法律状态公告日
法律状态信息
法律状态
2018-09-21
授权
授权
2017-02-15
实质审查的生效 IPC(主分类):G06T15/00 申请日:20160527
实质审查的生效
2016-10-26
公开
公开
技术领域
本发明属于车载激光扫描点云数据处理技术领域,具体涉及一种车载激光扫描点云中建筑物角点空间位置自动提取方法。
背景技术
建筑物角点的测量是地形图、地籍图测量中重要工作之一,目前建筑物角点位置信息主要通过传统人工测量方法获得,更新周期长、资源损耗大,已经无法满足城市建设和管理的数据需求。车载移动激光测量系统作为一种先进的测量手段,具有快速、不与测量物接触、实时、动态、主动、高密度及高精度等特点。基于车载移动激光测量系统的建筑物角点提取方法主要有投影图像法、特征聚类和扫描线法,然而这些方法没有充分挖掘建筑物点云数据的形态特征,适应性不高,容易受车载激光扫描点云数据中噪声点的影响。
发明内容
本发明的目的在于提出一种车载激光扫描点云中建筑物角点空间位置自动提取方法,以便从海量车载激光扫描点云数据中快速、自动提取建筑物角点的空间位置信息。
为了实现上述目的,本发明采用如下技术方案:
车载激光扫描点云中建筑物角点空间位置自动提取方法,包括如下步骤:
a、根据局部建筑物的高度自动获取局部范围内在竖直方向上的空间分层点云数据,对空间分层点云进行平面投影;根据空间分层点云的范围与空间分层点云的平面坐标将离散的车载激光扫描点云投影到平面,用单位像素中激光扫描点云的数量定义像素的亮度值,转换成平面投影图像,并自动获取最优空间分层点云;
b、最优空间分层点云对生成的平面投影图像进行阈值分割,去掉亮度低的点,即将最优空间分层点云中平面内投影方向较稀疏的激光扫描点云去掉;
c、对平面投影图像中亮度较高的区域进行直线检测,提取出有直线特性的线段;
d、提取出的直线线段分类合并,去掉冗余和不符合建筑物墙壁的线段;
e、分析这些线段的相对位置关系和相交角度,筛选出相交产生符合建筑物角点特征的线段,并求这些线段相交产生的角点在平面投影图像中的坐标;
f、根据角点在平面投影图像中的坐标计算角点目标的空间位置信息。
优选地,所述步骤a具体为:
a1、竖直方向空间分层点云自动提取
根据实际建筑物空间高度分布对现有的激光扫描点云进行提取:
首先对激光扫描点云按照竖直方向整体分层,每5m分一个点云层,获取局部范围内在竖直方向上的一系列空间分层点云数据;
依次对上述空间分层点云进行平面投影、生成基于点数的平面投影图像,即:
a2、平面投影
以激光扫描点云的xy轴对应的平面为投影面,激光扫描点云的z轴方向的负方向为投影方向,对激光扫描点云进行投影,将建筑物、道路和杆状地物投影到投影坐标系下;
a3、生成基于点数的平面投影图像
根据当前激光扫描点云的范围,设任意一个激光扫描点云坐标为(Xp,Yp,Zp),当前激光扫描点云范围为{MinX,MinY,MinZ,MaxX,MaxY,MaxZ},对应平面投影图像的像素坐标为(xp,yp),缩放精度为s;则任意一个激光扫描点云坐标(Xp,Yp,Zp)对应平面投影图像的像素坐标(xp,yp)分别是:xp=(Xp-MinX)*s,yp=(Yp-MinY)*s;
单位像素内点的亮度是落在单位像素内激光扫描点云个数的亮度叠加,设每有一个激光扫描点云转换成像素点(xp,yp),则该点亮度值增加30%;
遍历当前所有的激光扫描点云数据,计算其对应的平面投影图像坐标,并进行亮度叠加,得到基于点数的平面投影图像;
a4、自动获取最优空间分层点云
对生成的N个平面投影图像进行粗略的直线检测、块状区域检测和离散点检测,选取直线分布较多、离散点与块状区域较少的区域作为最优空间分层点云,进行下一步角点提取。
优选地,所述步骤d具体为:
d1、直线线段分类
