[发明专利]一种从机载激光雷达点云中快速提取平面片的方法

说明书

本发明涉及一种从机载激光雷达点云中快速提取平面片的方法，包括以下步骤：1)对机载激光雷达点云数据集，利用Delaunay剖分三角形的法向量，作为平面片的属性参数；2)生成三角形单位法向量直方图，并检测直方图的峰值进而确定平面片种子点；3)选择任意一个与直方图局部峰值具有相似属性的三角形，开始平面片的区域增长过程；4)平面方程用聚类后三角形集合中的所有三角形的顶点进行最小二乘拟合，计算出平面片的边界。本发明有效地减少了计算机内存占用，同时也显著地提升了平面片提取方法的时间性能，对大范围、海量机载LiDAR点云的三维重建具有重要的实际意义。

技术领域

本发明涉及摄影测量与遥感，尤其是一种从机载激光雷达点云中快速提取平面片的方法。

背景技术

相较于传统的人工测绘或立体影像(像对)等，利用机载激光雷达(airborneLiDAR)所获取的高精度三维点云(Point Cloud)，可以更高效、更精确、更智能化地重建数字城市三维模型(3D model)。建筑物(构筑物)是城市(城镇)中最常见、最主要的地物特征(以下统称为建筑物)，其最主要的几何形态是多面体(由多个平面形成的封闭体)；此外，对非平面表面，也可以通过多个小平面片(planar patch)进行近似；也即，平面(平面片)是多面体建筑模型的基本单元之一，是城市三维激光点云数据中的基础几何形体。从三维点云中快速、精确、准确地提取出平面片，是数字城市三维模型重建的首要步骤。

平面区域分割过程是将属于同一平面片的LiDAR点聚类的过程；聚类则通常基于空间邻接性(proximity)及属性相似性(similarity)等特征。已有的从机载LiDAR数据中提取平面片的方法可分为两大类，即，空间域分割方法，或参数域分割方法。在空间域进行平面片聚类或分割，常用的方法是从种子点出发进行区域增长，但该方法严重依赖于种子点的选择，也即鲁棒性不足。为了改进依赖种子点的问题，也有改进利用RANSAC(Randomsample consensus)，在物方空间中随机采样，选择种子点并估计平面参数，但RANSAC类的方法计算过程相对复杂。

在参数域进行平面聚类分割，无需选择种子点。参数域方法需要合理选择属性参数以及对这些参数进行估值。对机载LiDAR点云而言，其三维点云中的点仅是空间表面的某种采样，在恢复出由这些采样点所代表的空间表面的属性时，需要基于某种局部邻域对这些参数值进行估计。最常用的平面参数(属性)是法向量，LiDAR点的法向量通常在其某种(由不同邻接关系所定义)邻域内计算。计算出采样点的属性值后，Hough变换常被用来检测三维空间中的平面，并估计相应的平面参数。参数域平面分割方法的主要局限是，无法区分共面但不邻接的平面片，另外，在数据量大的情况下，其计算效率低。

参数域及空间域结合的平面片提取方法，在一定程度上综合了上述两种方法的优点，但同时也面临种子点选择的性能，及提取效率较低的问题。

发明内容

本发明要解决上述现有技术的缺点，即，依赖于种子点的选择(鲁棒性不足)、计算效率低、以及难以处理大范围、海量点云数据等问题(城市范围的点云数据通常为数十亿量级或更大)，提供一种鲁棒性好、效率高的的从机载激光雷达点云中快速提取平面片的方法，以此基础生成建筑物三维模型，可应用于智慧城市或数字城市的数据基础设施建设(三维建模、数据实时更新等)，服务于城市科学化、精细化管理与运营。

本发明解决其技术问题采用的技术方案：这种从机载激光雷达点云中快速提取平面片的方法，包括以下步骤：1)对机载激光雷达点云数据集，利用Delaunay剖分三角形的法向量，作为平面片的属性参数；2)生成三角形单位法向量直方图，并检测直方图的峰值进而确定平面片种子点；3)选择任意一个与直方图局部峰值具有相似属性的三角形，开始平面片的区域增长过程；4)平面方程用聚类后三角形集合中的所有三角形的顶点进行最小二乘拟合，计算出平面片的边界。