一种建筑密集场景房屋点云分割及属性提取方法技术

本发明专利技术公布了一种建筑密集场景房屋点云分割及属性提取方法，包括以下步骤：将原始点云分类，得到地面和建筑物点云；构建数字高程模型，计算建筑物点云法向量。通过法向量从建筑点云中筛选出房屋立面点云。将房屋立面点云数据投影至XOY平面。采用DBSCAN算法将XOY平面的房屋立面点云数据进行粗分割，获得独立的簇。计算出每个簇的边界点。使用RANSAC算法对随机选取的簇进行直线检测，获得房屋边界点集合Q

【技术实现步骤摘要】
一种建筑密集场景房屋点云分割及属性提取方法


[0001]本专利技术涉及一种建筑密集场景房屋点云分割及属性提取方法，属于点云数据处理


技术介绍

[0002]激光扫描技术被称为“实景复制”技术，点云数据可视化效果和真实世界基本保持一致。激光点云实质是一堆无序的点，但包含着丰富的空间信息，各行各业都是从海量的点云场景中提取感兴趣的数据和信息。面对需要利用建筑物的情况，最开始的研究是点云分类，从原始点云数据中分类出建筑物这一类，然后再进一步利用。目前，行业内越来越多的需求是需要单体化的房屋及其属性，即对房屋点云分割，高效率得将每个独立的建筑物分割出来，并将相关属性提取出来。
[0003]针对房屋点云分割，目前有两种主流方法，一种是基于点云采用数学形态学的提取方法，另一种基于图像和点云融合的提取方法。基于图像和点云融合算法，主要是先利用图像处理技术识别出建筑物边界，再利用此作为先验知识，继续对点云处理。基于点云采用数学形态学方法进行单体房屋分割仅需要点云数据，更具有普适性，从目前检索到文献可知，有基于深度学习的房屋分割方法、有基于几何特征提取轮廓和边界的算法、也有区域增长算法等，这些算法甚至可以提取出房屋立面和屋顶，但是基于深度学习的方法，需要较多的样本学习，在目前阶段更多是理论研究和小场景试验，尚不能够应用到大场景的工程应用。
[0004]目前研究中，针对建筑物密集场景的房屋分割研究方法较少，如建筑物与建筑物间最小距离小于0.3米，上述方法具有局限性，无法使用。针对建筑物密集场景，如何高效的分割房屋，并自动、高效得提取建筑物高度、层数、面积等属性是值得研究和探索的。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种建筑密集场景房屋点云分割及属性提取方法，采用提取房角点的方法进行房屋分割，依据“房屋平面图中房角点是两条直线交点”这一基本规则提取房角点，进而分割房屋。
[0006]为达到上述目的，本专利技术提供一种建筑密集场景房屋点云分割及属性提取方法，其特征在于，包括以下步骤：1）将原始点云进行分类，分出地面和建筑物点云；2）利用地面点云构建数字高程模型，计算建筑物点云的法向量；3）利用法向量特征从建筑物点云中筛选出房屋立面点云数据；4）将房屋立面点云数据投影至XOY平面，成为XOY平面中离散的点，每个离散的点的坐标用（x
i
，y
i
）表示；5）采用DBSCAN算法将XOY平面中离散的点进行粗分割，形成独立的簇；6）计算每个簇的房屋边界点；
7）随机选取一个簇，选择这个簇中的横坐标最小且纵坐标最小的点、横坐标最小且纵坐标最大的点、横坐标最大且纵坐标最小的点和横坐标最大且纵坐标最大的点中的一个作为必选点；使用RANSAC算法进行房屋边界的直线检测，通过必选点随机确定一条直线y1，若其他房屋边界点距离直线y1的垂直距离在设定范围内且距离直线y1的垂直距离在设定范围内的其他房屋边界点个数≥设定的个数阈值，则表示检测出房屋边界，距离直线y1的垂直距离在设定范围内的其他房屋边界点归类属于房屋边界点集合Q1；再次通过必选点随机确定一条直线y2，若其他房屋边界点距离直线y2的垂直距离在设定范围内且距离直线y2的垂直距离在设定范围内的其他房屋边界点个数≥设定的个数阈值，则表示检测出房屋边界，直线y1和直线y2不重合，距离直线y2的垂直距离在设定范围内的其他房屋边界点归类属于房屋边界点集合Q2，将必选点用J2表示并写入房屋角点集合J={J2，J3
……
Jn}；若检测出的属于同一条直线上的其他房屋边界点个数小于设定的个数阈值，则判定为不是房屋边界；8）设定i的初值为2；9）按照房屋边界点集合Q
i
中的房屋边界点距离房屋角点集合J中Ji点的的距离由近到远对房屋边界点集合Q
i
中的房屋边界点排序，利用RANSAC算法依次对排序后的房屋边界点集合Q
i
中的房屋边界点进行直线检测；通过房屋边界点集合Q
i
中的房屋边界点随机确定一条直线ym，m=i+1，若其他房屋边界点距离直线ym在设定范围内且其他房屋边界点个数≥设定的个数阈值，则表示检测出房屋边界，其他房屋边界点和该房屋边界点集合Q
i
中的房屋边界点归类属于房屋边界点集合Qm；既属于房屋边界点集合Q
i
又属于房屋边界点集合Qm的房屋边界点设定为新的房角点Jm，并将房角点Jm写入房屋角点集合J；10）若检测出的直线ym与直线y1重合，则停止直线检测；若检测出的直线ym与直线y1不重合，则i数值增加1；11）根据房屋角点集合J、数字高程模型和建筑点云，提取房屋面积、房屋层数和房屋高度属性；剔除直线检测出的房屋角点集合J所构成范围内的房屋立面点云，执行步骤9）。
