建筑物激光点云平面特征提取技术的研究

摘要

激光扫描技术因具有高分辨率空间数据获取的特点，正逐步成为建筑物三维重建以及数字城市中新的研究热点。然而激光扫描仪采集的点云数据量巨大，给计算机处理带来挑战。目前针对海量的点云数据，研究高效准确的重建方法仍处于探索阶段。为此，本文以建筑物的三维重建为背景，重点研究了地面激光扫描数据中建筑物点云的分割以及建筑物立面结构中平面特征提取方法，主要工作如下: 1.针对地物点云相连问题，本文提出了基于圆柱体邻域的非地面点分割算法，实现地面点（包含低矮地物）与非地面点的分离。该算法根据地面和地物的点云分布特征，首先设计圆柱体邻域，对每个点云数据，计算其邻域点的高程差，并利用设定的阂值实现对地面点与非地面点初步分割。由于初步分割容易将原本属于非地面点（如:零星分布的树叶）错分到地面点上，故对初步分割后留下的地面点采用欧拉距离聚类算法，获得真正地面点，并将其余的错分割的地面点与初步分割后的非地面点合并为非地面点。实验验证了该方法的可行性，并分析了分割算法中圆柱体半径参数对分割结果的影响; 2.针对基于图像方法分割出的建筑物点云不完整问题，本文提出了基于目标曲率直方图的建筑物点云分割算法。首先，对非地面点云进行欧拉距离聚类算法，将满足一定空间距离的点聚为一类，实现地物目标聚类。然后，对每一类进行体积计算，排除体积小的目标。最后，由于剩余的目标中还含有非建筑物，如成群的树，故对剩余的目标进行曲率直方图统计，按照直方图中曲率为零的概率最大，分割出建筑物点云。实验表明，该方法能有效解决建筑物点云分割的不完整问题; 3.引入多结构快速生成算法用于建筑物点云平面提取的方法。该算法在随机产生一组平面模型之后，首先通过每个点相对于模型的残差排序信息，计算条件内点概率分布，然后利用得到的内点先验分布概率指导模型采样，从而加快有效模型的生成，有利于准确检测出点云平面。实验结果表明，该算法能准确地检测出点云数据中的平面，相比RANSAC算法具有更好的采样效率，尤其在多结构点云数据中。

目录

声明

摘要

第1章 绪论

1．1 研究背景和意义

1．2 国内外研究现状

1．2．1 建筑物点云的分割

1．2．2 平面特征检测与提取

1．3 研究目标

1．4 论文的结构安排

第2章 基于圆柱体邻域的非地面点分割

2．1 引言

2．1．1 基于迭代最小二乘线性内插分割方法

2．1．2 基于数学形态学分割算法

2．1．3 基于坡度的分割算法

2．1．4 基于聚类分割的分割算法

2．2 点云数据的索引方法

2．2．1 八叉树的构建

2．2．2 八叉树编码

2．2．3 八叉树邻域点的查找

2．3 基于圆柱体邻域的非地面点分割算法

2．3．1 地面激光点云数据特点

2．3．2 邻域的构造

2．3．3 欧拉距离聚类算法

2．3．4 分割算法的流程

2．3．5 实验结果及分析

2．4 本章小结

第3章 基于目标曲率直方图的建筑物点云分割

3．1 基于点云特征图像的建筑物分割算法

3．1．1 点云特征图像的生成

3．1．2 基于最大类间方差的非地面点提取

3．1．3 建筑物点云的分割

3．2 基于目标曲率直方图的建筑物点云分割算法

3．2．1 基于欧拉距离聚类算法的目标聚类

3．2．2 体积分析

3．2．3 曲率直方图分析

3．3 实验比较以及分析

3．4 本章小结

第4章 基于多结构快速生成的建筑物平面提取

4．1 引言

4．2 多结构快速假设生成算法

4．2．1 残差排序信息

4．2．2 计算两点相似

4．2．3 基于条件内点概率的采样

4．3 点云数据的平面提取

4．4 实验结果及分析

4．5 本章小结

第5章 总结与展望

5．1 研究工作总结

5．2 进一步研究工作与展望

致谢

参考文献

在学期间发表的学术论文

在学期间参加的科研项目