【技术实现步骤摘要】
综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法
本专利技术涉及的是一种综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法,属于激光雷达和街景影像遥感数据技术处理领域。
技术介绍
城市三维模型是基础测绘、智能交通、城市管理和空间分析的重要基础。近年来随着自动驾驶和自主物流的发展,对三维模型的准确度和精细度提出了更高的要求。例如在无人驾驶中,精细的三维模型能够辅助车辆导航及停靠。在过去的研究中,机载激光雷达和车载激光雷达是重建城市三维模型的重要数据来源。机载激光雷达数据是在空中进行采集,它含有丰富的屋顶信息,但立面信息相对较少。车载激光雷达数据沿街道采集,包含丰富的立面信息,但屋顶信息很少且观测不完整,从而导致建筑轮廓不完整。因此,将车载激光雷达获取的精细的立面信息(例如窗户和阳台)与粗糙的建筑模型(例如由机载激光雷达数据生成的模型)相结合,由此获得增强的精细三维模型成为一种极具潜力的技术设想。事实上,实现这种技术设想存在诸多问题。在机载点云建筑重建中,如何快速构建稳定、密合的三维模型依旧没有得到很好的解决,例如如何处理数据缺失,减少大量的先验假设,复杂屋顶探测等。车载激光雷达采集到点云数据通常具有海量的体积,由遮挡和扫描模式造成的不规则的数据缺失,以及密度变化极其不均匀等特点,从而对数据处理鲁棒性和普适性提出了很高的要求。此外,精细立面模型的构建需要分别重建各个局部结构,如窗户,阳台等,因此需要准确的语义标注作为基础。然而,车载点云的语义分割问题目前没有得到很好的解决,例 ...
【技术保护点】
1.综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法,其特征是包括如下步骤:/n(1)基于机载激光数据的快速建模方法;/n(2)联合车载点云与影像的语义分割框架;/n(3)融合多源数据的模型自动增强算法。/n
【技术特征摘要】
1.综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法,其特征是包括如下步骤:
(1)基于机载激光数据的快速建模方法;
(2)联合车载点云与影像的语义分割框架;
(3)融合多源数据的模型自动增强算法。
2.根据权利要求1所述的综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法,其特征是所述步骤(1)综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法具体包括:
①建筑点云提取
为兼顾建筑物机载点云的均质性和完整性,避免建筑屋顶点云的错分或丢失,从而有效地从中提取出机载建筑点云数据,本发明综合利用地物特征信息,采用层进式的提取方法,提取建筑点云:首先对原始点云滤波分离出地面点和非地面点,在此基础上利用植被点云多回波特性和法向量分布特性检测并剔除大部分植被点,然后采用连通成分分析进行聚类得到初始建筑物区域,最后结合几何和空间分布特征分离得到建筑物屋顶点云;
②建筑屋顶分割
采用屋顶拓扑图进行屋顶模型重建时,关键问题是如何建立建筑物的屋顶面拓扑图,而拓扑图建立的关键在于如何实现屋顶面的准确分割,针对屋顶分割过程中常出现的过分割问题,本发明综合点云法向量的聚类增长分割算法和RANSAC(RandomSampleConsensus,RANSAC)算法,得到粗粒度的屋顶面片分割结果,在此基础之上进一步采用图割优化,提纯屋顶分割结果,保证屋顶面片分割的精度和屋顶面片分割的拓扑正确性;
③建筑模型重建
在完成屋顶分割基础上,本发明提出了一种改进的基于拓扑图的建筑屋顶模型重建方法,边界不仅代表了建筑物的位置,也代表了建筑物墙面的位置,该方法首先采用α-shape算法得到边界点云,并结合边界正规化规则提取出建筑边界,然后基于屋顶面片相交结果建立屋顶拓扑图,根据拓扑图揭示的面片相交关系得到屋脊线,再结合由邻近边界线段所构造的墙面即可得到相关屋顶平面的其它关键边界线段,最后根据每个面的关键线段构建封闭多边形,对于关键线段少于两条的屋顶面片,本发明直接求取其外接多边形,通过组合这些封闭多边形实现建筑屋顶模型三维重建,即采用先分割后匹配的策略,具体步骤如下:
1)基本建筑分割单元的匹配:分割单元模型匹配的核心任务是探测分割单元屋顶结构类型和对应最优屋顶结构参数,抽象目标函数设计如下:
其中,N为分割单元所含面片数目,f(χp,α)为最小二乘拟合函数,P为分割单元内部点集,α为基元模型参数向量,为求解公式(1),本发明耦合马尔可夫蒙特卡罗(MCMC)与模拟退火算法,从模型库自动匹配,求解最优模型参数α*,为降低模拟退火算法的时间复杂度,对部分简单屋顶结构基元,可直接采用统计分析方法,以简化匹配过程,统计分析方法首先探测出分割单元屋顶结构类型,然后采用公式(1)求解最优参数α*,具体步骤为:在二维空间中将当前分割单元等分成八个三角子区域(相同颜色代表相同朝向的屋顶面片),依据RANSAC(RandomSampleConsensus,RANSAC)算法得到的屋顶面片分割结果及点云法向量,分配分割单元点云到相应子区域,最终通过对子区域点云统计分析,确定最适合分割单元的屋顶结构;
2)规则曲面几何元素的匹配:在利用改进的RANSAC(RandomSampleConsensus,RANSAC)算法分割建筑屋顶面片时,圆柱、圆锥和圆球等规则曲面几何元素已经被精确提取,因此直接利用其最优模型参数θ*构建相应几何模型;
3)复杂分割单元屋顶的简化建模:假如上述1)和2)匹配完成后,公式(1)仍然存在较大残差,说明模型库中现有基元不足以表达当前分割单元,对于该类分割单元,本发明直接简化由原始点云构建的三角网,以保持当前复杂分割单元的建筑屋顶的结构细节。
3.根据权利要求1所述的综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法,其特征是所述步骤(2)联合车载点云与影像的语义分割框架具体包括如下步骤:
①点云体素生成方法;
②基于卷积神经网络的语义分割框架。
4.根据权利要求3所述的综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法,其特征是所述步骤①点云体素生成方法具体包括:
本发明通过深度网络组合点云的逐点特征与非局部空间特征,在构造网络之前,首先对原始点云数据进行超体素分割,而大尺度空间特征则通过学习超体素之间的空间关系而得到,因此本发明基于二分图匹配的层次聚类算法进行点云的超体素结构划分,以图2为例进行阐述:首先,初始数据中包含六个聚类中心(图2(a)第一列),并以此构建出两两相连的二分图结构(图2(b)第一列),在算法实施过程中,点云中的每一个点可以作为初始聚类中心,接着计算二分图中所有连接边的相似度,相似度越高则选取该边作为匹配边的概率越大,然后采用匈牙利算法对二分图进行优化,并合...
【专利技术属性】
技术研发人员:马艳艳,孙卫锋,
申请(专利权)人:山东水利技师学院,
类型:发明
国别省市:山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。