计算 模型与真实点之间的偏移距离来对重建模型的精度进行评估。整个区域模型如图7所示，6 栋建筑物模型如图8所示。
[0083] 表1建筑物模型评价结果
[0084]
[0085] 从表1的统计结果来看，从单独的6栋建筑物模型和整个实验区的建筑物模型与真 实值的偏移平均距离来看，大多处于0.04m左右，且小于0.3m的百分比超过96%，进一步说 明本发明对建筑物屋顶的=维模型重建具有较高精度。
[0086] 除上述实施例外，本发明还可W有其他实施方式。凡采用等同替换或等效变换形 成的技术方案，均落在本发明要求的保护范围。
【主权项】
1. 一种基于航空LiDAR数据的三维建筑物模型自动重建方法，步骤如下： 第一步、建筑物屋顶点云提取一一提取建筑物点云，剔除建筑物墙面上的点云，得到建 筑物屋顶点云； 第二步、分割屋顶面片一一对建筑物屋顶点云进行屋顶面片分割，再对得到的屋顶面 片进行平整； 第三步、合并屋顶面片一一当两个屋顶面片邻近并且所在平面存在交线，则将这两个 屋顶面片进行合并形成屋顶层； 第四步、屋顶层重采样一一对所有屋顶层进行重采样，获得屋顶层的内部点和边缘点； 第五步、建筑物模型重建一一对属于同一屋顶层的内部点和边缘点构建三角网，形成 屋顶面;对属于相邻屋顶层且位于同一竖直平面上的边缘点构建三角网，形成屋顶面建筑 物墙面，最终完成建筑物三维模型重建。2. 根据权利要求1所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述第一步中，剔除建筑物墙面上的点云方法如下：以r为半径，对每一个LiDAR 点搜寻邻域点，用搜寻得到的邻域点的数量除以邻域区域的体积得到每一个LiDAR点的点 云密度，当LiDAR点的点云密度小于指定阈值时，该LiDAR点为墙面点，进行剔除。3. 根据权利要求1所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述第二步中，选取种子区域，使用区域生长算法实现屋顶面片分割，种子区域 的选取方法如下:首先估算每一个LiDAR点的法向量，以计算点p为例，寻找以点p为中心，半 径r范围内的点集N p，根据公式（1)和(2)计算得到三个特征值A1、λ2、λ3，三个特征值中最小 的特征值Xmin所对应的特征向量即为点P的法向量。CD !} 式中qieNP，n是点集Np中点的数量，Cp是点p的协方差矩阵，根据公计算点P的曲率，当点P的曲率X小于指定曲率阈值λτ时，就可认为点p的邻域点^在一个平 面上，选取曲率无所对应的邻域AN p作为满足要求的种子区域。4. 根据权利要求3所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述第二步中，区域生长算法需要确定两个标准:一个是局内点的个数，另一个 是拟合平面的标准差；当LiDAR点到种子区域所在平面的距离小于指定距离阈值时，认为是 局内点;所有点计算完毕后，再计算局内点的标准差，当标准差小于指定阈值时，认为满足 屋顶面片分割要求。5. 根据权利要求4所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述第二步中，面片平整优化包括分割面片点云平整和局部突出点云平整： 对于分割面片点云平整，使用最小二乘法拟合出分割面片点云方程，然后根据方程将 点平整到拟合面片上，拟合平面方程根据公式(3)进行计算：(S) 式中Xi，yi，Zi表示点的三维坐标，ao，ai，a2表示拟合平面方程的系数； 对于局部突出点云的平整，利用距离阈值对局部突出点云进行搜索，计算不在分割面 片中的点到分割面片的距离，当距离小于阈值时，记为所需点，将所需点按照上述得到的拟 合平面方程平整到分割面片上。6. 根据权利要求1所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述第四步中，屋顶层重采样方法如下:首先将点云投影至XY平面，并对XY平面 构建二维格网，然后进行如下判断： (a )、当四邻域格网单元中的LiDAR点与中心格网单元中的LiDAR点属于同一个屋顶层， 此时中心格网单元的中心作为屋顶层的内部点，该内部点的高度为中心格网单元中LiDAR 点的平均高度； (b)、当中心格网单元的四邻域格网单元中的某一个邻域格网单元中的LiDAR点属于两 个或两个以上屋顶层时，设该邻域格网单元内点数最多的两个屋顶层分别为屋顶层j和屋 顶层k，获取该邻域格网单元内屋顶层j的LiDAR点和屋顶层k的LiDAR点的分割线，然后计算 该分割线与中心格网单元中线在该邻域格网单元内的交点坐标(XQ，y〇)，则(XQ，y〇, Zj)为屋 顶层j的边缘点，Zj为屋顶层j的LiDAR点的平均高度，则(XQ，y〇，zk)为屋顶层k的边缘点，Zk为 屋顶层k的LiDAR点的平均高度； (c )、当中心格网单元内的LiDAR点和四邻域格网单元中的某一个邻域格网单元中的 LiDAR点分别属于两个不同屋顶层时，设两个不同屋顶层为屋顶层j和屋顶层k，计算中心格 网单元和所述邻域格网单元之间的格网边线的中点坐标(Xi，yi)，则(Xi，yi，z j)为屋顶层j的 边缘点，Zj为屋顶层j的LiDAR点的平均高度，则(X1^hZk)为屋顶层k的边缘点，Zk为屋顶层k 的LiDAR点的平均高度。7. 根据权利要求6所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述二维格网的大小为LiDAR点云平均间距的2倍。8. 根据权利要求6所述的一种基于航空LiDAR数据的三维建筑物模型自动重建方法，其 特征在于:所述第四步中，获取邻域格网单元内屋顶层j的LiDAR点和屋顶层k的LiDAR点的 分割线的方法是：将邻域格网单元内屋顶层j的LiDAR点和屋顶层k的LiDAR点视为两个类 另IJ，使用支持向量机算法获取分割线。
【文档编号】G06T17/05GK106023312SQ201610319784
【公开日】2016年10月12日
【申请日】2016年5月13日
【发明人】程亮, 许浩, 李满春, 王娅君, 谌颂, 魏晓燕, 袁, 袁一, 夏南, 孙越凡, 陈东
【申请人】南京大学, 云南省测绘资料档案馆(云南省基础地理信息中心)