基于航空LiDAR數據的三維建筑物模型自動重建方法
【專利摘要】本發明公開了一種基于航空LiDAR數據的三維建筑物模型自動重建方法。其步驟為：利用反向迭代數學形態學濾波和基于點云密度的方法從航空LiDAR數據中提取建筑物屋頂點云；根據“種子區域選取—屋頂面片生長—面片平整優化”的策略提取并優化屋頂面片；構建二維規則格網對不同屋頂層進行重采樣獲取屋頂層的內部點和邊緣點；優化不同屋頂層的邊緣點；連接屋頂層的內部點和邊緣點構建屋頂面和墻面，最終實現建筑物屋頂的三維模型重建。實踐證明，本發明能夠有效地重建建筑物屋頂三維模型，為不同屋頂層之間的連接提供了新的思路，具有較高的三維模型重建精度。
【專利說明】
基于航空Li DAR數據的H維建筑物模型自動重建方法
技術領域
[0001] 本發明設及一種基于航空LiDAR數據的S維建筑物模型自動重建方法，特別是設 及一種基于航空LiDAR數據的采取平滑策略和層間連接的=維建筑物模型自動重建方法。
【背景技術】
[0002] =維建筑物模型是建筑物=維結構信息的重要表達手段，在城市規劃、災害監測、 通信設施建設和數字城市等領域具有非常廣泛的應用。建筑物=維模型重建作為數字城市 建設中最重要和最具挑戰性的任務，其研究在過去幾十年一直得到極大的關注。利用航空 立體像對獲取建筑物=維模型，是一種傳統的攝影測量方法，依然在大量使用，但需要較多 的人工干預，自動化程度不高。
[0003] 近年來，航空LiDAR技術發展極快，且航空LiDAR數據已被廣泛應用于地表探測 (Vosselman G，2005)、特征檢測(Tong L H，2013)、地物提取(Boyko A，2011)、S維模型重 建(化eng L，2012)等方面，顯示出了巨大的應用前景。因此，航空LiDAR技術為建筑物的S 維重建提供了 一種可選方法。航空LiDAR設備能直接獲取地面目標的S維信息，可提高自動 化水平。但是，大量不規則點數據也給建筑物的模型重建帶來了新的挑戰。為此，如何有效 利用航空LiDAR數據的優勢，實現建筑物S維模型的自動化高質量重建，依然是一個值得深 入研究的命題。
[0004] 盡管利用航空LiDAR數據進行建筑物S維模型重建的研究越來越多，但是大多數 的方法是通過提取建筑物屋頂輪廓線實現最終的模型重建。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 視航空影像與LiDAR數據重建S維建筑物模型》等文章中，提出使用輪廓線重建建筑物S維 模型的方法。但通過輪廓線實現=維模型重建存在一些固有缺點：1)噪聲影響。噪聲的存在 將使得提取得到的輪廓線不完整，即使通過擬合的方法形成完整輪廓線，與真實輪廓線相 比則存在較大誤差。2)點密度影響。點密度的大小直接影響輪廓線的提取，點密度較小則提 取得到的輪廓線將不完整。3)層間連接關系。提取得到的不同屋頂層輪廓線仍然是離散狀 態，很難確定之間的連接關系。
[0005] 在提取建筑物輪廓線之前，主要是要實現建筑物屋頂面片的分割。當前，對建筑物 屋頂面片的分割方法主要可W分為兩大類：1)模型驅動方法。2)數據驅動方法。Mass (1999)，0ude(2009)，Hebel(2012)，Susaki(2013)，Huang(2013)，Henn(2013)等人分別使用 第一種方法實現建筑物屋頂面片分割。運種方法的思路是首先確定待實驗建筑物屋頂類 型，然后在建筑物屋頂模型數據庫中確定需要使用的屋頂模型。然而運種方法獲得的面片 分割結果準確性得不到保障，當待實驗建筑物屋頂類型超出預先設定的屋頂類型時，分割 結果將存在較大錯誤。第二種方法的思路是完全W數據驅動提取出屋頂面片，預先不對屋 頂類型做任何的假設。2012年，化en D等人利用漸進形態學濾波、區域生長算法和自適應的 隨機采樣一致性算法完成建筑物屋頂面片的分割;2014年，Fan H C等人提出一種基于屋脊 線層次分解的屋頂面片分割方法，利用連接性和共面性的特點，沿著屋脊線實現屋頂面片 分割;2014年，Awrang jeb M等人將原始航空LiDAR點云分為地面點和非地面點，對于非地面 點使用點的共面性和點的局部特征完成平面屋頂的分割。但運些方法受原始數據影響較 大，得到的屋頂面片之間不存在連接關系，且屋頂面片的輪廓比較曲折。
