[发明专利]重复建筑自动感知下的大规模ALS建筑点云建模方法

摘要

本发明是一种重复建筑自动感知下的大规模ALS建筑点云建模方法，包括以下步骤：（一）采用深度学习方法，精细分割ALS点云，获取“建筑”、“植被”、“地面”和“其他”四类目标；（二）针对建筑点云，在局部区域内探测重复建筑，并对探测出的重复建筑配准和对齐，接着采用数据驱动方法，构建重复建筑屋顶模型，针对剩余的非重复建筑，采取综合数据驱动和模型驱动的混合建模方法，构建建筑屋顶的几何模型；（三）定性和定量评价建筑屋顶几何模型建模方法的精度和效率。优点：1）建模的效率和精度高，适合对重复建筑较多的城市居民区进行建模。2）方便与其他方法整合，以提升建模方法的应用范围和模型的层次细节。

主权项

1.重复建筑自动感知下的大规模ALS建筑点云建模方法，其特征是该方法包括以下步骤：（一）采用深度学习方法，精细分割ALS点云，获取“建筑”、“植被”、“地面”和“其他”四类目标；（二）针对建筑点云，在局部区域内探测重复建筑，并对探测出的重复建筑配准和对齐，接着采用数据驱动方法，构建重复建筑屋顶模型，针对剩余的非重复建筑，采取综合数据驱动和模型驱动的混合建模方法，构建建筑屋顶的几何模型；（三）定性和定量评价建筑屋顶几何模型建模方法的精度和效率;所述的采用深度学习方法：假设深度学习系统中包含有N层结构S1、S2、S3、…、Sn，I和O分别为系统的输入和输出，整个系统用I‑>S1‑>S2‑> S3‑>…‑>Sn‑>O表示，即系统的输入准确地用输出来描述，输入I经过每一层Si未丢失信息，即任何一层Si都是原始输入信息的另外一种表示，将I作为输入层，S是中间隐含层，O作为输出层，在S中，任意两个相邻的隐含层Si和Si+1构成一个受限玻尔兹曼机，保证任何一层的输入都用输出准确描述，将隐含层得到的所有受限玻尔兹曼机串联起来，从而构造出玻尔兹曼机网络模型；采用玻尔兹曼机网络模型，实现ALS点云特征的抽象和综合，将结果输入到Random Forest监督分类器，实现对点云特征的分类，最终将ALS点云最终分割为“地面”、“建筑”、“植被”和“其他”。