专利名称：一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法
技术领域：
本发明属于对地观测领域，涉及一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法，适用于从城区大范围机载LiDAR点云数据中快速提取建筑物轮廓的情况，可应用于数字城市三维建模等工作。
背景技术：
随着空间数据应用领域的不断扩大和人们应用需求的迅速提升，快速精确地提取城市建筑物信息变得越来越迫切。传统的测绘技术无论在速度上还是在精度上都不能满足 当前需要，机载LiDAR(Light Detection And Ranging)是一种主动式的遥感测量技术,通过测量激光脉冲传播时间，结合POS系统(由差分GPS和惯性导航系统INS组成)提供的位姿信息，直接获取高精度的地物三维坐标。机载LiDAR技术目前在硬件上已经比较成熟，但与其配套的数据处理方法发展相对滞后，严重影响了机载LiDAR技术的扩展应用。传统的机载LiDAR数据处理主要分为两大类一类是将采集到的点云数据内插为高程灰度图像(也称为深度图像)，然后利用经典的图像处理算法，对深度图像进行处理。本发明属于另一类直接基于原始三维点云进行数据处理的方法，直接对三维点云进行操作，避免了将点云数据内插成深度图像时的采样误差，更加符合LiDAR数据本身的特点，因此其处理结果更为精确。
发明内容
本发明公开了一种利用条带划分方法对机载LiDAR点云数据进行快速滤波处理，并基于随机抽样一致性模型提取出建筑物三维轮廓信息的新方法。此方法针对机载LiDAR数据本身的高精度特点，直接对海量机载LiDAR点云数据进行处理首先通过X方向和Y方向上的两次条带划分对机载LiDAR三维点云数据进行分类滤波，区分出地面点和非地面点；然后对非地面三维点云数据进行三角剖分，并结合分类结果进行建筑屋顶面片划分，提取出每个建筑物所包含的LiDAR点集，进而通过边缘跟踪得到每个建筑物的边缘点集 ’最后使用随机抽样一致性模型，从边缘点集中提取出建筑物边缘直线，形成建筑物轮廓特征线，满足数字城市三维建模等工作需要。本发明有两项核心内容I、结合了分治法和降维法的机载LiDAR数据条带划分方法，该方法使计算机快速处理海量的机载LiDAR点云数据成为可能，并在很大程度上降低了算法的复杂度，缩短了算法运行的时间，提高了算法效率。2、机载LiDAR数据中建筑轮廓信息提取是指从滤波得到的非地面点云数据中提取出建筑轮廓特征。建筑物轮廓理论上是由直线组成，但是由于建筑附属物，以及机载LiDAR测量过程中噪声点的存在，采用传统的最小二乘法提取面片误差很大。本发明基于随机抽样一致性模型来提高建筑物轮廓提取的精度随机抽样一致性模型是一种从数据集合中迭代估计模型参数的方法，其通过随机取样剔除局外点的影响，构建一个仅由内点数据组成的基本子集；在进行参数估计时，不是不加区分地对待所有输入数据，而是首先设定一个判断准则，利用该准则迭代地剔除那些与所估计模型不一致的输入数据(外点)，使用符合该模型的输入数据(内点)来准确估计模型参数，具体步骤如下A)随机选择原始输入数据中的一个子集，并认为该子集是一个只包含有内点的集合，通过该子集数据解算模型参数，例如提取建筑物轮廓直线，需要两点来确定直线参数；B)测试完整数据集中其余点是否符合这个参数模型，如果符合那么这些点是内点，否则为外点；C)如果符合该模型的内点数达到所设阈值，就认为该模型估计正确，根据所有内点来精确计算模型参数；D)如果符合该模型的内点数没有达到所设阈值，则表示可能存在一个包含更多内·点和更高精度的模型，因此重复步骤A)-C)，直到确定最优直线参数作为输出结果。快速提取机载LiDAR数据中建筑物三维轮廓信息的方法的实现步骤如下I、本发明方法(010)部分，是对机载LiDAR三维点云数据进行滤波分类，使所有的机载LiDAR三维点云数据分成两类一地面点或非地面点，具体步骤如下步骤COll :开始，对机载LiDAR三维点云数据进行预处理。读取机载LiDAR三维点云数据，统计机载LiDAR三维点个数，并记录X、Y、Z坐标的最大和最小值；步骤C012 :根据COll记录的点云坐标最值对机载LiDAR三维点云数据进行分块。每一块的数据写入一个临时文件中，并记录每一块数据的机载LiDAR三维点的个数，及其X、Y、Z坐标的最大和最小值等/[目息；步骤CO 13 :接着上步C012划分出的数据块，对每个数据块进行X方向和Y方向上的条带划分。