[0006] 通過航空LiDAR數據進行建筑物屋頂快速自動=維建模是自動建模發展方向。然 而現階段對運類方法的研究雖然較多，但是都存在一定的問題，如何充分利用航空LiDAR數 據的優勢，并實現準確度、精確度較高的自動=維重建仍然有待進一步的研究。
【發明內容】
[0007] 本發明要解決的技術問題是:針對現有建筑物重建方法較多通過提取建筑物輪廓 線實現，W及輪廓線提取存在的缺陷和輪廓線之間的拓撲關系較難確定的問題，本發明提 供一種基于航空LiDAR數據的S維建筑物模型自動重建方法，該方法能夠保證屋頂面片分 割的準確性，并使用屋頂層重采樣得到的內部點和邊緣點快速、高效地實現了不同屋頂層 之間的連接，高精度地重建了建筑物的=維模型，解決了不同屋頂層之間連接關系較難確 定的問題。
[0008] 本發明提供的一種基于航空LiDAR數據的=維建筑物模型自動重建方法，步驟如 下：
[0009] 第一步、建筑物屋頂點云提取一-提取建筑物點云，剔除建筑物墻面上的點云，得 到建筑物屋頂點云；
[0010] 第二步、分割屋頂面片一-對建筑物屋頂點云進行屋頂面片分割，再對得到的屋 頂面片進行平整；
[0011] 第=步、合并屋頂面片一-當兩個屋頂面片鄰近并且所在平面存在交線，則將運 兩個屋頂面片合并形成屋頂層；
[0012] 第四步、屋頂層重采樣一-對所有屋頂層進行重采樣，獲得屋頂層的內部點和邊 緣點；
[0013] 第五步、建筑物模型重建一一對屬于同一屋頂層的內部點和邊緣點構建S角網， 形成屋頂面;對屬于相鄰屋頂且位于同一豎直平面上的邊緣點構建=角網，形成屋頂面建 筑物墻面，最終完成建筑物=維模型重建。
[0014] 本發明還具有一下進一步的特征：
[0015] 1、所述第一步中，剔除建筑物墻面上的點云方法如下：Wr為半徑，對每一個LiDAR 點捜尋鄰域點，用捜尋得到的鄰域點的數量除W鄰域區域的體積得到每一個LiDAR點的點 云密度，當LiDAR點的點云密度小于指定闊值時，該LiDAR點為墻面點，進行剔除。
[0016] 2、所述第二步中，選取種子區域，使用區域生長算法實現屋頂面片分割，種子區域 的選取方法如下:首先估算每一個LiDAR點的法向量，W計算點P為例，尋找W點P為中屯、，半 徑r范圍內的點集Np，根據公式（1)和(2)計算得到=個特征值Al、A2、A3，=個特征值中最小 的特征值^min所對應的特征向量即為點P的法向量。
[0017] Cl)
[001引 （2)
[0019] 式中qiENp'n是點勸沖點的數量，Cp是點P的協方差矩陣，根據公式又=尤。,心|+A 計算點P的曲率，當點P的曲率才小于指定曲率闊值At時，就可認為點P的鄰域點Np在一個平 面上，選取曲率義所對應的鄰域點Np作為滿足要求的種子區域。
[0020] 3、所述第二步中，區域生長算法需要確定兩個標準:一個是局內點的個數，另一個 是擬合平面的標準差；當LiDAR點到種子區域所在平面的距離小于指定距離闊值時，認為是 局內點;所有點計算完畢后，再計算局內點的標準差，當標準差小于指定闊值時，認為滿足 屋頂面片分割要求。
[0021] 4、所述第二步中，面片平整優化包括分割面片點云平整和局部突出點云平整：
[0022] 對于分割面片點云平整，使用最小二乘法擬合出分割面片點云方程，然后根據方 程將點平整到擬合面片上，擬合平面方程根據公式(3)進行計算：
[0023]
(3)
