[发明专利]一种3D城市场景自动重建方法

说明书

本发明公开了一种3D城市场景自动重建方法，属于计算机视觉领域，包括以下步骤：S1、输入点云数据；S2、提取平面段；S3、生成候选框；S4、候选框选择：S5、生成场景表面模型。本发明可以对各种数据源进行很好的重构，可以直接应用于重建大规模的城市场景，具有较好的精度和鲁棒性。

技术领域

本发明涉及计算机视觉领域，具体涉及一种3D城市场景自动重建方法。

技术背景

对城市场景的可靠再现是计算机视觉研究的一个重要问题，现在有很多用于从图像重建准确和密集的3D点云的方法。除了根据图像计算这些点之外，还存在其他类型的点云数量的增加，例如机载LiDAR数据和激光扫描仪。尽管这些点云可以令人印象深刻的方式呈现，但是许多应用(例如导航，模拟，虚拟现实)仍然需要多边形模型作为基础。

从点云重建多边形模型仍然是一个难点。从点云计算城市重建的主要困难是数据质量低下，例如获得的城市场景中的点云通常具有明显的缺失区域以及不均匀的点密度。这是因为数据采集过程中不可避免的受到遮挡因此将有关城市场景结构的先验知识纳入重建过程变得十分重要。

现有的从点云计算城市重建的方法被设计用于处理特定类型的输入。无论是MVS点云，机载激光雷达数据，还是激光扫描，都很难扩展这些方法来处理来自其他来源的数据。此外，现有的大多数方法都需要将场景分割成单独的建筑物，其中一些需要进一步提取单独的外观，这通常会导致处理时间长。将场景的语义分割成有意义的建筑物或立面，仍然是一个未解决的问题，自动的方法往往会产生不满意的分割。本发明方法可以很好地解决上述问题。

发明内容

本发明所要解决的技术问题是提出一种3D城市场景自动重建方法，其可以解决传统技术中的城市场景重建存在的处理时间长，鲁棒性差等问题。

本发明解决上述技术问题采用的方案是：

一种3D城市场景自动重建方法，包括以下步骤：

S1、输入点云数据；

S2、提取平面段；

S3、生成候选框；

S4、候选框选择：

S5、生成场景表面模型。

作为进一步优化，S1中具体内容包括：

S11输入场景表面点云或者利用激光扫描仪或深度相机采集场景表面点云数据，将采集到的点云数据P作为输入。

作为进一步优化，S2中具体内容包括：

S21、由于建筑物的主要由轴对齐的平面组成。首先确定场景的三个主要方向，以及大多数点所在的一组平面，之后迭代细化这些平面。

S22、确定场景的三个主要方向，从点云的正态分布的直方图中确定前三个强峰值。然后将三个峰值的对应法线方向作为主导方向，转换点云，使得其主方向与给定坐标系的轴线对齐。如果给出，直接使用发现信息。否则，k近邻的主成分分析来估计每个点的法线值。

S23、利用RANSAC算法从嘈杂的点云中提取平面片段，考虑到点云中的噪声和离群值，我们多次运行RANSAC算法，生成大量的初始平面假设。描述场景结构可以用检测的平面进行表示。如果检测平面的方向与主方向夹角超过20度，或者它们有很少的支持点，则丢弃该平面。

S24、迭代细化这些初始平面，根据支撑点的个数来对每个平面进行评分。然后从平均得分最低的一对平面片段开始，如果满足以下两个条件，将它们合并：

1)两平面之间的夹角小于阈值θ_t。

2)从一个平面到另一个平面的质心的距离小于一个阈值d_t。