首先确定条带的宽度为3m，然后根据每个数据块的信息确定条带的个数，最后将数据块中的每个点根据其相应坐标确定其所在的条带，每个条带的数据都放入一个临时文件中；步骤C014 :对C013划分出的每个条带进行曲线拟合,并计算每个机载LiDAR三维点坐标的残差；步骤C015 :根据C014的分类结果确定每个机载LiDAR三维点的最终分类结果。2、本发明方法(020)部分，是提取机载LiDAR三维点云数据中建筑物边缘点集，对LiDAR三维点云数据进行Delaunay三角剖分，根据(010)的分类结果提取出每个建筑物的边缘点集步骤C021 :根据步骤C012划分出的数据块，对其进行Delaunay三角剖分。剖分后得到一个三角形的链表，其中包含了所有剖分出来的DeIaunay三角形。在进行DeIaunay三角剖分的过程中使用分治法，以提高算法的运行速度；步骤C022 :根据步骤C015的分类结果对步骤C021中得到的三角形进行分类，划分为地面三角形或非地面三角形。三角形分类的规则是如果三角形的三个顶点都被分为非地面点，则此三角形就被划分为非地面三角形，否则就将其划分为地面三角形；步骤C023 :根据步骤C021三角形分类的结果进行面片划分。面片划分的方法是将地面三角形从三角形链表中删除；
步骤C024 :从每个建筑物面片中提取边缘点集。每个面片中的三角形都是相连通的，设置一个堆栈，通过判断每个三角形邻近三角形的情况，找到面片的边缘三角形，从而得到建筑物的边缘点集。3、本发明方法(030)部分，是从机载LiDAR三维点云数据提取建筑物边缘直线，具体步骤如下步骤C031 :对从步骤C024中提取出的边缘点集应用随机抽样一致性算法，得到候选直线。首先从边缘点集中随机选取η个相邻近的点,对这几个点进行直线拟合,并计算所有点到这条直线的距离，小于阈值的点认为属于一条直线，对该直线进行参数化表示，上述过程迭代若干次，直到提取出的直线符合要求。然后将属于该直线的点从边缘点集中去除，重复上述过程，直到边缘点集中点的个数小于给定的阈值；
步骤C032 :根据建筑物的实际特点，对步骤C031提取出的候选直线进行初步调整。这里的调整包括去除和合并。对于具有相似特征的短小线段需要将其合并为一条长的线段；与一条长线段靠近的短小线段也应合并到长线段中；对于孤立的短小线段则直接将其去除；综上，本发明提供一种快速提取机载LiDAR三维点云数据中建筑物三维轮廓信息的方法，该方法适用于城区大范围建筑物轮廓信息的提取，其优点在于获得较高精度建筑物边缘提取效果的同时具有较快的处理速度。
图I为机载LiDAR三维点云数据中建筑物轮廓信息提取的处理流程图；图2机载LiDAR三维点云数据滤波分类的处理流程图；图3为机载LiDAR三维点云数据；图4为提取出的非地面点数据；图5为机载LiDAR三维点云数据中建筑物边缘点集提取流程图；图6为提取边缘点集的结果；图7为使用本发明方法对机载LiDAR三维点云数据中建筑物边缘提取结果；图8为经过调整后的建筑物边缘直线。
具体实施例方式机载LiDAR三维点云数据中建筑物轮廓信息提取的处理流程如图I所示，处理流程分为三部分I、机载LiDAR三维点云数据滤波分类(C010)的处理流程如图2所示首先读取如图3所示的机载LiDAR三维点云数据，然后对机载LiDAR三维点云数据进行预处理(COll)；读取机载LiDAR三维点云数据，得到总共的机载LiDAR三维点个数，及其坐标的最值；再对原始点云进行分块(C012)，便于计算机处理；然后进行两次条带划分(C013)，对每个数据块进行X方向和Y方向上的条带划分，条带的宽度为3m ;最后对划分出的每个条带进行曲线拟合(C013)，并计算每个机载LiDAR三维点的残差；根据C014的分类方法将每个机载LiDAR三维点的最终分类为地面点或非地面点(C015)，其中非地面点如图4所示。2、机载LiDAR三维点云数据中建筑物边缘点集提取(C020)的处理流程如图5所示首先进行Delaunay三角剖分(C021)，剖分后得到一个三角形的链表，其中包含了所有剖分出来的Delaunay三角形；然后根据对得到的三角形进行分类(C022)，划分为地面三角形或非地面三角形；最后根据三角形分类的结果进行面片划分(C023)，并从非地面三角形中提取边缘点集(C024)，结果如图6所示。3、机载LiDAR三维点云数据中建筑物边缘直线提取(C030)过程中，首先从边缘点集中随机选取η个相邻近的点，对这几个点进行直线拟合，并计算所有点到这条直线的距离，小于阈值的点认为属于一条直线，利用所述随机抽样一致性模型迭代若干次，直到提取出的建筑物轮廓直线符合要求，并将提取出的直线进行参数化表示；然后将属于该直线的点从边缘点集中去除，重复上述过程，直到边缘点集中点的个数小于给定的阈值，此时所有轮廓直线都已经提取出来，图7为使用本发明方法对机载LiDAR三维点云数据中建筑物边缘提取结果；然后根据 建筑物的实际特点，对提取出的候选直线进行初步调整，这里的调整主要是指去除和合并，对于具有相似特点的短小线段需要将其合并为一条长的线段，与一条长线段靠近的短小线段也应合并到长线段中，对于孤立的短小线段则直接将其去除，图8为经过调整后的建筑物边缘直线，最终实现机载LiDAR数据中建筑物三维轮廓信息快速提取。