[0024] 式中xi，yi，zi表示點的S維坐標，曰日，曰1，曰2表示擬合平面方程的系數；
[0025] 對于局部突出點云的平整，利用距離闊值對局部突出點云進行捜索，計算不在分 割面片中的點到分割面片的距離，當距離小于闊值時，記為所需點，將所需點按照上述得到 的擬合平面方程平整到分割面片上。
[0026] 5、所述第四步中，屋頂層重采樣方法如下:首先將點云投影至XY平面，并對XY平面 構建二維格網，然后進行如下判斷：
[0027] (a)、當四鄰域格網單元中的LiDAR點與中屯、格網單元中的LiDAR點屬于同一個屋 頂層，此時中屯、格網單元的中屯、作為屋頂層的內部點，該內部點的高度為中屯、格網單元中 LiDAR點的平均高度；
[0028] (b)、當中屯、格網單元的四鄰域格網單元中的某一個鄰域格網單元中的LiDAR點屬 于兩個或兩個W上屋頂層時，設該鄰域格網單元內點數最多的兩個屋頂層分別為屋頂層j 和屋頂層k，獲取該鄰域格網單元內屋頂層j的LiDAR點和屋頂層k的LiDAR點的分割線，然后 計算該分割線與中屯、格網單元中線在該鄰域格網單元內的交點坐標(XO，yo )，則(XO，yo，Zj) 為屋頂層j的邊緣點響為屋頂層j的LiDAR點的平均高度，則（xo，yo，zk)為屋頂層k的邊緣 點，Zk為屋頂層k的LiDAR點的平均高度；
[0029] (C)、當中屯、格網單元內的LiDAR點和四鄰域格網單元中的某一個鄰域格網單元中 的LiDAR點分別屬于兩個不同屋頂層時，設兩個不同屋頂層為屋頂層j和屋頂層k，計算中屯、 格網單元和所述鄰域格網單元之間的格網邊線的中點坐標(xi，yi)，則(xi，yi，zj)為屋頂層j 的邊緣點，Zj為屋頂層j的LiDAR點的平均高度，則(xi，yi，zk)為屋頂層k的邊緣點，Zk為屋頂 層k的LiDAR點的平均高度。
[0030] 6、所述二維格網的大小為LiDAR點云平均間距的2倍。
[0031] 7、所述第四步中，獲取鄰域格網單元內屋頂層j的LiDAR點和屋頂層k的LiDAR點的 分割線的方法是：將鄰域格網單元內屋頂層j的LiDAR點和屋頂層k的LiDAR點視為兩個類 另IJ，使用支持向量機算法獲取分割線。
[0032] 本發明的有益效果如下：
[0033] (a)、本發明提出"種子區域選取一屋頂面片生長一面片平整優化"的策略，該策略 在提取屋頂面片的同時，也對屋頂面片進行平整優化，有利于后續=維模型重建。
[0034] (b)、本發明利用屋頂層重采樣計算得到內部點和邊緣點，避免了傳統方法提取屋 頂輪廓線后，較難確定不同輪廓線之間的拓撲關系的問題。且內部點和邊緣點的計算高效、 便捷，避免了繁瑣的工作，提高了自動化水平。
[0035] 綜上所述，本發明公開一種基于航空LiDAR數據的采取平滑策略和層間連接的S 維建筑物模型自動重建方法，該方法通過建筑物屋頂點云提取、屋頂面片分割、屋頂面片合 并、屋頂層重采樣、建筑物模型重建五個步驟實現了建筑物屋頂的自動=維重建。試驗證 明，該方法具有較高的重建精度，能很好地反映建筑物頂部的幾何結構特征。
【附圖說明】
[0036] 下面結合附圖對本發明方法作進一步的說明。
[0037] 圖1為本發明實施例的總體流程圖。
[003引圖2為本發明實施例區域航空LiDAR數據示意圖。
[0039] 圖3為本發明實施例面片平整流程示意圖。
[0040] 圖4為本發明實施例內部點和邊緣點示意圖。
[0041] 圖5a~圖5e為本發明實施例內部點和邊緣點計算示意圖。
[0042] 圖6為本發明實施例內部點和邊緣點最終結果示意圖。
[0043] 圖7為本發明實施例整個區域模型重建結果圖。
[0044] 圖8a~圖8f為本發明實施例中6棟建筑物模型重建結果圖。
【具體實施方式】
[0045] 下面根據附圖詳細闡述本發明，使本發明的技術路線和操作步驟更加清晰。