[0007]优先地，计算建筑物点云的法向量特征，通过以下步骤实现：对任一建筑物点云以0.3米为搜索半径，用搜索半径内所有点来拟合成一个平面；计算该平面的单位法向量；将该平面的单位法向量作为该点的法向量，所有建筑物点云中的点的法向量用Ni(Nxi,Nyi,Nzi)来表示，Nxi、Nyi、Nzi分别为法向量Ni在X方向的分量、法向量Ni在Y方向的分量和法向量Ni在Z方向的分量。
[0008]优先地，步骤3，通过以下步骤实现：房屋立面垂直于地面，房屋立面的法向量分量中的Nzi≈0，筛选在设定Nzi阈值范围内的Nzi为房屋立面的点云数据。
[0009]优先地，步骤5，通过以下步骤实现：
设置邻域距离为3m和实体包含的最少点数为1000，采用DBSCAN算法将XOY平面中房屋立面的点云数据进行粗分割，XOY平面中房屋立面点云数据分别划分为独立的簇D1,D2,
…
,Dn，每个簇中的XOY平面中房屋立面点云数据个数最少为1000，且相邻的XOY平面中房屋立面点云数据的点间距小于3m。
[0010]优先地，步骤9中，设置设定范围ε=0.1m，设定的个数阈值minpt=100。
[0011]优先地，步骤11，通过以下步骤实现：房屋属性包括房屋面积、房屋层数和房屋高度；计算房屋角点集合中的房屋角点所围成的多边形的面积S，获得房屋面积；在数字高程模型中依据多边形的范围在原始点云中检索点云垂直方向Z方向的最大值Zmax和最小值Zmin，计算获得房屋高度h=Zmax
‑
Zmin；根据建筑物的单层楼高a，计算房屋层数n，n=h/a。
[0012]一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述方法的步骤。
[0013]一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述方法的步骤。
[0014]本专利技术所达到的有益效果：通过步骤5，可以实现整个密集房屋粗略的分成几个独立的簇，簇之间最小距离为3米；通过步骤6，可以确定每个簇的边界点，以边界点为必选点，便于进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种建筑密集场景房屋点云分割及属性提取方法，其特征在于，包括以下步骤：1）将原始点云进行分类，分出地面和建筑物点云；2）利用地面点云构建数字高程模型，计算建筑物点云的法向量；3）利用法向量特征从建筑物点云中筛选出房屋立面点云数据；4）将房屋立面点云数据投影至XOY平面，成为XOY平面中离散的点，每个离散的点的坐标用（x
i
，y
i
）表示；5）采用DBSCAN算法将XOY平面中离散的点进行粗分割，形成独立的簇；6）计算每个簇的房屋边界点；7）随机选取一个簇，选择这个簇中的横坐标最小且纵坐标最小的点、横坐标最小且纵坐标最大的点、横坐标最大且纵坐标最小的点和横坐标最大且纵坐标最大的点中的一个作为必选点；使用RANSAC算法进行房屋边界的直线检测，通过必选点随机确定一条直线y1，若其他房屋边界点距离直线y1的垂直距离在设定范围内且距离直线y1的垂直距离在设定范围内的其他房屋边界点个数≥设定的个数阈值，则表示检测出房屋边界，距离直线y1的垂直距离在设定范围内的其他房屋边界点归类属于房屋边界点集合Q1；再次通过必选点随机确定一条直线y2，若其他房屋边界点距离直线y2的垂直距离在设定范围内且距离直线y2的垂直距离在设定范围内的其他房屋边界点个数≥设定的个数阈值，则表示检测出房屋边界，直线y1和直线y2不重合，距离直线y2的垂直距离在设定范围内的其他房屋边界点归类属于房屋边界点集合Q2，将必选点用J2表示并写入房屋角点集合 J={J2，J3
……
Jn}；若检测出的属于同一条直线上的其他房屋边界点个数小于设定的个数阈值，则判定为不是房屋边界；8）设定i的初值为2；9）按照房屋边界点集合Q
i
中的房屋边界点距离房屋角点集合J中Ji点的距离由近到远对房屋边界点集合Q
i
中的房屋边界点排序，利用RANSAC算法依次对排序后的房屋边界点集合Q
i
中的房屋边界点进行直线检测；通过房屋边界点集合Q
i
中的房屋边界点随机确定一条直线ym，m=i+1，若其他房屋边界点距离直线ym在设定范围内且其他房屋边界点个数≥设定的个数阈值，则表示检测出房屋边界，其他房屋边界点和该房屋边界点集合Q
i
中的房屋边界点归类属于房屋边界点集合Qm；既属于房屋边界点集合Q
i
又属于房屋边界点集合Qm的房屋边界点设定为新的房角点Jm，并将房角点Jm写入房屋角点集合J；10）若检测出的直线ym与直线y1重...

【专利技术属性】
技术研发人员：王宁，李欣，陈正宇，徐君民，张瑞永，秦臻，陈杰，赵祥伟，周伟，谢朋朋，王威，
申请(专利权)人：中国能源建设集团江苏省电力设计院有限公司，
类型：发明
国别省市：