[发明专利]一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法

说明书

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：

1、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：

1、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——地面点或非地面点，具体步骤如下：

步骤C011：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C011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信息；