[发明专利]一种基于海量数据的城市场景重建方法及装置

权利要求书

1.一种基于海量数据的城市场景重建方法，其特征在于，包括以下步骤：

获取城市室外场景点云数据；

根据点云纹理特征，将城市室外场景点云数据分为建筑物点云和非建筑物点云，其中建筑物点云又分为建筑物主体点云和建筑物附属结构点云；

基于建筑物主体点云获取二维轮廓点集，并基于二维轮廓点集构造轮廓矩阵M，所述轮廓矩阵M是理论低秩的，利用低秩矩阵恢复方法恢复轮廓矩阵M的低秩结构，恢复得到的低秩矩阵中连续线性相关行向量对应的轮廓是相同的；基于低秩矩阵恢复得到的轮廓点集进行规则曲面拟合，获取轮廓曲面，对轮廓曲面进行曲面拉伸联结得到建筑物主体结构三维模型；

基于建筑物附属结构点云，根据对称结构分布规律获取原始点云的对称平面，根据对称平面获取对称点云，利用对称点云对原始点云进行缺失修复，基于修复后点云数据进行三维建模，得到建筑物附属结构三维模型；

基于非建筑物点云提取多种特征向量，基于特征向量在预先构建的非建筑物三维模型库中进行相似模型匹配，并对匹配得到的最相似模型采用模板组件变形方法进行建模，得到非建筑物三维模型；

将建筑物主体结构三维模型、建筑物附属结构三维模型和非建筑物三维模型进行组合，得到城市室外场景模型；

其中，所述基于建筑物主体点云获取二维轮廓点集，并基于二维轮廓点集构造轮廓矩阵M包括：

基于建筑物主体点云，采用霍夫变换和高斯映射方法获得建筑物主方向；

根据建筑物主方向，以指定间距对建筑物表面扫描点云数据进行切片，得到二维轮廓点集序列；

对于每一对连续轮廓点集，计算对应点对之间有向距离，作为数据点的标量属性，以此标量属性作为矩阵元素，构造轮廓矩阵M，矩阵行数为轮廓数，列数是参数化后轮廓点个数。

2.根据权利要求1所述的基于海量数据的城市场景重建方法，其特征在于，所述城市室外场景点云数据是采用无人机倾斜摄影和车载激光扫描方法采集得到的经过配准、融合的倾斜摄影点云数据和三维激光扫描点云数据。

3.根据权利要求1所述的基于海量数据的城市场景重建方法，其特征在于，所述利用低秩矩阵恢复方法恢复轮廓矩阵M的低秩结构包括：

将轮廓矩阵M分解为理论低秩矩阵C和噪声矩阵E，采用稳健主成分分析将恢复低秩矩阵转换为如下优化问题：

式中为正则化参数，表示约束条件；

对该优化问题目标函数进行松弛得到连续且凸的目标函数并进行求解，恢复得到的低秩矩阵中连续线性相关行向量对应的轮廓是相同的。

4.根据权利要求1所述的基于海量数据的城市场景重建方法，其特征在于，所述基于低秩矩阵恢复得到的轮廓点集进行规则曲面拟合，获取轮廓曲面包括：

选择相邻的k组轮廓点集，分别进行平面拟合、球面拟合、圆柱面拟合，获取相应的拟合曲面；

分别计算平面拟合、球面拟合、圆柱面拟合获取的拟合曲面与轮廓点集的平均距离，取距离最小的拟合曲面为最终轮廓曲面。

5.根据权利要求1所述的基于海量数据的城市场景重建方法，其特征在于，所述基于建筑物附属结构点云，根据对称结构分布规律获取原始点云的对称平面包括：

对建筑物附属结构的原始点云数据进行重采样；

在重采样后的点云中选择任意两个点，计算两点连线的中垂面方程，其中参数为虚拟四维空间的投影点集，为点的三维坐标，提取两个参数，将四维空间降为二维空间；

对二维空间采样点进行K-Mean聚类操作；

选择聚类结果中密度峰值点坐标，该点对应的四个参数为原始点云的对称平面。

6.根据权利要求5所述的基于海量数据的城市场景重建方法，其特征在于，还包括：在对二维空间采样点进行K-Mean聚类操作之前，计算各采样点的主曲率特征，基于预先设定的阈值剔除曲率方向差异大于阈值的投影点，利用保留的采样点进行聚类。