一种基于点云数据的建筑物立面提取方法技术

本发明专利技术公开了一种基于点云数据的建筑物立面提取方法，包括预处理待提取立面的三维点云数据；基于三维点云数据创建3D霍夫变换的计数器，对所述计数器进行3D高通滤波，基于滤波后的计数器得到所有的潜在平面；创建约束条件对所述潜在平面进行立面约束，获得满足约束条件的平面作为潜在立面；对所述潜在立面进行精炼，去除非立面点云；对精炼后的立面进行立面边界标定；对标定成果再次进行所述立面约束，得到建筑物立面点云。本发明专利技术的目的在于提供一种基于点云数据的建筑物立面提取方法，解决的技术问题包括现有技术中3D霍夫变换用于建筑物立面提取时存在的峰值模糊、立面边界混淆等，实现削弱峰值模糊的影响、有效区分立面边界等目的。界等目的。界等目的。

【技术实现步骤摘要】
一种基于点云数据的建筑物立面提取方法


[0001]本专利技术涉及建筑物立面的图像算法领域，具体涉及一种基于点云数据的建筑物立面提取方法。

技术介绍

[0002]建筑物是城市场景中人造物体的主要类型。随着城市规划、智慧城市和建筑信息模型(BIM)的不断发展，这些领域对建筑物结构信息及其特征的需求越来越大，要求也越来越高，如何高效和精确获取这些数据以及3D建模所需信息是目前面临的主要问题之一。建筑立面图反应了建筑物表面的几何结构及其特征，不仅能够直接服务于城市旧城改造、城市规划以及智慧城市建设等，还提供了一种简单、灵活的方式来重建大规模3D建筑模型。通过传统测量方法采集建筑立面图成本高昂且效率低下，而三维激光点云提取立面技术以其独有的优势，成为当前建筑物立面提取的热点方法。
[0003]现有技术中，本案专利技术人提出了“一种带约束的建筑物立面正射影像图提取方法”（授权公告号CN113256813B），该方法克服了传统技术依赖人工分割与输入的缺陷，能够实现全自动进行点云分割、全自动的从点云中获取平面。然而专利技术人在大量的深入研究过程中发现，该方法在实际运用过程中还存在如下弊端：（1）通过3D霍夫变换提取立面时无法达到精度和效率的平衡，角度分辨率每提升1倍，算法运算量和内存开销都将变为原来的4倍，这对于大体量点云数据的处理十分不友好；（2）由于步长设置、数据噪声等原因，特征曲线通常并不严格的相交于一个点，因此3D霍夫变换出现峰值模糊问题，导致立面提取存在较大困难；（3）对于建筑物点云数据而言，由于楼栋之间的紧邻特性，存在难以区分邻近和相似立面边界的问题，即容易存在不同建筑物的相似立面被误认为同一个平面的问题。现有技术中还没有相关研究意识到上述弊端的存在，更无从谈起对这些弊端进行解决。