[0046] 使用化tech ALTM Gemini激光掃描儀獲取得到的航空LiDAR數據為實驗數據，如 圖2所示。航空LiDAR數據平均點間距0.4m，高程精度15cm，平面精度30cm。
[0047] 本實施例是一種基于航空LiDAR數據的S維建筑物模型自動重建方法(流程圖見 圖1)，包括W下步驟：
[004引第一步、建筑物屋頂點云提取一一原始航空LiDAR數據所包含的地物類型主要是 建筑物、植被和地面S類。本發明基于專利CN201110432421.8中的反向迭代數學形態學濾 波算法提取建筑物LiDAR點云。
[0049]方法描述如下：對無規則分布的原始LiDAR點云進行重采樣（重采樣間距設定為 Im),對重采樣后的等間距點進行反向迭代數學形態學濾波，W較小的步長逐漸減小濾波窗 口的大小，對每個窗口都使用形態學"開"操作，同時不斷對相鄰兩個窗口的濾波結果作差， 當差值大于最小建筑物的高度時，對應的點就被標記為非地面點。提取得到的非地面點包 括建筑物區域和密集樹木區域，接著利用點云高程的粗糖度(高程的方差），設定闊值將粗 糖度較高的樹木點云剔除。最后，提取出建筑物屋頂LiDAR點云。本實施例中，選擇的最大窗 口為106m，最小窗口為6m，窗口減小步長為IOm,最小建筑物的高度為3m，高程方差闊值為 0.4m。
[0050]在提取得到的建筑物LiDAR點云中，仍然存在墻面點云，本發明使用基于密度的方 法剔除墻面點云。
[0051 ]方法描述如下:對于一個點P，可在r半徑范圍內得到點P的鄰近點Np，對于點P的密 度可W定義為Np中點的數量除Wr半徑范圍的體積。當點P的密度小于密度闊值時，就認為 點P是墻面點。反之，則為建筑物屋頂點。本實施例中，r半徑大小為Im,密度闊值為2個點/ m3。
[0052] 第二步、分割屋頂面片一一提取出建筑物屋頂LiDAR點云之后，需要對建筑物的不 通屋頂面片進行提取。屋頂面片提取采用"種子區域選取一屋頂面片生長一面片平整優化" 的策略，首先通過點曲率的估算選取種子區域，然后使用區域生長算法實現面片生長，最后 對得到的屋頂面片進行平整優化，如圖3所示。
[0053] 建筑物屋頂面片平整的具體步驟如下：
[0054] al)、利用曲率估算選取種子區域一一對于點的曲率估算，首先需要估算點的法向 量。例如估算點P的法向量，需要確定點P的鄰域點Np= {q| qGP，d(p，q)<;r}，其中r是捜索鄰 域點的捜索半徑，它決定了鄰域的大小。可W通過計算領域點的協方差矩陣來獲得點的法 向量，協方差矩陣定義如下：
[0化5]
[0056]式中qiGNp，n為點集Np中點的數量，Cp為點P的協方差矩陣。通過上面的協方差矩 陣可W計算得到=個特征值，分別為、八2八3。假設、分2分3,最小的特征值所對應的特征向 量就為點P的法向量。然后再通過計算點的曲率來選取種子區域，曲率定義如下：
[0化7]
[005引當J小于曲率闊值At時，就可W認為點P的鄰域點在一個平面上，選取較小曲率文所 對應的鄰域點作為滿足要求的種子區域。本實施例中，曲率闊值為0.005。
[0059] a2)、面片生長一一種子區域獲得后，即獲得了初始平面參數。運里定義兩個滿足 面片生長的標準:一個是局內點的個數，另一個是分割平面的標準差。當點Pi到初始平面的 距離小于距離闊值時，認為點Pi屬于初始平面所在的平面，即為局內點，當沒有點再滿足到 初始平面的距離小于距離闊值時，面片生長完畢，統計局內點的個數。并計算生長獲得的面 片的標準差，當標準差小于設定闊值時，認為屋頂面片提取完成，并符合提取要求。本實施 例中，距離闊值為0.5m，標準差為0.95m。
[0060] a3)、面片平整優化一一優化主要針對兩點：一是對分割面片的S維點集的平整； 二是對細部干擾f目息的平整。
[0061 ]本實施例在上述步驟a3)中的面片平整優化的具體方法如下：
