[发明专利]基于背包式三维激光点云数据的建筑物轮廓线提取方法

摘要

本发明提供一种基于背包式三维激光点云数据的建筑物轮廓线自动提取方法，具体包括以下步骤：点云数据切片、点云数据去噪、局部直线拟合、直线数据分类、全局直线拟合、全局轮廓线构造、局部数据特征点搜索和全局轮廓线与局部特征点融合，本发明中采用背包三维激光扫描系统可在人员能通过的地方进行数据获取，作业方式更为灵活且获取的数据更完整，工作效率较高且成本较低；采用kd树对点云数据逐点进行邻域搜索、主成分分析法和模糊C均值算法，实现了建筑物轮廓高精度自动提取；利用单位特征向量准确拟合出局部直线的斜率；基于拟合直线与X轴的夹角数据进行聚类能够实现不同斜率直线数据的精确分类。

主权项

1.一种基于背包式三维激光点云数据的建筑物轮廓线提取方法，包括以下步骤：S1、点云数据切片：设置切片点云厚度，获取代表建筑物水平轮廓且完整性高的切片点云数据；S2、点云数据去噪：针对所述切片点云数据，采用主成分分析方法进行去噪；S3、局部直线拟合：利用kd树对去噪后的切片点云数据逐点进行邻域搜索，然后根据邻域数据的XY信息结合主成分分析法进行局部直线拟合；S4、直线数据分类：利用模糊C均值算法对局部拟合直线与X轴的夹角数据进行聚类，然后将所述切片点云数据分为两类；S5、全局直线拟合：对每类切片点云数据中的直线进行分离，然后设置阈值，将直线端点距离与阈值比较后拟合出直线方程；S6、全局轮廓线构造：计算每类中的直线与另一类直线的交点，然后根据所述交点对每条直线进行分段，最后根据线段的端点之间的距离关系对线段端点按顺序连接获取全局轮廓线；S7、局部数据特征点搜索：利用kd树搜索邻域中同时包含两类数据的点，然后利用DBSCAN算法对搜索结果进行聚类，最后通过局部直线拟合计算出局部特征点坐标；S8、全局轮廓线和局部特征点融合：以全局轮廓线为基础，计算局部特征点到全局轮廓线数据的距离，将满足阈值的局部特征点加入对应直线中，然后按照直线端点与局部特征点的位置关系进行排序后依次连接，最终实现建筑物轮廓线的自动提取。