权利要求
1.一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法，其特征在于，利用条带划分方法对机载LiDAR点云数据进行快速滤波处理，并基于随机抽样一致性模型提取出建筑物三维轮廓信息的新方法。
2.根据权利要求I所述的一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法，其特征在于，针对机载LiDAR数据本身的高精度特点，直接对海量机载LiDAR点云数据进行处理首先通过X方向和Y方向上的两次条带划分对机载LiDAR三维点云数据进行分类滤波，区分出地面点和非地面点；然后对非地面三维点云数据进行三角剖分，并结合分类结果进行建筑屋顶面片划分，提取出每个建筑物所包含的LiDAR点集，进而通过边缘跟踪得到每个建筑物的边缘点集；最后使用随机抽样一致性模型，从边缘点集中提取出建筑物边缘直线，形成建筑物轮廓特征线，满足数字城市三维建模等工作需要。
3.根据权利要求2所述的一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法，其特征在于，结合了分治法和降维法的机载LiDAR数据条带划分方法对每个数据块进行X方向和Y方向上的条带划分，条带的宽度一般为3m;对划分出的每个条带进行曲线拟合，并计算每个机载LiDAR三维点的残差，将每个机载LiDAR三维点的最终分类为地面点或非地面点，该方法使计算机快速处理海量的机载LiDAR点云数据变得可能，并在很大程度上降低了算法的复杂度，缩短了算法运行的时间，提高了算法效率。
4.根据权利要求2所述的一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法，其特征在于，基于采用随机抽样一致性模型来提高建筑物轮廓提取的精度随机抽样一致性模型是一种从数据集合中迭代估计模型参数的方法，其通过随机取样剔除局外点的影响，构建一个仅由内点数据组成的基本子集；在进行参数估计时，不是不加区分地对待所有输入数据，而是首先设定一个判断准则，利用该准则迭代地剔除那些与所估计模型不一致的输入数据(外点)，使用符合该模型的输入数据(内点)来准确估计模型参数。
5.根据权利要求4所述的采用随机抽样一致性模型的机载LiDAR数据中建筑物三维轮廓信息的方法，其特征在于，采用随机抽样一致性模型迭代若干次，直到提取出的建筑物轮廓直线符合要求，并将提取出的直线进行参数化表示；然后将属于该直线的点从边缘点集中去除，重复上述过程，直到边缘点集中点的个数小于给定的阈值，此时所有轮廓直线都已经提取出来；然后根据建筑物的实际特点，对提取出的候选直线进行初步调整，这里的调整主要是指去除和合并，对于具有相似特点的短小线段需要将其合并为一条长的线段，与一条长线段靠近的短小线段也应合并到长线段中，对于孤立的短小线段则直接将其去除，实现机载LiDAR数据中建筑物三维轮廓信息快速提取。
全文摘要
本发明公开了一种利用条带划分方法对机载LiDAR点云数据进行快速滤波处理，并基于随机抽样一致性模型提取出建筑物三维轮廓信息的新方法。此方法针对机载LiDAR数据本身的高精度特点，直接对海量机载LiDAR点云数据进行处理首先通过X方向和Y方向上的两次条带划分对机载LiDAR三维点云数据进行分类滤波，区分出地面点和非地面点；然后对非地面三维点云数据进行三角剖分，并结合分类结果进行建筑屋顶面片划分，提取出每个建筑物所包含的LiDAR点集，进而通过边缘跟踪得到每个建筑物的边缘点集；最后使用随机抽样一致性模型，从边缘点集中提取出建筑物边缘直线，形成建筑物轮廓特征线，满足数字城市三维建模等工作需要。
文档编号G06T17/00GK102915558SQ20111021803
公开日2013年2月6日 申请日期2011年8月1日 优先权日2011年8月1日
发明者李慧盈, 王植, 李德昌 申请人:李慧盈, 王植, 李德昌