[0062] bl)、S維點集的平整一一在實際情況中，即使是平面屋頂，點云也不完全處于同 一個二維平面上，即在提取得到的屋頂面片上，點存在波動。可W使用平面方程z = a日x+aiy+ 曰2進行擬合，對于參數曰日，曰1，曰2的計算可W使用如下線性方程組進行計算：
[0063]
[0064] 得到平面方程之后，可W把分割面片上的點按照得到的平面方程平整到同一個平 面上。
[0065] b2)、細部干擾信息的平整一一對于提取得到的屋頂面片，存在點云缺失，運一部 分點云需要被平整到對應屋頂面片上，對于每一個已知的分割面片向上尋找在屋頂面片提 取結果中不存在的LiDAR點，找到后根據對應屋頂面片的平面方程將其平整到屋頂面片上。 本實施例中向上尋找點的距離為2m。
[0066] 第=步、合并屋頂面片一一在屋頂層重采樣之前，需要對所有屋頂面片按照一定 規則進行合并W形成屋頂層。當兩個屋頂面片滿足兩個條件：（1)兩個屋頂面片所在平面存 在交線;2)兩個屋頂面片相互鄰近時，兩個屋頂面片可合并成一個屋頂層。
[0067] 第四步、屋頂層重采樣一一計算屋頂層的內部點和邊緣點，對k個屋頂層計算k個 內部點或者邊緣點，運k個點具有相同的x，y坐標，不同的高度值，如圖4所示為內部點和邊 緣點示意圖。屋頂層重采樣基于二維規則格網進行。
[0068] 屋頂層重采樣的具體步驟如下：
[0069] C1 )、二維規則格網構建--二維規則格網的大小由LiDAR點云的在X和y方向上的 四至坐標來確定，本實例中格網單元大小為Im。計算每一個點對應所屬的格網單元，最終建 立格網索引。
[0070] c2)、內部點和邊緣點計算--每一個格網單元中存在一個及W上數量的內部點 或者邊緣點，在計算的過程中，需要考慮該格網單元的四個鄰域格網單元。內部點和邊緣點 的計算有五種情況，①5個格網單元中的點都屬于同一個屋頂層，②存在不同屋頂層的鄰域 格網單元在中屯、格網單元的左邊或右邊，③存在不同屋頂層的鄰域格網單元在中屯、格網單 元的上部或下部，④邊緣點的水平位置在中屯、格網單元的邊界上，⑤鄰域格網單元中存在 屬于兩個W上的不同屋頂層。
[0071] c3)、不同屋頂層邊緣點優化一一邊緣點的優化采用主成分分析方法。首先，通過 原始建筑物屋頂點云邊界點計算得到建筑物的主方向，然后通過迭代的方法將邊緣點擬合 到主方向對應的直線上。最終得到的建筑物屋頂層的內部點和邊緣點如圖6所示。
[0072] 針對c2)中五種不同情況的具體步驟如下：
[0073] dl)、針對情況①（圖5a)-一5個格網單元中的點都屬于同一個屋頂層，說明不存 在墻面。將中屯、格網單元的中屯、確定為中屯、格網單元內部點的x，y坐標，該內部點的高度為 中屯、格網單元中LiDAR點的平均高度。
[0074] d2)、針對情況②（圖化)一一存在某一個鄰域格網單元中的LiDAR點屬于兩個不同 的屋頂層，且鄰域格網單元所處的位置在中屯、格網單元的左邊或右邊。設兩個不同屋頂層 為屋頂層j和屋頂層k。首先，需要在二維平面上使用支持向量機算法計算得到兩個屋頂層 的分割線。然后，W計算得到的分割線與中屯、格網單元的水平中線的交點作為兩個屋頂層 邊緣點的X，y坐標(XO，yo)，則(XO，yo，Zj)為屋頂層j的邊緣點，Zj為屋頂層j的LiDAR點的平均 高度，則(x〇，y〇，zk)為屋頂層k的邊緣點，Zk為屋頂層k的LiDAR點的平均高度。
[0075] d3)、針對情況③（圖5c)-一存在某一個鄰域格網單元中的LiDAR點屬于兩個不同 的屋頂層，且鄰域格網單元所處的位置在中屯、格網單元的上部或下部。設兩個不同屋頂層 為屋頂層j和屋頂層k。同理，首先需要在二維平面上使用支持向量機算法計算得到兩個屋 頂層的分割線。然后，W計算得到的分割線與中屯、格網單元的豎直中線的交點作為兩個屋 頂層邊緣點的x，y坐標。各屋頂層邊緣點的高度為該格網單元中對應屋頂層LiDAR點的平均 高度。
