[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

说明书

本发明涉及一种建筑物激光点云分割方法及系统，属于建筑物自动化提取技术领域，具体是涉及一种基于法向量高斯分布的建筑物激光脚点提取方法及系统。本发明以数据驱动的方式对采集到的建筑物区域的机载LiDAR点云数据进行聚类和分割，通过统计每个分割段的法向量高斯分布来进行建筑物脚点的提取，不仅能够准确地提取出建筑物激光脚点，同时也显著提高了在复杂建筑物结构中的鲁棒性和效率。

技术领域

本发明涉及一种建筑物激光点云分割方法及系统，属于建筑物自动化提取技术领域，具体是涉及一种基于法向量高斯分布的建筑物激光脚点提取方法及系统。

背景技术

机载激光雷达(Airborne Light Detection And Ranging，LiDAR)是一种主动式航空遥感对地观测系统，是九十年代初首先由西方国家发展起来并投入商业化应用的一门新兴技术，它集成激光测距仪、全球定位系统(GPS)和惯性测量单元(IMU)于一身。该技术在三维空间信息的实时获取方面产生了重大突破，为获取高时空分辨率的地球空间信息提供了一种全新的技术手段。

从航空图像或激光雷达数据中自动化提取建筑物是许多地理信息系统应用的先决条件，例如灾害管理、虚拟现实、城市规划和应急响应等。其中，机载LiDAR点云数据因其高效、密集和高精度的特征而成为建筑物提取的主要数据源。

然而，由于建筑物结构的复杂性和三维场景构成的多样性，如何有效高精度地自动化提取三维建筑物依然是个难点。另外，机载激光雷达点云数据因为具有点密度可行性和不连接性等缺点，因此在进行建筑物提取的过程中难以进行具有显著区分度的特征选取。

发明内容

本发明主要是解决现有技术所存在的难以高精度自动化提取三维建筑物并且不具备显著区分度的特征选取的技术问题，提供了一种基于法向量高斯分布的建筑物激光脚点提取方法及系统，该方法和系统能够达到提高机载LiDAR数据自动化提取建筑物脚点的精度和鲁棒性的目的。

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于法向量高斯分布的建筑物激光脚点提取方法，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；利用高斯函数对直方图数据进行高斯拟合，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。

在本发明的至少一个实施例中，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：