[发明专利]一种基于PMVS的建筑物密集点云快速重建方法

摘要

本发明公开了一种基于PMVS的建筑物密集点云快速重建方法，在建筑物三维重建这一应用场景下，本发明通过使用准密集点云代替PMVS算法自建的稀疏点云作为扩散种子点，本发明的方法主要流程包括：首先构建建筑物的初始空间三角网格模型，对三角网络循环进行空间插值扩散、面片的优化和滤波、三角网格信息更新等操作，获取精确的准密集点云，使用准密集点云代替PMVS算法自建的稀疏点云作为扩散种子点，从而实现PMVS算法重建过程的加速。本发明可以有效提高PMVS算法的运行效率。本发明对自然景观带来的点云噪声和其它非建筑物主体点云噪声具有一定的滤波作用。

主权项

1.一种基于PMVS的建筑物密集点云快速重建方法，其特征在于，包括如下步骤：步骤a、以假设平面拟合算法得到的点云平面聚类作为输入数据，使用Delaunay三角剖分算法构建待重建建筑物的初始空间三角网格模型，并对三角网格进行信息初始化；步骤b、使用三角网格空间插值扩散算法来对初始空间三角网格模型进行扩散加密；步骤c、使用改进的面片优化和滤波算法对扩散后的三角网格顶点构成的点云进行面片优化和滤波；改进的面片优化算法，具体为：将PMVS的非线性优化中的三个变量降为一个变量；非线性优化变量只有面片位置c(p)一个，面片的法向量在优化过程中保持初始值不变；将面片位置限制在面片的法向量上，优化过程中面片只能沿着面片法向量的方向进行移动；改进的面片滤波算法，具体为：对于假设平面模型中第a个初始空间三角网格T_a，其经过插值扩散和面片优化之后得到点云P_a″,先使用mean shift聚类算法对P_a″进行聚类，计算聚类结果中包含三维点个数最多的聚类的聚类中心c，计算P_a″中的所有点在假设平面法向量方向上到聚类中心c的平均距离然后遍历P_a″中的每一个新扩散点v_j，计算v_j到其母三角形所在平面的距离d_j，若则将v_j判定为杂点并将其滤除；步骤d、对经过改进的面片优化和滤波之后的点云重新构建三角网格，对网格顶点法向信息和扩散惩罚值进行更新；步骤e、循环b、c、d三个步骤n1次后，将获得的准密集点云作为PMVS算法的种子点，重复进行PMVS算法的面片扩散、面片优化、面片滤波三步流程n2次，得到最终的密集点云。