[发明专利]一种建筑立面边缘特征关键点提取方法

说明书

本发明公开了一种建筑立面边缘特征关键点提取方法，属于三维建模领域。本发明首先通过对局部邻域内建立的协方差矩阵的特征值来计算三维点云中每个点的置信度；然后定义三维空间中每个点的梯度，再将三维点云的梯度信息编码为结构张量；结构张量的特征值可以表示局部点云的梯度分布情况，从而将建筑物点云的立面特征提取问题转换为分析结构张量的三个特征值的问题；将每个点的置信度和结构张量作为双阈值法的输入，判断当前被处理点是否为关键点；最后采用边缘细化算法对边缘特征点进行细化处理。本发明所提出的算法不仅精度高于现有直接从三维中提取边缘特征的方法，也优于基于Canny算子到二维图像进行边缘提取和细化的方法。

技术领域

本发明属于三维建模领域，更具体地说，涉及一种建筑立面边缘特征关键点提取方法。

背景技术

边缘特征是物体几何特征的最显著的组成部分，作为最底层且最重要的特征边缘特征也是实现对地物场景理解、语义标注和三维抽象感知的基础。在计算机视觉的发展初阶阶段，绝大多数地物边缘检测算法均基于二维图像，毕竟在保证分辨率的基础上，图像的“线状”特征更加精确。另外在二维图像中地物的边缘特征具有明确的定义：是图像中特性(如像素灰度、纹理等)分布的不连续处，图像周围特性有阶跃变化或屋脊状变化的那些像素集合，也是图像信息最集中的地方。地物边缘是图像分割、图像理解及图像识别的重要特征。然后由于基于图像的边缘探测不能够充分反应复杂地物的三维几何，在基于三维的场景认知、几何表达等方面限制其进一步的发展。

近二十年来随着激光雷达传感器技术的提升，点云密度和精度显著提高，激光雷达点云已经能够充刻画物体的全局结构特征和局部细节几何，这使得从三维点云中精细提取出物体的边缘特征成为可能。即便如此，由于地物场景千变万化且扫描获取的点云中仍然会存在大量的噪声、离值点和由于地物遮挡和自遮挡带来的大量的点云数据的缺失，使得对地物边界特征的智能提取带来了巨大的挑战。另外本申请的发明人也注意到在三维点云中，对地物边缘的界定亦尚不明确，缺乏统一的定义。相比传统的图像特征提取，基于点云的地物特征的提取仍亟待完善。结合现有文献中对于三维点云中数据边缘的讨论，以及图像处理中对于边缘的定义，本发明确将三维点云边缘定义为以下三类点的集合：角点：三个相互不平行平面的交点；边界线：两个平面相交形成的交线，如建筑物立面与立面、建筑物立面与屋顶形成的边界线；边缘点：点云物体的外边界、物体内孔的边界(如：建筑物内窗户的窗框)或者是因为数据缺失引起的边界。

激光雷达点云的边缘特征提取是许多应用的基础，如三维重建、配准、目标检测、数据简化等。根据是否要借助于二维图像中的边缘特征提取方法，可以将现有的三维激光雷达点云中的边缘特征提取方法分为“基于图像的轮廓提取”和“激光雷达点云的轮廓提取”两类。