首先进行粗分组:遍历所有直线段lk,1≤k≤N1,N1为直线段集合的项数,求其与平面投影图像坐标X轴正方向的夹角αk,其中αk单位是度°;在直线段集合L中任取一条直线段lx,与直线段集合L中的其他直线段lk的X轴方向的夹角αx做比较,其中αx单位也是度°,1≤k≤N1,k≠x,如果有|αx-αk|<3°,且lx与lk的端点的最小距离小于1*s,则将lk与lx归为一组,遍历完毕得到一组新的包括lx在内的夹角相差3°内的直线段集合,设新的直线段集合为Lx;直线段集合L=L-Lx,继续在直线段集合L中取一条新的ly,1≤y≤N1-Len(Lx),其中Len(Lx)为集合Lx的项数;重复上述过程得到一组新的包括ly在内的夹角相差3°内且端点相聚较近的直线段集合Ly;按照上述过程对直线段集合L中剩余的直线段做分组,得到一系列的直线段集合:L1,L2,L3...LN2;
d2、对上述直线段组集合的每一项Lj进一步细分组,1≤j≤N2:计算Lj中直线段与平面投影图像坐标X轴正方向的夹角的平均值βj;在直线段集合Lj中任取一条ljx,计算该线段的中点pjx;遍历Lj组内的其他直线段lju,计算线段的中点pju;基于pju和βj构建一条直线lju',计算点pjx与lju'的垂距dju;设置垂距阈值dth=0.25*s;如果有dju<dth,则将lju与ljx归为一组,遍历完毕得到一组包括ljx在内的垂距小于阈值的直线段集合,设该直线段集合为Ljx;则剩余直线段集合Lj=Lj-Ljx;继续在直线段集合Lj中取一条新的ljy,重复上述过程得到一组新的包括ljy在内的垂距小于垂距阈值的直线段集合Ljy;按照上述过程对Lj中剩余的直线段做分组,最终将Lj转换为一系列的直线段集合:Lj1,Lj2,Lj3...Ljm;
Lj的每一组按照上述的细分组的方法转换为直线段集合Lju',1≤u'≤m',m'为Lju'的项数;
d3、将每一组直线段进行单一化处理,转为一条直线段;
遍历Lju'的每一项,即一组直线段:计算Lju'中直线段斜率的平均值Sju';
如果|Sju'|<1,则基于X轴进行单一化处理:遍历Lju'中所有直线段的端点坐标p(x,y),获得X轴坐标值最小的坐标Pju'min和X轴坐标值最大的坐标Pju'max,创建为唯一的直线段lju′′;
否则基于Y轴进行单一化处理:遍历Lju'中所有直线段的端点坐标p(x,y),获得Y轴坐标值最小的坐标Pju'min和Y轴坐标值最大的坐标Pju'max,创建为唯一直线段lju′′;
最终得到单一化处理后的唯一直线段lju′′组成的集合L'。
优选地,所述步骤e具体为:
e1、在直线段集合L′中任取一条直线段lx',依次与直线段集合L'中的其他直线段l'做比较:如果两直线段对应直线的夹角δ>δth,其中,δ为锐角或直角,δth为垂直夹角阈值,且lx'与l'的端点的最小距离小于指定距离dth,则计算两直线段对应直线的交点p';遍历完毕得到一组交点集合Px将lx'从集合L'中移除;在新的集合L'中任取一条直线段ly',重复上述过程计算得到一组交点集合Py;按照上述过程继续对L′中剩余的直线段进行判断和求交,得到一系列的交点组的集合P1,P2,P3...Pn;
e2、将交点组的集合P1,P2,P3...Pn各组的点Pr组成唯一的点集合P',1≤r≤n。
本发明具有如下优点:
本发明方法根据激光扫描点云数据,自动获取空间分层数据,并自动选取最优空间分层数据进行平面投影,通过分析杆建筑物与角点的特征,对基于点数的平面投影图像进行直线的提取,从而获取角点的空间位置信息,不易受数据噪声点的影响,自动化程度高,更大程度上充分利用了激光扫描点云的形态特征,达到了较好的提取效果。
附图说明
图1为本发明中车载激光扫描点云中建筑物角点空间位置自动提取方法的流程示意图。
具体实施方式
本发明的基本思想是:通过研究点车载激光扫描点云生成的基于点数的平面投影图像,运用图像处理的方式,结合建筑物墙壁与角点的几何形态与特征,提出一种车载激光扫描点云中建筑物角点空间位置自动提取方法。
