一种基于格式塔理论的室内结构点云轮廓线优化方法

本发明涉及室内场景矢量化重建，尤其涉及一种基于格式塔理论的室内结构点云轮廓线优化方法。

背景技术：

1、线段作为最常见的基本元素，在室内场景矢量化重建中起着重要作用。目前，点云轮廓线优化方法包括基于深度学习的方法和传统优化方法。基于深度学习的方法通过设计神经网络来优化线框模型的局部特征，目前只能实现与标记样本一致的轮廓线优化。然而，真实世界的场景非常复杂，有限的人工标记样本不足以优化多样化的轮廓线。wang等人(2018年)构建了条件生成对抗网络(cgan)深度学习模型对线框进行优化，包括结构补全、挤压去除和正则化，但该方法对提取线段中存在的问题考虑不全，无法应对复杂的室内场景。(参考文献1：cheng wang,shiwei hou,chenglu wen,zheng gong,qing li,xiaotiansun,jonathan li,semantic line framework-based indoor building modeling usingbackpacked laser scanning point cloud,isprs journal of photogrammetry andremote sensing,2018,143,150.)。传统优化方法主要是通过轮廓线中的几何和拓扑信息对轮廓线进行优化。lu等人(2019年)将轮廓线中重复提取的线段进行融合和离群值去除，但并未考虑结构线段缺失以及轮廓线中未闭合和不连续等拓扑错误。(参考文献3：lu,x.；liu,y.；li,k.fast 3d line segment detection from unorganized point cloud.arxiv2019,arxiv:1901.02532.)。tian等人(2022年)实现了轮廓线的融合，但缺乏应对离群值、拓扑错误和结构线段缺失等情况的处理方案，导致线段提取结果精度低。(参考文献4：tian,p.；hua,x.；tao,w.；zhang,m.robust extraction of 3d line segment featuresfrom unorganized building point clouds.remote sens.2022,14,3279.)。

2、综上所述，目前传统的轮廓线优化方法无法对线段缺失、大量杂乱线段、轮廓线不连续和未闭合等情况进行有效优化，导致提取的线框精度低、完整性不足。因此，如何巧妙地运用点云轮廓线中蕴含的结构信息以填补采集过程中的信息损失和其他异常情况，依旧是一个具有挑战性的研究难题。

技术实现思路

1、受目标间遮挡、观测视角、物体复杂表面等因素的影响，提取的结构线段存在缺失、拓扑错误、重复提取以及未闭合和不连续等异常现象，现有的轮廓线优化方法无法有效处理这些情况，显著降低了提取结果的精确性和完整性。为了解决上述问题，本发明结合格式塔完形规则，从人类视觉认知的角度对室内建筑结构轮廓线进行优化，提出了一种基于格式塔理论的室内结构点云轮廓线优化方法，旨在实现不同类型异常线段的优化，得到完整精确的三维线框模型。

2、为了达到上述目的，本发明将格式塔完形规则用于结构线段优化，利用不同的格式塔规则设计目标函数，结合室内结构轮廓线的几何信息对遮挡造成的线段缺失以及大量异常线段进行补全和修复。实验证明，优化结果不仅更符合人类的视觉认知，而且极大的提高了轮廓线的完整性、精确性和可读性。该方法相较于现有方法具有更高的精确率和召回率。本发明提出的一种基于格式塔理论的室内结构点云轮廓线优化方法的主要步骤如下：

3、一种基于格式塔理论的室内结构点云轮廓线优化方法，包括：

4、步骤1：获取室内点云数据，将室内点云数据旋转至与坐标系对齐；

5、步骤2：将室内结构平面点云数据分割出来，然后基于平面提取轮廓线；

6、步骤3：基于格式塔完形规则中简单原则去除每个平面中由遮挡造成的离群线段；

7、步骤4：基于格式塔完形规则中相似原则和邻近原则对重复提取线段进行融合，然后对轮廓线进行正则化处理；

8、步骤5：基于格式塔完形规则中连续原则和闭合原则纠正轮廓线中拓扑错误线段；

9、步骤6：基于格式塔完形规则中对称原则对轮廓线中部分和完全缺失的线段进行修复补全，重复步骤4-5，得到最终的室内结构点云轮廓线。

10、进一步地，所述步骤3包括：

11、将平面的轮廓线集合l1all中最长的线段视为主方向线段，将l1all中与主方向线段夹角小于夹角阈值ε1的线段视为结构线段，获取上述结构线段，再次使用剩余的最长线段作为主方向线段来查找结构线段，将非主方向但大于平均长度的线段也视为结构线段，将其余线段视为离群线段，去除离群线段后得到新的线段集合l2all。

12、进一步地，所述步骤4包括：

13、从l2all中最长线段开始，结合线段间角度、距离和空间位置关系，在集合l2all中搜索可以与之融合的线段，所有线段融合后结果记为l3all，其中线段融合的条件包括：线段间的夹角小于ε1，线段间的距离小于自适应距离阈值一条线段至少一个端点的投影点位于另一条线段内。

