[发明专利]监督型建筑物窗户提取方法、系统及设备

说明书

本发明涉及监督型建筑物窗户提取方法、系统及设备，方法包括基于带有可见光属性及热红外属性的三维建筑物点云数据，逐点获取每个三维点的最优球形邻域半径，提取最优球形邻域半径范围内建筑物点云的三维局部几何特征、可见光局部统计特征和热红外局部统计特征；基于建筑物点云的三维局部几何特征、可见光局部统计特征和热红外局部统计特征，采用支持向量机实现建筑物点云窗户粗提取；将点云窗户粗提取结果作为初始分类结果，利用马尔可夫随机场引入上下文特征，得到点云分类结果，实现建筑物点云窗户优化提取。本发明利用马尔可夫随机场提取的空间上下文特征，增强了窗户与背景墙面之间边缘提取的准确性，能够检测到清晰、完整窗户轮廓。

技术领域

本发明是关于一种监督型建筑物窗户提取方法、系统及设备，涉及摄影测量领域。

背景技术

三维建筑物模型在可视化分析、城市规划、室内室外行人导航、效能评估、虚拟现实等领域发挥着重要作用。窗户是建筑物立面的基本元素，精确识别建筑物立面上窗户的位置以及它们之间的拓扑关系对于建筑物建模至关重要。CityGML是城市建筑物应用的主要国际标准，按照建筑物刻画的详细程度(Level of Detail,LoD)，CityGML标准将三维建筑物模型划分为五个不同的等级(LoD0-LoD4)，数值越大代表建筑物模型越精细(Grgerand Plümer,2012)。具体而言，窗户被定义为建筑物立面的开口区域，从LoD3级别开始，建筑物模型就要求对窗户进行精细的建模。因此，窗户的精细提取对于构建地理信息系统下的建筑物信息模型(Buiding Information Model,BIM)至关重要。

进一步而言，建筑物立面窗户的排列组合也可以用来辅助确定建筑风格与样式。此外，在建筑物能耗检测中，窗户通常被认为是产生热泄漏的主要来源，窗户面积占总建筑面积的比例是评估建筑物能耗的重要指标。因此，从点云数据中精确识别建筑物的窗户成为摄影测量领域的研究热点。现有点云分类方法主要利用点云的空间位置信息进行点云分类与地物识别，点云分类精度有限。

发明内容

针对上述问题，本发明的目的是提供一种能够提高建筑物窗户提取精度的监督型点云分类方法、系统及设备。

为实现上述目的，本发明采取以下技术方案：

第一方面，本发明提供的监督型建筑物窗户提取方法，包括：

基于带有可见光属性及热红外属性的三维建筑物点云数据，逐点获取每个三维点的最优球形邻域半径，提取最优球形邻域半径范围内建筑物点云的三维局部几何特征、可见光局部统计特征和热红外局部统计特征；

基于建筑物点云的三维局部几何特征、可见光局部统计特征和热红外局部统计特征，采用支持向量机实现建筑物点云窗户粗提取；

将点云窗户粗提取结果作为初始分类结果，利用马尔可夫随机场引入上下文特征，得到平滑的点云分类结果，实现建筑物点云窗户优化提取。

所述的监督型建筑物窗户提取方法，进一步地，逐点获取每个三维点的最优球形邻域半径基于特征值的信息熵得到，具体为：

设定领域半径r的搜索范围为：[r_min,r_max]；

遍历计算领域半径r取值范围内，每一个r对应的特征值信息熵E_λ(r)：

E_λ(r)＝-(λ_max(r)lnλ_max(r)+λ_med(r)lnλ_med(r)+λ_min(r)lnλ_min(r))

其中，(λ_max,λ_med,λ_min)表示利用中心点与邻域点集构建协方差矩阵的特征值，