基于LiDAR点云数据的建筑物特征提取及建模研究

摘要

近年来，激光LiDAR作为一种全新的空间数据获取方式，兼顾了距离和空间分辨率的高精度需求，为建筑物的重建研究提供了新的数据支持。然而，由于真实建筑物的外形高度复杂，使得自动、快速地重建出高精度的建筑物三维模型仍存在很多技术难题和挑战，如海量点云数据的存储与管理效率低、数据压缩时特征数据丢失、特征点的提取不完整、建模自动化程度低以及单一数据建模模型不够完整等问题。因此，基于LiDAR点云数据的建筑物建模技术仍处在快速发展阶段，许多技术问题亟待研究解决。 本文围绕建筑物LiDAR点云数据处理及建模技术，对点云数据组织、点云数据压缩、特征点提取、多源数据融合建模等关键问题进行了深入研究。主要工作包括以下几个方面： （1）对比和分析了KD-tree法和Octree法点云空间索引构建及近邻点搜索的效率。通过实验对比分析得出了KD-tree法在建筑物点云数据组织与管理中效率更高。 （2）改进了基于均匀切片的点云数据压缩算法，该算法首先将点云数据按某一方向进行切片，将切片点云投影到两个切层平面的中间平面上；当某一点的弦高差值小于设定的阈值时作为冗余点删除，使用改进的弦高差法逐层完成整个点云的压缩。与现有的两种点云压缩方法进行对比实验，本文改进的方法在保留曲率变化较大的特征点的同时平缓部位不会因过压缩而出现孔洞，在高压缩率时仍能获得较好的压缩效果。 （3）提出了基于移动最小二乘法法矢估计的建筑物特征提取算法，首先用移动最小二乘法估计出点云的法矢向量，并对具有二义性的法矢向量进行重定向，使所有点的法矢都指向模型的外部，然后用k近邻点的法矢夹角改变量的平均值作为显著性指标判断保留特征点，并对提取出的特征点集下采样进一步减少冗余数据。用本文算法对2个不同的建筑物模型进行实验，都提取出了清晰、简洁、完整的特征线。 （4）针对单一点云数据建模时自动化程度低、模型不够完整等问题，深入研究了多源数据融合建模技术。详细探讨了多源测量数据的坐标系统、多源数据的坐标统一和信息融合技术，并采用 Smart3D 软件将地面激光点云+空地影像融合建模，对实测数据进行了建模实验，结果表明采用地面激光点云+空地影像融合建模能得到更加精确、完整、美观的实景三维模型。 综上所述，本文对建筑物LiDAR点云数据处理及建模技术进行了研究，实验分析了点云空间索引技术、改进了建筑物点云数据压缩的方法、提出了一种建筑物点云特征提取算法以及研究了地面激光点云+空地影像融合建模的方法，在实测数据试验中均取得了较好的实验效果。

目录

第一个书签之前