[发明专利]基于法向量高斯分布的建筑物激光脚点提取方法及系统

权利要求书

1.一种基于法向量高斯分布的建筑物激光脚点提取方法，其特征在于，包括：

描述子计算步骤，利用Kd树结构组织激光雷达点云数据，并计算查询点的快速点特征直方图FPFH描述子；

距离聚类步骤，利用直方图交叉核计算相邻点在快速点特征直方图FPFH空间中的距离，并进行最小距离聚类；

分割段获取步骤，根据邻接关系，构建聚类簇的邻接图，基于确定性最小协方差行列式估计对相邻聚类簇进行相似性估计，并基于最相似合并的原则对聚类簇进行区域合并与分割；

目标提取步骤，统计分割段的点法向量在X、Y和Z轴上的投影长度，得到法向量直方图；利用高斯函数对法向量直方图进行高斯拟合，计算拟合函数的确定性系数R-square，并根据设定的阈值来自动化提取建筑物脚点；

其中，所述距离聚类步骤包括：

相邻点对获取子步骤，通过设定的分辨率R_seed获取聚类种子点；基于kd-Tree获取种子点的相邻近点对{(t_p,t₁),(t_p,t₂),...,(t_p,t_k)}；其中，p为种子点，k为kd-Tree中的邻近点个数；

重叠程度计算子步骤，统计相邻点对(t_p,t_q)的快速特征点直方图FPFH描述子，基于下式利用直方图交叉核计算该点对之间局部表面的数据分布的重叠程度L(H(t_p),H(t_q))；

其中，和分别表示两相邻点对应FPFH描述子第i个维度下的值；

类别确定子步骤，将重叠程度满足预定条件的点的类别标签与种子点设为一致。

2.根据权利要求1所述的一种基于法向量高斯分布的建筑物激光脚点提取方法，其特征在于，所述描述子计算步骤包括：

点云重组子步骤，利用kd-Tree结构重组织点云数据，基于邻近算法KNN获取查询点P_q的K邻域球内所有的样本点及每个样本点的K最近邻点；

法线计算子步骤，计算邻域内所有点的表面法线，利用现有的视点信息对所有法线进行一致性重定向：

偏差计算子步骤，对查询点P_q的样本点与其K邻近点对{p_s,p_t}(s≠t)进行Darboux变换，通过变换后的μνω坐标系计算点p_s和p_t以及它们的法线n_s和n_t之间的偏差，通过三元组(α,φ,θ)表示：

对获取的三元组进行统计获取直方图以作为简化点特征直方图SPFH；

影响区域计算子步骤，重新分配查询点P_q的k领域，基于下式利用简化点特征直方图SPFH权衡快速特征点直方图FPFH值，其中快速特征点直方图FPFH计算影响区域：

其中，ω_k表示查询点p_q与邻域点p_k之间在给定的度量空间中的距离。

3.根据权利要求1所述的一种基于法向量高斯分布的建筑物激光脚点提取方法，其特征在于，分割段获取步骤，

邻接图获取子步骤，利用三维空间领域关系，建立邻接图G＝(M,E)，其中节点M表示聚类簇的质心坐标，边E则以二进制形式表示相邻聚类簇的相似性；

相似性计算子步骤，基于DetMCD稳健估计得到相邻聚类簇之间的相似性；

邻边合并子步骤，基于邻接图G，合并相似的相邻边，获取得到一组点云分割段。

4.根据权利要求1所述的一种基于法向量高斯分布的建筑物激光脚点提取方法，其特征在于，所述目标提取步骤具体包括以下子步骤：

法向量获取子步骤，基于分割后所得到的分割段及稳健估计的局内点，计算获取得到每个点的法向量；

直方图获取子步骤，统计法向量在X轴、Y轴和Z轴上的投影长度，得到法向量直方图；

建筑提取子步骤，利用高斯函数对统计直方图数据进行拟合，得到高斯拟合函数；根据拟合函数的确定系数R-square提取建筑物。