14、进一步地，所述线段间的距离按照下式计算：

15、df＝min{ds,dm,de}

16、其中ds,dm,de分别是正在处理的两线段中较短线段的起点、中点和终点到较长线段的距离；

17、点到直线的距离d按照下式计算：

18、

19、

20、其中是点到线段起点的距离，是点到线段终点的距离，是线段长度。

21、进一步地，所述自适应距离阈值按照下式计算：

22、

23、其中la是所有线段的平均长度，l1和l2是正在处理的两条线段的长度。

24、进一步地，所述线段融合的方式包括：

25、按照以下方式处理平面边缘的轮廓线：先找到l1和l2的融合基准点(xb,yb,zb)，将l1和l2中较近的两个端点分为一组，两个端点处于不同线段，剩余两个端点为另一组，找到每组中与xb、yb和zb较大差值的x、y和z作为融合线段的起点或终点；融合基准点(xb,yb,zb)计算公式如下：

26、

27、其中(xmin,ymin,zmin)和(xmax,ymax,zmax)分别是l2all线段端点中最小和最大坐标值,(xa,ya,za)和(xb,yb,zb)是正在处理线段的四个端点中距离最远两点的坐标值；

28、按照以下方式处理平面内轮廓线由于遮挡导致提取为两条线段的情况：在两线段的四个端点和较短线段在较长线段上的两个垂直投影点共六个点中，选择两个距离最远的点作为融合后新线段的起点和终点。

29、进一步地，所述步骤4中，对轮廓线进行正则化处理包括：

30、确定距离l3all中最长线段l31st两端点最近的线段，并根据l31st与所述最近的线段之间的角度对l31st进行平行或正交调整，依次以调整后的线段为基准对其他线段进行调整，直至l3all中所有线段都被处理，调整后线段放入l4all。

31、进一步地，所述步骤5中，对于不连续线段，首先从l4all中搜索距离最短线段l41st端点最近的线段作为基准线，然后计算l41st端点与邻接线段的垂直投影点，调整后的线段ln遵循以下公式：

32、

33、其中ang(l,ln)是计算调整前后线段的角度，lnl为调整后的线段长度，ll为原线段长度；

34、对于未闭合线段，按照未闭合线段长度决定处理顺序，首先找到l4all中最短未闭合线段l4tem的一个未闭合端点p4s，然后找到距离p4s最近的三个端点所在的线段和距离l4tem另一端点最近的三个端点所在的线段，然后计算垂直系数ver，若ver大于0.05，则将p4s修改为其最近端点，修改后线段为l4tem2，全部未闭合端点处理结束后，迭代的移除距离线段端点内的未闭合线段，得到l5all；按照下式计算垂直系数ver：

35、

36、其中i是距离p4s最近的三个端点所在线段中与l4tem近似垂直的数量，li表示上述近似垂直的线段，θir是l4tem与li之间的角度，θic是l4tem2与li之间的角度，n表示距离l4tem另一端点最近三个端点中与l4tem近似垂直的线段数量，ln表示上述线段，θnr是l4tem与ln之间的角度，θnc是l4tem2与ln之间的角度。

37、进一步地，按照下式确定

38、

39、其中是距离阈值，l是处理线段的长度。

40、进一步地，所述步骤6包括：

41、首先通过天花板投影线段修复地板中的缺失线段：

42、找到天花板线框ltop中与地板线框lbot中线段位于同一平面且方向对称的线段lsy，将lsy端点的z值修改为地板线段端点的平均z值，如果lbot中的线段端点与lsy相邻或在lsy上，则将lbot中的线段替换为lsy，然后使用剩余的天花板线段lr来修复地板中整个缺失的线段，将lr的z值修改为地板线框端点的平均z值，如果lbot中存在与lr的端点相邻的端点，并且lr是地板中的边界线段，则lr被视为地板的整个缺失线段，将lr添加到lbot中；

43、然后借助修复后的地板轮廓补全各墙面的缺失线段：

44、如果只有一个未闭合点p1，则将p1调整为距离其最近线段ln的垂直投影点，随后将ln的端点修改为p1所在线段的投影点；如果有两个或两个以上不闭合的点，则将距离最近的两个点视为一组，如果两点所在的线段平行且平面为垂直平面，将在较长线段的点投影到较短线段的点构建一条线段，再将较短线段的点修改为新构建线段的垂直投影点，如果两点所在的线段垂直，则将一组中一点所在线段端点修改为另一个点所在线段的投影点，而不破坏原有的拓扑结构，最后去掉端点不闭合的线段，得到最终的结果。

45、与现有技术相比，本发明具有的有益效果：

46、本发明对提取出的室内结构轮廓线进行优化，利用格式塔完形规则以及轮廓线隐含的建筑结构信息，对轮廓线中包含的拓扑错误、遮挡引起的局部缺失、表面孔洞导致的离群值以及结构线段的缺失进行修复。实验证明，本发明显著提升了结果的完整性，精确率和召回率均可达92％，为后续的矢量化重建提供了更强大的支持。