技术实现思路

[0004]本专利技术的目的在于提供一种基于点云数据的建筑物立面提取方法，解决的技术问题包括现有技术中3D霍夫变换用于建筑物立面提取时存在的峰值模糊、立面边界混淆等，实现削弱峰值模糊的影响、有效区分立面边界等目的。
[0005]本专利技术通过下述技术方案实现：一种基于点云数据的建筑物立面提取方法，包括：预处理待提取立面的三维点云数据；基于三维点云数据创建3D霍夫变换的计数器，对所述计数器进行3D高通滤波，基于滤波后的计数器得到所有的潜在平面；创建约束条件对所述潜在平面进行立面约束，获得满足约束条件的平面作为潜在立面；对所述潜在立面进行精炼，去除非立面点云；对精炼后的立面进行立面边界标定；
对标定成果再次进行所述立面约束，得到建筑物立面点云。
[0006]针对现有技术中建筑物立面提取时存在的峰值模糊、立面边界混淆等问题，本专利技术提出一种基于点云数据的建筑物立面提取方法，本方法首先对待提取立面的三维点云进行预处理，然后引入3D霍夫变换（3D Hough Transform），创建3D霍夫变换的计数器（accumulator）。
[0007]本案专利技术人在研究过程中发现，在3D霍夫变换中，由于笛卡尔坐标系中的一个点对应特征空间中的一条曲线，理论上代表同一条直线上的点对应的特征曲线应该相交于一个点，但由于步长设置、数据噪声等原因，这些线通常并不严格的相交于一个点，即导致计数器峰值模糊现象，这对后续的建筑物立面提取造成了较大困难。为了克服这一问题，本案专利技术人对创建的计数器进行3D高通滤波，其目的在于去除计数器中的低频部分，以显著削弱峰值模糊对建筑物立面提取的影响。
[0008]本方法采用3D高通滤波后的计数器完成3D霍夫变换过程，得到潜在平面，然后对各潜在平面进行立面约束，将满足立面约束条件的平面定义为潜在立面；然后对各潜在立面进行精炼，精炼的目的是去除相同立面和伪平面，之后对精炼后的立面进行立面边界标定。
[0009]对于建筑物点云数据而言，由于现代城市建设中各建筑物及相邻楼栋之间的紧邻特性，存在难以区分邻近和相似立面边界的问题，为了克服这一问题，本方法引入立面边界标定的过程，通过立面边界标定进行立面点云划分，以此保证能够得到具有清晰边界的建筑物立面，保证了对相邻楼栋之间的有效区分。本方法通过立面边界标定，将数学意义上的平面（无明确边界范围）转换为有确定边界的实际建筑物立面，提高了对立面和其他地物点云、临近不同立面点云集合的识别和区分能力，显著提高了建筑物立面提取精度，还能够克服点云数据质量不佳的影响，避免不同立面被错误合并为一个立面。
[0010]此外专利技术人还发现，在立面边界标定的过程中，容易因为聚类操作而导致各聚簇点云被分开，即一簇会被分成好几簇，导致前述的立面约束结果失效，所以需要对符合条件的聚簇再次进行立面约束，即是对标定成果再次进行立面约束，以满足立面约束条件的立面作为最终得到的建筑物立面点云。
[0011]可以看出，本申请不仅能够全自动进行点云分割、全自动的从点云中获取立面，还能够克服现有技术中特征曲线峰值模糊、建筑物立面边界混淆等问题，显著提高了建筑物立面提取的稳定性和准确性。
[0012]进一步的，预处理待提取立面的三维点云数据的方法包括：剔除三维点云数据中的地面点；将点云平移至坐标原点并进行体素降采样；对体素降采样后的数据做统计离群值去除。
[0013]由于建筑物的三维点云数据中包含大量高密度的地面点，因此本方案的预处理首先对这类地面点进行剔除；然后为了减小后续运算量，将点云平移至坐标原点并进行体素降采样(voxel down sampling)；最后对降采样后的数据做统计离群值去除(statistical outlier removal)，用以去除噪声点云。
[0014]进一步的，基于三维点云数据创建3D霍夫变换的计数器的方法包括：通过3D霍夫变换对三维点云数据进行离散，得到集合M、N、Q；其中M为参数θ的离散
化集合；N为参数φ的离散化集合；Q为参数ρ的离散化集合；θ为点云的平面法向量与z轴的夹角；φ为点云的平面法向量与x轴的夹角；ρ为原点到点云平面的距离；对集合M、N进行偏移计数，得到偏移副本M
’
、N
’
；分别创建计数器A、A
’
：A=M
×
N
×
Q；A
’ꢀ
= M
’×
N
’×
Q。
[0015]本案专利技术人在大量的深入研究过程中发现，3D霍夫变换应用于点云平面检测中时，存在的最大挑战是步长的选择，主要表现为离散化步长对提取过程和结果有较大影响：更小的步长通常能获得更高的平面提取精度，但角度分辨率（离散化步长）每提升1倍，算法运算量和内存开销都将变为原来的4倍，这对于大体量的建筑物三维点云数据处理是非常不友好的，即是无法达到精度和效率的平衡。为此，本方案对传统的3D霍夫变换的计数器进行优化，其核心在于通过偏移离散化步长、采用偏移计数的手段，得到偏移副本M
’
、N
’ꢀ
，从而在常规计数器A之外，得到另一个计数器A
’
，最终得到的所有潜在平面是根据计数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云数据的建筑物立面提取方法，其特征在于，包括：预处理待提取立面的三维点云数据；基于三维点云数据创建3D霍夫变换的计数器，对所述计数器进行3D高通滤波，基于滤波后的计数器得到所有的潜在平面；创建约束条件对所述潜在平面进行立面约束，获得满足约束条件的平面作为潜在立面；对所述潜在立面进行精炼，去除非立面点云；对精炼后的立面进行立面边界标定；对标定成果再次进行所述立面约束，得到建筑物立面点云。2.根据权利要求1所述的一种基于点云数据的建筑物立面提取方法，其特征在于，预处理待提取立面的三维点云数据的方法包括：剔除三维点云数据中的地面点；将点云平移至坐标原点并进行体素降采样；对体素降采样后的数据做统计离群值去除。3.根据权利要求1所述的一种基于点云数据的建筑物立面提取方法，其特征在于，基于三维点云数据创建3D霍夫变换的计数器的方法包括：通过3D霍夫变换对三维点云数据进行离散，得到集合M、N、Q；其中M为参数θ的离散化集合；N为参数φ的离散化集合；Q为参数ρ的离散化集合；θ为点云的平面法向量与z轴的夹角；φ为点云的平面法向量与x轴的夹角；ρ为原点到点云平面的距离；对集合M、N进行偏移计数，得到偏移副本M
’
、N
’
；分别创建计数器A、A
’
：A=M
×
N
×
Q；A
’
= M
’×
N
’×
Q。4.根据权利要求3所述的一种基于点云数据的建筑物立面提取方法，其特征在于，所述偏移副本M
’
、N
’
的元素偏移量分别为s
θ
/2、s
φ
/2；其中s
θ
为集合M的离散化步长；s
φ
为集合N的离散化步长。5.根据权利要求3所述的一种基于点云数据的建筑物立面提取方法，其特征在于，基于滤波后的计数器得到所有的潜在平面的方法包括：基于3D霍夫变换的投票机制，分别对滤波后的计数器A、A
’
投票，得到平面集S和S
’
；求取S和S
’

【专利技术属性】
技术研发人员：于冰，胡金龙，胡云亮，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：