[OOM] d4)、針對情況④（圖5d)--中屯、格網單元中的LiDAR點與鄰域格網單元中的 LiDAR點恰好處于兩個不同的屋頂層。設兩個不同屋頂層為屋頂層j和屋頂層k，計算中屯、格 網單元和所述鄰域格網單元之間的格網邊線的中點坐標(xi，yi)，則(xi，yi，zj)為屋頂層j的 邊緣點，Zj為屋頂層j的LiDAR點的平均高度，則(XI，yi，Zk)為屋頂層k的邊緣點，Zk為屋頂層k 的LiDAR點的平均高度。
[0077] d5)、針對情況⑤（圖5e)-一當某一個鄰域格網單元中的LiDAR點屬于兩個W上的 屋頂層，WLiDAR點數最多的兩個屋頂層確定不同屋頂層的邊緣點的x，y坐標，具體情況可 參考d2)或d3)。各屋頂層邊緣點的高度為該格網單元中對應屋頂層LiDAR點的平均高度。
[0078] 第四步、建筑物模型重建一一模型的重建包括建筑物屋頂面的重建和墻面的重 建。
[0079] 針對建筑物模型重建，具體步驟如下：
[0080] el)、屋頂面重建一一對屬于同一屋頂層的內部點和邊緣點構建S角網，形成屋頂 面。
[0081] e2)、墻面重建一一對屬于相鄰屋頂層且位于同一豎直平面上的邊緣點構建S角 網，形成屋頂面建筑物墻面，最終完成建筑物=維模型重建。
[0082] 本實施例W建筑物屋頂航空LiDAR數據為真實值。W整個區域和6棟建筑物來計算 模型與真實點之間的偏移距離來對重建模型的精度進行評估。整個區域模型如圖7所示，6 棟建筑物模型如圖8所示。
[0083] 表1建筑物模型評價結果
[0084]
[0085] 從表1的統計結果來看，從單獨的6棟建筑物模型和整個實驗區的建筑物模型與真 實值的偏移平均距離來看，大多處于0.04m左右，且小于0.3m的百分比超過96%，進一步說 明本發明對建筑物屋頂的=維模型重建具有較高精度。
[0086] 除上述實施例外，本發明還可W有其他實施方式。凡采用等同替換或等效變換形 成的技術方案，均落在本發明要求的保護范圍。
【主權項】
1. 一種基于航空LiDAR數據的三維建筑物模型自動重建方法，步驟如下： 第一步、建筑物屋頂點云提取一一提取建筑物點云，剔除建筑物墻面上的點云，得到建 筑物屋頂點云； 第二步、分割屋頂面片一一對建筑物屋頂點云進行屋頂面片分割，再對得到的屋頂面 片進行平整； 第三步、合并屋頂面片一一當兩個屋頂面片鄰近并且所在平面存在交線，則將這兩個 屋頂面片進行合并形成屋頂層； 第四步、屋頂層重采樣一一對所有屋頂層進行重采樣，獲得屋頂層的內部點和邊緣點； 第五步、建筑物模型重建一一對屬于同一屋頂層的內部點和邊緣點構建三角網，形成 屋頂面;對屬于相鄰屋頂層且位于同一豎直平面上的邊緣點構建三角網，形成屋頂面建筑 物墻面，最終完成建筑物三維模型重建。2. 根據權利要求1所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述第一步中，剔除建筑物墻面上的點云方法如下：以r為半徑，對每一個LiDAR 點搜尋鄰域點，用搜尋得到的鄰域點的數量除以鄰域區域的體積得到每一個LiDAR點的點 云密度，當LiDAR點的點云密度小于指定閾值時，該LiDAR點為墻面點，進行剔除。3. 根據權利要求1所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述第二步中，選取種子區域，使用區域生長算法實現屋頂面片分割，種子區域 的選取方法如下:首先估算每一個LiDAR點的法向量，以計算點p為例，尋找以點p為中心，半 徑r范圍內的點集N p，根據公式（1)和(2)計算得到三個特征值A1、λ2、λ3，三個特征值中最小 的特征值Xmin所對應的特征向量即為點P的法向量。CD !