[发明专利]基于长方体拟合扫描三维点云的曼哈顿结构建筑物自动建模方法

说明书

技术领域

本发明涉及计算机自动建模领域，具体涉及基于长方体拟合扫描三维点云数据的曼 哈顿结构建筑物自动建模方法。

背景技术

城市的三维几何模型是建设数字城市的重要基础数据之一，对城市规划、智能交通 导航、环境监测和防灾应急等都有重要的应用价值。空间数据采集可以有多种方法，如 通过摄影测量技术(Photogrammetry)恢复或者激光雷达扫描仪(LiDAR)扫描等技术 采集三维点云数据。这类三维点云数据在许多后续应用中无法满足特定的操作需求，如 参数化表达、计算分析、快速成型、渲染和碰撞检测等。因此，在三维点云数据的基础 上进行表面几何建模，生成格网化的表面模型成为很多实际应用中必不可少的工作，而 进行自动化三维表面建模仍然是一项极具挑战性的工作。曼哈顿场景是指空间结构满足 由三个方向相互正交的平面系列组合的一种结构，它对现实场景中的人造建筑物表达具 有广泛的适用性。因此，研究该类型结构的自动建模方法，可以为大规模城市自动建模 工作提供重要的支持。

目前的商用三维建模软件主要以交互式或半自动的方式进行建模操作。比如， Autodesk公司的3D Studio MAX和AutoCAD等三维建模渲染软件，如果面对工程建模 的应用，都需要交互输入如坐标、尺度和角度等必要的几何参数，工作量大且操作繁琐。 Google公司为普通建模爱好者开发了一款软件SketchUp，以模仿图纸作图的方式设计 一种交互式的快捷简便的生成三维模型的方法，而不考虑模型的精度和可测量性。这一 类半自动或交互式的建模方式远不能满足快速发展的城市大规模三维可视化自动建模 的需求。而针对数据驱动的自动建模方法，主要可以分为以下三类：第一类，基于 Delaunay三角剖分的方法；第二类，基于轮廓线提取与拉伸的建模方法；第三类，基于 隐函数的表面建模方法。

第一类建筑物建模算法是以Delaunay三角剖分为基础的算法，这类算法一般通过对 全部或者大部分点进行内插，然后进行Delaunay三角形构网得到表面模型。Delaunay 三角网的一个重要特性就是其中的任一三角形的外接圆范围内不会有其它点存在并与 其通视。图2给出了一组基于二维散点的Delaunay三角剖分示意图。对于建筑物建模， 首先以三维点云数据的平面二维坐标为索引进行构网，然后将高程数据以属性的形式添 加到三角网节点上，得到三维模型。图3所示给出了一组通过该技术实现的三维表面模 型。

但是，Delaunay三角剖分构网法重建的表面模型可以完全保留原始三维点云数据的 精度，然而正因如此，对于数据缺失和噪声等现象，这种算法没有相应的处理，导致重 建的表面往往存在不规整和由噪点引起的突兀。

此外，该方法只利用了平面二维的信息进行建模，丢失了纵向信息，而且需要对输 入数据进行约束，即平面坐标是铺展开的结构。这些问题导致了基于Delaunay三角剖 分的几何模型表达不理想，限制了该技术的推广应用。

第二类建筑物建模算法是通过提取屋顶轮廓线，并垂直拉伸到地面得到的多面体模 型。这类算法首先对三维点云进行分割处理，得到能够代表不同屋顶区域的不同三维点 云聚类，如图4所示。然后提取每一个聚类点集的区域轮廓，并对轮廓线进行一些拓扑 优化，比如填补缺口和线段简化等。图5给出了一种Douglas-Peucker线段简化轮廓线 的方法示意图。最后，屋顶轮廓线组成封闭的屋顶面片，同时将轮廓线向地面延伸，形 成代表墙面的几何面片。最终，由屋顶面片和墙面面片两类多边形组合，获得表达整个 建筑物的2.5维表面几何模型，如图6所示。

但是，该技术的建模结果依赖于屋顶分割和轮廓线提取的结果，如果数据存在严重 噪声或者异常采样值时，分割和轮廓提取的结果难免存在失真，进而致使重建的模型无 法与实际建筑物结构对应。此外，由于是直接从轮廓向地面拉伸构造立面结构，致使模 型无法表达纵向上的结构，严格讲这一类模型属于2.5维模型，缺失墙体立面信息。

第三类常用的建模技术是隐式表面建模，这类方法假设采样三维点云数据空间中存 在一种能够近似表达几何表面模型的隐函数，该方法将整个空间区域假设为一个函数场， 目标表面为场中一个等值面，表面求解的过程就是要找到这样一个能够描述等值面的函 数，使其最佳拟合到采样三维点云数据。这类技术中一种典型的算法是Poisson重建算 法，如图7所示，该技术假设点集代表了物体表面的位置，其法向量代表了目标物的内 外方向。通过隐式地拟合一个由物体派生的指示函数，可以给出一个物体表面的平滑 估计。

表面重建算法的设计是通过求解表征三维点云形状的指标函数：