一种基于八叉树和边界优化的机载点云屋顶平面分割方法技术

本发明专利技术提供一种基于八叉树和边界优化的机载点云屋顶平面分割方法，进行基于八叉树的多尺度初始平面片提取，包括根据八叉树的数据结构将无序列点云根据空间位置迭代地划分为不同尺度的平面片，并从中选择出具有平面性的平面片，作为数据预处理所得初始平面片；通过分层聚类将初始平面片根据相邻关系和参数相似性进行聚合形成初始平面；基将没有归入平面片的点，通过区域生长合并到初始平面中；基于能量最优化的平面边界点重分类，包括通过能量函数将平面边界点重分类问题转换为能量最优化问题，优化区域生长所得平面边界，得到最终平面分割结果。本发明专利技术解决在点云平面分割中区域生长的种子点鲁棒性差和边界不准确的问题，得到最优的平面分割结果。

A plane segmentation method of airborne point cloud roof based on octree and boundary optimization

【技术实现步骤摘要】
一种基于八叉树和边界优化的机载点云屋顶平面分割方法
本专利技术属于机载LiDAR点云数据处理
，特别是涉及一种基于八叉树和边界优化的机载点云屋顶平面分割方法。
技术介绍
点云数据因其可以直接获得建筑的三维信息、细节丰富等特点，逐渐成为构建三维建筑模型的主要数据，而屋顶平面分割是机载激光雷达数据构建精确三维建筑模型的关键问题之一，可以提高三维重建的速度和效率。目前三维点云平面分割常用的方法有三种，基于随机抽样一致性算法(RANdomSampleConsensus，RANSAC)、基于霍夫变换的算法、区域生长法，另外基于这三种方法也出现了很多改进算法。基于随机抽样一致性算法：是一种模型参数估计的迭代方法，可以将其应用到点云的平面检测，该算法不断地随机在空间中选择三点拟合平面，并计算所有点中与该平面距离小于阈值的点的数量，最终选择小于阈值的点的数量最多的平面作为结果。该方法可以解决外点密度和分布变化带来的模型估计不稳定问题，并且采用随机子集对估计到的模型进行评价，减少了运算量，在保持形状模型检测精度的同时提高了计算速度，但是容易产生假平本文档来自技高网...

【技术保护点】
1.一种基于八叉树和边界优化的机载点云屋顶平面分割方法，其特征在于：包括以下步骤，/n步骤1，基于八叉树的多尺度初始平面片提取，包括根据八叉树的数据结构将无序列点云根据空间位置迭代地划分为不同尺度的平面片，并从中选择出具有平面性的平面片，作为数据预处理所得初始平面片；/n步骤2，基于分层聚类进行平面片合并，包括通过分层聚类将步骤1得到的初始平面片根据相邻关系和参数相似性进行聚合形成初始平面；/n步骤3，基于区域生长的非平面点分类，包括将在步骤1中没有归入平面片的点，通过区域生长合并到步骤2得到的初始平面中；/n步骤4，基于能量最优化的平面边界点重分类，包括通过能量函数将平面边界点重分类问题转换...

【技术特征摘要】
1.一种基于八叉树和边界优化的机载点云屋顶平面分割方法，其特征在于：包括以下步骤，
步骤1，基于八叉树的多尺度初始平面片提取，包括根据八叉树的数据结构将无序列点云根据空间位置迭代地划分为不同尺度的平面片，并从中选择出具有平面性的平面片，作为数据预处理所得初始平面片；
步骤2，基于分层聚类进行平面片合并，包括通过分层聚类将步骤1得到的初始平面片根据相邻关系和参数相似性进行聚合形成初始平面；
步骤3，基于区域生长的非平面点分类，包括将在步骤1中没有归入平面片的点，通过区域生长合并到步骤2得到的初始平面中；
步骤4，基于能量最优化的平面边界点重分类，包括通过能量函数将平面边界点重分类问题转换为能量最优化问题，优化步骤3区域生长所得平面边界，得到最终平面分割结果。


2.根据权利要求1所述基于八叉树和边界优化的机载点云屋顶平面分割方法，其特征在于：步骤1的实现包括以下子步骤，
步骤1.1，读取待处理的无序列点云数据原始文件，依次存储每个点的空间坐标值，得到原始点云点集；
步骤1.2，根据原始点云坐标极值点的位置确定点云数据坐标值的范围，构建能够包含所有点云区域的最小长方体的顶点位置坐标和尺寸；
步骤1.3，根据最小长方体的大小切分成若干小立方体，构建保存具有平面性面片参数的集合Prough；
步骤1.4，根据步骤1.1所得原始点云点集，将被同一正方体Bi包围的点云看作同一点集组成的面片，计算该面片的参数；实现如下，
步骤1.4.1，使用主成分分析法计算点集的参数，包括法向量、中心点、特征值，点到拟合平面的残差值；
步骤1.4.2，根据步骤1.4.1得到的参数，采用最小二乘的方法将这些点拟合为一个面Pi，并计算点集内每个点到面Pi的距离，同时求得最大距离dmax；
步骤1.5，判断得到的Pi是否具有平面性，将dmax与预设的阈值Td进行比较，
若dmax<Td，则Pi具有平面性，将Pi具添加到集合Prough中；
若dmax>Td或＝Td，则进一步判断，如果包围该点集的正方体Bi边长大于相应阈值，则将包围该点集的正方体Bi的边长平分产生8个小正方体，这8个正方体的边长是Bi边长的一半，回到步骤1.4进行计算；否则结束对当前正方体的处理，对下一个正方体Bi进行处理；
步骤1.6，在完成基于八叉树多尺度面片提取后，重新计算集合Prough内所有面片的参数。


3.根据权利要求2所述基于八叉树和边界优化的机载点云屋顶平面分割方法，其特征在于：步骤2的实现包括以下子步骤，
步骤2.1，对空间所有点分别建立KD-Tree，通过KNN算法找到每个点距离最近的15个点作为该点的相邻点；
步骤2.2，构建每个点所属面片序号集合N为空间点的数量，表示第n个点xn包含于pi面片中，如果点xn不属于任何面片，则其中，n＝1,2,…,N；
步骤2.3，通过点的相邻关系构建面片之间的相邻关系，实现方式为，对于面片pi∈Prough中包含的所有点f＝{x1,.....xk},k为该面片包含点的数量，对于f中某个点xs，设根据步骤2...

【专利技术属性】
技术研发人员：姚剑，薛婧雅，李礼，蒋佳芹，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42