} 式中qieNP，n是點集Np中點的數量，Cp是點p的協方差矩陣，根據公計算點P的曲率，當點P的曲率X小于指定曲率閾值λτ時，就可認為點p的鄰域點^在一個平 面上，選取曲率無所對應的鄰域AN p作為滿足要求的種子區域。4. 根據權利要求3所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述第二步中，區域生長算法需要確定兩個標準:一個是局內點的個數，另一個 是擬合平面的標準差；當LiDAR點到種子區域所在平面的距離小于指定距離閾值時，認為是 局內點;所有點計算完畢后，再計算局內點的標準差，當標準差小于指定閾值時，認為滿足 屋頂面片分割要求。5. 根據權利要求4所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述第二步中，面片平整優化包括分割面片點云平整和局部突出點云平整： 對于分割面片點云平整，使用最小二乘法擬合出分割面片點云方程，然后根據方程將 點平整到擬合面片上，擬合平面方程根據公式(3)進行計算：(S) 式中Xi，yi，Zi表示點的三維坐標，ao，ai，a2表示擬合平面方程的系數； 對于局部突出點云的平整，利用距離閾值對局部突出點云進行搜索，計算不在分割面 片中的點到分割面片的距離，當距離小于閾值時，記為所需點，將所需點按照上述得到的擬 合平面方程平整到分割面片上。6. 根據權利要求1所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述第四步中，屋頂層重采樣方法如下:首先將點云投影至XY平面，并對XY平面 構建二維格網，然后進行如下判斷： (a )、當四鄰域格網單元中的LiDAR點與中心格網單元中的LiDAR點屬于同一個屋頂層， 此時中心格網單元的中心作為屋頂層的內部點，該內部點的高度為中心格網單元中LiDAR 點的平均高度； (b)、當中心格網單元的四鄰域格網單元中的某一個鄰域格網單元中的LiDAR點屬于兩 個或兩個以上屋頂層時，設該鄰域格網單元內點數最多的兩個屋頂層分別為屋頂層j和屋 頂層k，獲取該鄰域格網單元內屋頂層j的LiDAR點和屋頂層k的LiDAR點的分割線，然后計算 該分割線與中心格網單元中線在該鄰域格網單元內的交點坐標(XQ，y〇)，則(XQ，y〇, Zj)為屋 頂層j的邊緣點，Zj為屋頂層j的LiDAR點的平均高度，則(XQ，y〇，zk)為屋頂層k的邊緣點，Zk為 屋頂層k的LiDAR點的平均高度； (c )、當中心格網單元內的LiDAR點和四鄰域格網單元中的某一個鄰域格網單元中的 LiDAR點分別屬于兩個不同屋頂層時，設兩個不同屋頂層為屋頂層j和屋頂層k，計算中心格 網單元和所述鄰域格網單元之間的格網邊線的中點坐標(Xi，yi)，則(Xi，yi，z j)為屋頂層j的 邊緣點，Zj為屋頂層j的LiDAR點的平均高度，則(X1^hZk)為屋頂層k的邊緣點，Zk為屋頂層k 的LiDAR點的平均高度。7. 根據權利要求6所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述二維格網的大小為LiDAR點云平均間距的2倍。8. 根據權利要求6所述的一種基于航空LiDAR數據的三維建筑物模型自動重建方法，其 特征在于:所述第四步中，獲取鄰域格網單元內屋頂層j的LiDAR點和屋頂層k的LiDAR點的 分割線的方法是：將鄰域格網單元內屋頂層j的LiDAR點和屋頂層k的LiDAR點視為兩個類 另IJ，使用支持向量機算法獲取分割線。
【文檔編號】G06T17/05GK106023312SQ201610319784
【公開日】2016年10月12日
【申請日】2016年5月13日
【發明人】程亮, 許浩, 李滿春, 王婭君, 諶頌, 魏曉燕, 袁, 袁一, 夏南, 孫越凡, 陳東
【申請人】南京大學, 云南省測繪資料檔案館(云南省基礎地理信息中心)