基于密度峰值聚类的杆状物规则化三维建模方法及系统的制作方法
【技术领域】
[0001]本发明主要涉及数字城市三维建模领域，尤其针对一种基于车载激光雷达获取的点云数据，利用密度峰值聚类手段提取杆状物并在3ds Max中对其建模的方法及系统。
【背景技术】
[0002]三维激光点云是物体表面的高精度三维坐标，通过点云可以直接获取地物坐标及特征信息，具有密度大，精度高、数据量大等特点，因而三维点云作为一种新兴的3D技术，凭借其能够快速高效地还原真实场景的特点，受到了众多相关领域研究者的欢迎。在已有的大量研究成果中，针对点云的地物提取主要包括建筑物和道路的提取，建筑物的提取大多运用基于投影的方法，道路的提取则大多运用高程或者法线的方法，这些方法已经发展地较为成熟，针对不同的数据源和不同的地物空间结构的复杂程度，其提取效果也较为令人满意。
[0003]但针对诸如电线杆、树木这类杆状物的提取仍然没有一套完整的方法，目前从点云中提取杆状物的研究主要有:邹晓亮针对电线杆这一单一地物标志运用点密度水平投影方法进行提取;Dinesh MANANDHARD等人根据每个断面扫描点的点位空间分布特征，对扫描点的距离数据进行一定的数学特征筛选，从而实现了对建筑物、道路和树木等的初步分离。以上方案虽然都有一些初步的特征分类效果，但因其分类时所遵循的思路较为单一，或仅关注于某些理想条件下的情况，使得算法的通用性、准确性和鲁棒性都远远不够。在应用于具有各类复杂特征地物的城市环境时，往往不能得到较为精细和准确的分类提取及定位效果O
[0004]在从提取的杆状物中获取其特征信息之后，如何根据其特征参数在3dsMax中进行三维建模乃至建立精细化的特征模型也是目前此类研究中有待完善的地方。由于缺乏具有普适性的杆状物提取算法，便无法获得准确的杆状物位置、高度等规则化特征参数，不能真实还原电线杆、行道树等杆状物的详细信息，难以满足数字城市建模中保证地物真实性的要求，这样便无法区分不同类型的电线杆和不同品种的行道树，不能对此类地物进行精确重建。正是基于以上原因，使得目前针对杆状物可建立的模型十分单一，且人工集成至数字城市的工作大多繁琐重复、效率低下，成为数字城市发展的一大制约。此外，目前的研究中尚未有针对点云缺失的情况进行填补的技术方案。
【发明内容】
[0005]本发明的内容主要包括利用基于密度峰值的聚类算法，针对车载激光雷达获取的点云数据中的杆状物，依据其规则化的特征进行提取，并在3ds Max中根据杆状物提取所得到的参数信息进行建模，同时依据其规则化分布的特征填补杆状物点云缺失的部分。
[0006]本发明技术方案提供一种基于密度峰值聚类的杆状物规则化三维建模方法，包括以下步骤，
[0007]步骤一，点云数据的预处理，包括针对车载激光雷达所获取原始的点云数据，进行体素重采样，去除离群点，将整个场景的点云进行格网化分割，对各网格分别通过高程直通滤波去除地面点和高层建筑点，然后向三维坐标系的三个坐标平面XOY、XOZ和YOZ分别投影，所述三维坐标系的Y方向指向正北方向、Z方向指向竖直方向，按右手规则建立；
[0008]步骤二，点云数据的聚类，包括针对步骤一的预处理结果，对各网格采用基于密度峰值和距离属性的聚类方式分别在三个投影平面中进行聚类，在聚类结束后，将每一类对应的点序号存入相应的动态链表中；
[0009]步骤三，杆状物的提取，包括根据步骤二所得三个投影平面的聚类结果，用规则的空间立方体包围盒对对同一类的点云限定其空间范围，将每一类的立方体与立方体内的地物及构成地物的点云建立映射关系，根据先验知识对空间立方体包围盒内的杆状物进行提取，得到杆状物特征参数；
[0010]所述用规则的空间立方体包围盒对对同一类的点云限定其空间范围，包括对各网格中每一类分别根据三个投影平面中所有点的X、Y、Z坐标最大最小值求交得到对应的包围立方体，同时获得该包围立方体对应的所有内部点序号索引，然后对将邻近的处理网格进行相近类别合并，并更新得到最终的空间立方体包围盒；
