一种面向倾斜摄影的多属性融合建筑物点云提取方法技术

本发明专利技术涉及一种面向倾斜摄影的多属性融合建筑物点云提取方法，包括对点云数据进行数据平滑处理；对地面进行模拟，得到数字地表模型并进行高程滤波处理；通过对包含点云尺度信息和颜色信息的多属性融合，标记场景中的非建筑物点云并去除；利用面向三维点云的融合颜色信息的多规则区域增长算法进行建筑物平面分割，实现建筑物单体化。本发明专利技术利用包含点云尺度信息和颜色信息的多属性融合进行非建筑物点的去除，植被点去除鲁棒性好，而且还可以有效地去除电线杆等无关点云。通过多规则区域增长算法进行建筑物点云分割同时还能将一些难以分辨的噪声点去除。本发明专利技术建筑物点云的提取精度高，步骤简单、成本低，可以适用于多种场景。景。景。

【技术实现步骤摘要】
一种面向倾斜摄影的多属性融合建筑物点云提取方法


[0001]本专利技术涉及三维数据处理
，尤其涉及一种面向倾斜摄影的多属性融合建筑物点云提取方法。

技术介绍

[0002]近年来，随着计算机技术的发展与测绘方法提升，人们已经不满足于从二维模型中获取城市信息，三维建模已经应用于智慧城市、地图导航，建筑物重建等各个方面。三维点云是目前三维数据最流行的方式，建筑物点云提取是指从复杂的场景中排除其他点云影响，精确的提取出建筑物点，是后续进行三维重建的重要前提，具有非常重大的研究意义。三维点云作为三维数据的主要形式，获取途径主要有激光扫描技术与影像密集匹配两种，目前许多学者基于激光点云数据展开了研究，但其设备昂贵，计算量大，不适合大规模的城市场景处理。倾斜摄影测量技术是近几年发展起来的热门测绘技术，能够全方位、全角度地获取地面物体真实的三维信息，对比于激光扫描，其成本低廉，数据获取便捷，且能够捕获建筑物纹理信息，但由于影像匹配点云数据具有高噪声和点云分布稀疏等特征，且目前基于激光点云提出的建筑物点云提取方法并不能在影像密集匹配点云上得到很好的效果，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向倾斜摄影的多属性融合建筑物点云提取方法，其特征在于，包括以下步骤：S1：对倾斜摄影测量匹配点云数据进行数据平滑处理，减轻噪声点对建筑物点云提取的影响；S2：对地面进行模拟，得到数字地表模型并进行高程滤波处理，去除场景中高度信息小于规定阈值的低矮点云；S3：通过对包含点云尺度信息和颜色信息的多属性融合，标记场景中的非建筑物点云并去除；S4：利用面向三维点云的融合颜色信息的多规则区域增长算法进行建筑物平面分割，实现建筑物单体化。2.根据权利要求1所述的一种面向倾斜摄影的多属性融合建筑物点云提取方法，其特征在于：步骤S3中，根据点云尺度信息将点云分成平面点、球形点和线性点；其中，线性点直接去除；球形点与植被颜色信息进行相似性比对，与植被颜色信息相似的球形点作为植被点去除；所述植被颜色信息为所有球形点中出现频率最高的颜色。3.根据权利要求2所述的一种面向倾斜摄影的多属性融合建筑物点云提取方法，其特征在于：球形点与植被色彩信息进行相似性比对时，还结合球形点的邻域平均色彩信息进行分析。4.根据权利要求3所述的一种面向倾斜摄影的多属性融合建筑物点云提取方法，其特征在于，步骤S3的操作方法如下：S31：利用待测球形点的邻域点构建协方差矩阵，协方差矩阵如下式所示，其中M为待测点的协方差矩阵，p
i
(i＝1,2,3
…
k)为待测球形点的邻域点，p
c
为邻域点的平均值，p
c
的计算公式如下式所示，S32：求解协方差矩阵，对求得的特征值按照大小进行排列，即λ1＞λ2＞λ3，其中λ1对应的方向向量为邻域点的主向量，λ3对应的方向向量为法向量，并根据下式对邻域点的尺度信息计算，S33：邻域点的尺度信息计算完成后根据以下规则进行划分，满足P
3D
＝max{P
3D
,P
2D
,P
1D
}的点为球形点，设Label＝0；满足P
2D
＝max{P
3D
,P
2D
,P
1D
}的点为平面点，设Label＝1；满足P
1D
＝max{P
3D
,P
2D
,P
1D
}的点为线性点，设Label＝2；首先将Label＝2的线性点去除，然后对所有Label＝0的球形点颜色...

【专利技术属性】
技术研发人员：方立，张静茹，周树东，沈慧芳，刘金洲，
申请(专利权)人：泉州装备制造研究所，
类型：发明
国别省市：