【技术实现步骤摘要】
基于两步无监督聚类算法的激光点云数据自动建模方法
[0001]本专利技术涉及点云数据建模
,具体是一种基于两步无监督聚类算法的激光点云数据自动建模方法。
技术介绍
[0002]目前,三维激光扫描技术是几何信息采集最先进的测量技术之一,其通过高速激光扫描测量,快速获取被测建筑环境的详细3D点云数据,极大提高现场建筑信息采集的精度和效率。
[0003]然而,点云数据实际空间离散点的几何坐标信息,无法直接应用于工程实践中。现阶段点云数据生成模型通常需将点云导入建模软件中,建模人员手动完成,这需要软件交互和专业操作人员,且耗时、主观易出错。而且根据职业建模人员及相关人员的报告称,即使一个简单设施,超过三分之二的工作将点云数据手动转换为三维模型,这极大破坏了3D扫描技术带来的效益。
技术实现思路
[0004]本专利技术的目的在于提供一种基于两步无监督聚类算法的激光点云数据自动建模方法,以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的,本专利技术提供如下技术方案:
[0006]一种基于两步无监督聚类算法的激光点云数据自动建模方法,包括以下步骤:
[0007]S1:计算点云数据的边界多维数据集,并将边界多维数据集分为子多维数据集,最后将点云分配到对应的子多维数据集,得到预处理后的点云数据;
[0008]S2:采用无监督聚类算法P2C,基于对点的几何性质的分层统计分析依次对预处理后的点云数据进行点聚类和面聚类,得到表面数据集;
[0009]S3:对得到 ...
【技术保护点】
【技术特征摘要】
1.一种基于两步无监督聚类算法的激光点云数据自动建模方法,其特征在于,包括以下步骤:S1:计算点云数据的边界多维数据集,并将边界多维数据集分为子多维数据集,最后将点云分配到对应的子多维数据集,得到预处理后的点云数据;S2:采用无监督聚类算法P2C,基于对点的几何性质的分层统计分析依次对预处理后的点云数据进行点聚类和面聚类,得到表面数据集;S3:对得到的表面数据集,先使用高斯混合模型计算每个聚类表面边界点的局部切线,并进行局部切线建模,来提取每个聚类表面边界方向,再利用图形切割的快速能量最小化过程对每个聚类提取的边界进行细化,来减少边界的数量;S4:挤压每个聚类表面对应的边界形成一组不重叠的三维模型,最后将每个子多维数据集对应的三维模型进行合并形成完整的三维点云模型。2.根据权利要求1所述的基于两步无监督聚类算法的激光点云数据自动建模方法,其特征在于,步骤S1具体为:首先计算整个点云数据的边界多维数据集,然后将边界多维数据集细分为内存可管理的子多维数据集,最后将点云分配到对应的子多维数据集,得到预处理后的点云数据。3.根据权利要求2所述的基于两步无监督聚类算法的激光点云数据自动建模方法,其特征在于,步骤S2具体为:采用两步无监督聚类算法P2C,在预处理后的点云数据上基于对数据几何性质分层统计分析依次进行点聚类和面聚类,得到表面数据集。4.根据权利要求3所述的基于两步无监督聚类算法的激光点云数据自动建模方法,其特征在于,所述点聚类是利用相同结构对应的点具有相似几何特性的原理,将点云数据聚类成多个单独的几何要素面,每个点P由局部几何的六维特征向量f
p
表示,并满足以下公式:f
p
=<N
X
,N
Y
,N
Z
,P
Z
,h
var
,n
var
>
ꢀꢀꢀꢀ
(1)其中,Nx、Ny和Nz是通过平均八个邻域法向量计算的每个点云的法向量分量,Pz是点的高度,H
var
和n
var
分别为点的八个邻域周围的局部高度方差和法向方差,通过捕捉每个点高度和法线在领域上的相对变化,来减少在点聚类过程中同心聚类产生,并且在点聚类过程中,判断P
j
和P1‑
n
的相邻n个点是不是的一部分,采用似然检测方法λ(f
pσ
)判断点p
k
的特征向量是否添加到聚类面片,如果添加成功,则重新计算均值和协方差矩阵,λ(f
pσ
)表达式如下:式中和分别是均值和协方差矩阵,是协方差矩阵的对角向量,为六维高斯函数,κ是经验分配值;重复上述迭代过程,直到所有候...
【专利技术属性】
技术研发人员:金哲,杨世强,李小来,董能伦,刘晓华,方权,侯金华,张学锋,姚俊,杨晓东,苏毅,方春华,胡涛,董语涵,李海涛,朱海峰,马立,
申请(专利权)人:国网湖北省电力有限公司超高压公司,
类型:发明
国别省市:
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。