结合图1所示,车载激光扫描点云中建筑物角点空间位置自动提取方法包括如下步骤:
a、根据局部建筑物的高度自动获取局部范围内在竖直方向上的空间分层点云数据,对空间分层点云进行平面投影;根据空间分层点云的范围与空间分层点云的平面坐标将离散的车载激光扫描点云投影到平面,用单位像素中激光扫描点云的数量定义像素的亮度值,转换成平面投影图像,并自动获取最优空间分层点云;
该步骤a具体为:
a1、竖直方向空间分层点云自动提取
根据实际建筑物空间高度分布对现有的激光扫描点云进行提取:
首先对激光扫描点云按照竖直方向整体分层,每5m分一个点云层,获取局部范围内在竖直方向上的一系列空间分层点云数据;
依次对上述空间分层点云进行平面投影、生成基于点数的平面投影图像,即:
a2、平面投影
以激光扫描点云的xy轴对应的平面为投影面,激光扫描点云的z轴方向的负方向为投影方向,对激光扫描点云进行投影,将建筑物、道路和杆状地物投影到投影坐标系下;
a3、生成基于点数的平面投影图像
根据当前激光扫描点云的范围,设任意一个激光扫描点云坐标为(Xp,Yp,Zp),当前激光扫描点云范围为{MinX,MinY,MinZ,MaxX,MaxY,MaxZ},对应平面投影图像的像素坐标为(xp,yp),缩放精度为s;则任意一个激光扫描点云坐标(Xp,Yp,Zp)对应平面投影图像的像素坐标(xp,yp)分别是:xp=(Xp-MinX)*s,yp=(Yp-MinY)*s;
单位像素内点的亮度是落在单位像素内激光扫描点云个数的亮度叠加,设每有一个激光扫描点云转换成像素点(xp,yp),则该点亮度值增加30%;
遍历当前所有的激光扫描点云数据,计算其对应的平面投影图像坐标,并进行亮度叠加,得到基于点数的平面投影图像;
a4、自动获取最优空间分层点云
对生成的N个平面投影图像进行粗略的直线检测、块状区域检测和离散点检测,选取直线分布较多、离散点与块状区域较少的区域作为最优空间分层点云,进行下一步角点提取。
b、最优空间分层点云对生成的平面投影图像进行阈值分割,去掉亮度低的点,即将最优空间分层点云中平面内投影方向较稀疏的激光扫描点云去掉;
该步骤b具体为:
采用自适应阈值的方法进行图像分割,通过计算像素点周围区域的加权平均,然后减去一个常数来得到自适应阈值;
对得到的平面投影图像进行阈值分割得到亮度较大的区域,该区域即对应激光扫描点云中垂直于xy平面的单位范围内竖直方向有较多点的数据,符合建筑物墙壁竖直方向上有较多点的特征。
c、对平面投影图像中亮度较高的区域进行直线检测,提取出有直线特性的线段;
该步骤c具体为:
c1、图像细化
对阈值分割后的平面投影图像进行图像细化处理,排除掉同一位置多条直线对角点提取的影响;
c2、直线检测
对阈值分割后的平面投影图像进行直线检测,这些直线有可能是建筑物墙壁,记录下这些直线段的端点信息,设直线段的集合为L,直线段分别为l1、l2、l3……ln,即L∈l1,l2,l3...ln。
d、提取出的直线线段分类合并,去掉冗余和不符合建筑物墙壁的线段;
该步骤d具体为:
d1、直线线段分类
首先进行粗分组:遍历所有直线段lk,1≤k≤N1,N1为直线段集合的项数,求其与平面投影图像坐标X轴正方向的夹角αk,其中αk单位是度°;在直线段集合L中任取一条直线段lx,与直线段集合L中的其他直线段lk的X轴方向的夹角αx做比较,其中αx单位也是度°,1≤k≤N1,k≠x,如果有|αx-αk|<3°,且lx与lk的端点的最小距离小于1*s,则将lk与lx归为一组,遍历完毕得到一组新的包括lx在内的夹角相差3°内的直线段集合,设新的直线段集合为Lx;直线段集合L=L-Lx,继续在直线段集合L中取一条新的ly,1≤y≤N1-Len(Lx),其中Len(Lx)为集合Lx的项数;重复上述过程得到一组新的包括ly在内的夹角相差3°内且端点相聚较近的直线段集合Ly;按照上述过程对直线段集合L中剩余的直线段做分组,得到一系列的直线段集合:
d2、对上述直线段组集合的每一项Lj进一步细分组,1≤j≤N2:计算Lj中直线段与平面投影图像坐标X轴正方向的夹角的平均值βj;在直线段集合Lj中任取一条ljx,计算该线段的中点pjx;遍历Lj组内的其他直线段lju,计算线段的中点pju;基于pju和βj构建一条直线lju',计算点pjx与lju'的垂距dju;设置垂距阈值dth=0.25*s;如果有dju<dth,则将lju与ljx归为一组,遍历完毕得到一组包括ljx在内的垂距小于阈值的直线段集合,设该直线段集合为Ljx;则剩余直线段集合Lj=Lj-Ljx;继续在直线段集合Lj中取一条新的ljy,重复上述过程得到一组新的包括ljy在内的垂距小于垂距阈值的直线段集合Ljy;按照上述过程对Lj中剩余的直线段做分组,最终将Lj转换为一系列的直线段集合:Lj1,Lj2,Lj3...Ljm;
Lj的每一组按照上述的细分组的方法转换为直线段集合Lju',1≤u'≤m',m'为Lju'的项数;
d3、将每一组直线段进行单一化处理,转为一条直线段;
遍历Lju'的每一项,即一组直线段:计算Lju'中直线段斜率的平均值Sju';
如果|Sju'|<1,则基于平面投影图像坐标X轴进行单一化处理:
遍历Lju'中所有直线段的端点坐标p(x,y),获得X轴坐标值最小的坐标Pju'min和X轴坐标值最大的坐标Pju'max,创建为唯一的直线段lju′′;
否则基于Y轴进行单一化处理:遍历Lju'中所有直线段的端点坐标p(x,y),获得Y轴坐标值最小的坐标Pju'min和Y轴坐标值最大的坐标Pju'max,创建为唯一直线段lju′′;
最终得到单一化处理后的唯一直线段lju′′组成的集合L'。
e、分析这些线段的相对位置关系和相交角度,筛选出相交产生符合建筑物角点特征的线段,并求这些线段相交产生的角点在平面投影图像中的坐标;
该步骤e具体为:
e1、在直线段集合L′中任取一条直线段lx',依次与直线段集合L'中的其他直线段l'做比较:如果两直线段对应直线的夹角δ>δth,其中,δ为锐角或直角,δth为垂直夹角阈值,且lx'与l'的端点的最小距离小于指定距离dth,则计算两直线段对应直线的交点p';遍历完毕得到一组交点集合Px将lx'从集合L'中移除;在新的集合L'中任取一条直线段ly',重复上述过程计算得到一组交点集合Py;按照上述过程继续对L'中剩余的直线段进行判断和求交,得到一系列的交点组的集合P1,P2,P3...Pn;
e2、将交点组的集合P1,P2,P3...Pn各组的点Pr组成唯一的点集合P',1≤r≤n。
f、根据角点在平面投影图像中的坐标计算角点目标的空间位置信息。
该步骤f具体为:
建筑物角点坐标设为Pr(xr,yr),则对应的激光扫描点云坐标(Xr,Yr,Zr)为:Xr=xr/s+MinX,Yr=yr/s+MinY,Z轴方向取对激光扫描点云进行空间分层时Z方向的中间值;求出的激光扫描点云坐标(Xr,Yr,Zr)即为建筑物角点的空间位置。
当然,以上说明仅仅为本发明的较佳实施例,本发明并不限于列举上述实施例,应当说明的是,任何熟悉本领域的技术人员在本说明书的教导下,所做出的所有等同替代、明显变形形式,均落在本说明书的实质范围之内,理应受到本发明的保护。
机译: 通过将轮廓跟踪,顶点检测,角点检测和角点减少方法应用于调幅激光捕获的传送带上方空间的二维范围数据图上,在传送带结构上确定对象尺寸的自动化方法和系统扫描光束
机译: 通过将轮廓跟踪,顶点检测,角点检测和角点减少方法应用于调幅激光捕获的传送带上方空间的二维范围数据图上,在传送带结构上确定对象尺寸的自动化方法和系统扫描光束
机译: 通过将轮廓跟踪,顶点检测,角点检测和角点减少方法应用于调幅激光捕获的传送带上方空间的二维范围数据图上,在传送带结构上确定对象尺寸的自动化方法和系统扫描光束