[发明专利]一种基于规则约束的建筑物LIDAR点云重构优化方法

说明书

本发明属于虚拟现实和仿真技术领域，具体涉及一种基于规则约束的建筑物LIDAR点云重构优化方法。本发明一种基于规则约束的建筑物LIDAR点云重构优化方法包括以下步骤：步骤1，扫测得到简化后的LIDAR点云数据集；步骤2从简化后的LIDAR点云数据集中提取待建模目标建筑物的LIDAR点云数据；步骤3采用贪婪投影三角化算法对待建模目标建筑物的LIDAR点云数据进行重构，生成一个三角网格结构的初始建筑物模型；步骤4采用规则曲面优化语义约束对三角网格结构的初始建筑物模型凹凸不平的表面进行优化处理；步骤5，对三角网格结构的初始建筑物模型中的有规则线特征的交界区域进行优化；步骤6，三角网格结构的初始建筑物模型中的有规则曲面特征的交界区域进行优化。

技术领域

本发明属于虚拟现实和仿真技术领域，具体涉及一种基于规则约束的建筑物LIDAR点云重构优化方法。该方法适用于包含噪声的大范围场景中建筑物点云快速重构，可根据不同的精细程度要求，进行不同级别的优化，用于优化语义所约束的几何图元。

背景技术

目前，国内外基于LIDAR点云数据的建筑物三维重建技术研究日益丰富，对重建效果的要求也越来越高，该领域的研究热点正逐渐转向于重建过程中的一些细节优化问题，如网格模型优化等。然而，建筑物LIDAR点云数据获取过程存在噪声影响和因无关物体遮挡引起的点云数据缺失等缺陷，目前的研究尚难以完全克服这些问题，并且所重构的模型精度还有较大提升空间，目前基于后期手工优化处理的做法虽然能获得高质量的模型，但存在建模过程复杂且耗时等问题。

发明内容

针对已有建筑物激光点云数据三维网格模型重构技术存在重构模型精度不高、建模过程复杂且耗时等问题，本发明采用两步法设计并构建了一种基于规则约束的建筑物LIDAR点云重构优化方法。

为解决上述技术问题，本发明采用的技术方案为：

一种基于规则约束的建筑物LIDAR点云重构优化方法，包括以下步骤：

步骤1，利用LIDAR激光扫描系统的测量参数信息，将扫测大规模建筑物得到的不同测点大规模含噪声的散乱LIDAR点云数据通过基于特征点的ICP算法配准、拼接得到一个描述大规模建筑物场景的完备LIDAR点云数据集，通过VoxelGrid滤波器对描述大规模建筑物场景的完备LIDAR点云数据集进行简化得到简化后的LIDAR点云数据集，在保证模型特征描述完整的前提下，去除冗余和噪声点，提高后续点云建模的效率；

步骤2，采用基于交互的方式(通过用户参与手动拾取的方式)通过Geomagic软件从简化后的LIDAR点云数据集中提取待建模目标建筑物的LIDAR点云数据；

步骤3，采用贪婪投影三角化算法对步骤2得到的待建模目标建筑物的LIDAR点云数据进行重构，生成一个三角网格结构的初始建筑物模型；

步骤4，采用规则曲面优化语义约束对步骤3三角网格结构的初始建筑物模型凹凸不平的表面进行优化处理；

步骤5，对步骤3三角网格结构的初始建筑物模型中的有规则线特征的交界区域进行优化，该优化以两个规则曲面优化语义约束所构成的规则线约束为依据，通过将有规则线特征的交界区域的三角面片进行三角形剖分、空间投影计算，将有规则线特征的交界区域三角网格优化到符合真实建筑物表面几何结构；

步骤6，对步骤3三角网格结构的初始建筑物模型中的有规则曲面特征的交界区域进行优化，该优化以根据交界区域点云数据拟合出的规则曲面为依据，通过将有规则曲面特征的交界区域的三角面片顶点进行空间投影，三角形剖分计算，将有规则曲面特征的交界区域三角网格优化到符合真实建筑物表面几何结构。

优选地，本发明所述步骤4中规则曲面优化语义约束包括以下步骤：