[0011]所述先验知识为，杆状物在XOY平面的投影面能够用参数椭圆进行最小二乘拟合，在XOZ或者YOZ平面的投影面能够用平行四边形进行最小二乘拟合；
[0012]所述对空间立方体包围盒内的杆状物进行提取，通过紧致性分析和连通域分析实现；
[0013]步骤四，杆状物的建模，包括根据步骤三所得杆状物特征参数，进行建模，还原杆状物。
[0014]而且，基于步骤四所得建模结果，当存在由点云缺失造成的地物提取遗漏现象时，利用杆状物的规则化分布特性进行缺失杆状物的填补。
[0015]而且，基于步骤四所得建模结果，输出并集成到数字城市。
[0016]而且，所述通过高程直通滤波去除地面点和高层建筑点，包括根据高程滤波区间进行滤波，高程滤波区间的下限根据地面高程均值设定，上限根据城市树冠底层高度设定。
[0017]而且，当地面存在坡度时，利用法线生长方式去除道路点。
[0018]而且，所述紧致性分析，实现如下，
[0019]在XOY平面内，从相应平面内杆状物的投影点中选取任意三点确定一个椭圆，当包含在某椭圆内的点数与总点数的比例大于一定的阈值时，该椭圆即为该平面内投影点云的紧致椭圆，之后再找出紧致椭圆的外接矩形，并利用该外接矩形对原先的空间立方体包围盒进行X、Y方向上的范围和点集映射更新；
[0020]在YOZ平面，从相应平面内杆状物的投影点中选取任意三点确定一个平行四边形，当包含在某平行四边形内的点数与总点数的比例大于一定的阈值时，该平行四边形即为该平面内投影点云的紧致平行四边形，之后再找出紧致平行四边形的外接矩形，并利用该外接矩形对原先的空间立方体包围盒进行Υ、ζ方向上的范围和点集映射更新；
[0021]在XOZ平面，从相应平面内杆状物的投影点中选取任意三点确定一个平行四边形，当包含在某平行四边形内的点数与总点数的比例大于一定的阈值时，该平行四边形即为该平面内投影点云的紧致平行四边形，之后再找出紧致平行四边形的外接矩形，并利用该外接矩形对原先的空间立方体包围盒进行χ、ζ方向上的范围和点集映射更新。
[0022]本发明还相应提供一种基于密度峰值聚类的杆状物规则化三维建模系统，包括以下模块，
[0023]预处理模块，用于针对车载激光雷达所获取原始的点云数据，进行体素重采样，去除离群点，将整个场景的点云进行格网化分割，对各网格分别通过高程直通滤波去除地面点和高层建筑点，然后向三维坐标系的三个坐标平面Χ0Υ、Χ0Ζ和YOZ分别投影，所述三维坐标系的Y方向指向正北方向、Z方向指向竖直方向，按右手规则建立；
[0024]点云数据聚类模块，用于针对预处理结果，对各网格采用基于密度峰值和距离属性的聚类方式分别在三个投影平面中进行聚类，在聚类结束后，将每一类对应的点序号存入相应的动态链表中；
[0025]杆状物提取模块，用于根据三个投影平面的聚类结果，用规则的空间立方体包围盒对对同一类的点云限定其空间范围，将每一类的立方体与立方体内的地物及构成地物的点云建立映射关系，根据先验知识对空间立方体包围盒内的杆状物进行提取，得到杆状物特征参数;所述用规则的空间立方体包围盒对对同一类的点云限定其空间范围，包括对各网格中每一类分别根据三个投影平面中所有点的X、Y、Z坐标最大最小值求交得到对应的包围立方体，同时获得该包围立方体对应的所有内部点序号索引，然后对将邻近的处理网格进行相近类别合并，并更新得到最终的空间立方体包围盒；
[0026]所述先验知识为，杆状物在XOY平面的投影面能够用参数椭圆进行最小二乘拟合，在XOZ或者YOZ平面的投影面能够用平行四边形进行最小二乘拟合；
[0027]所述对空间立方体包围盒内的杆状物进行提取，通过紧致性分析和连通域分析实现；
[0028]杆状物建模模块，用于根据杆状物特征参数，进行建模，还原杆状物。
[0029]本发明从最原始的车载点云数据入手，经过一系列的处理步骤后，可以对绝大部分环境下的杆状物做到快速、高效、准确的提取，并与数字城市集成，实现数字城市中的杆状物精细化和真实化建模。从而本发明的技术特点也体现了出来:
[