顾及局部特征的三维点云建筑物轮廓精确化提取

建筑物是城市的重要组成部分,从三维点云数据中精细化地提取建筑物特征是当前研究的热点。本文提出了一种顾及局部特征的三维点云建筑物轮廓精确化提取方法。首先,采用基于统计学的滤波预处理方法,分离地面点与非地面点,去除离群点,降低点云数量;然后,通过基于改进3D Hough变换的建筑物立面提取方法,提取点云数据的多立面,提高立面提取的精度和效率;最后,采用基于降维边界索引的点云轮廓精准提取方法,获取局部特征和外部轮廓特征。结果表明,该方法能够充分兼顾建筑物的整体外部轮廓及局部细节特征,高效准确地实现建筑物的精确化提取,为城市规划、城市更新等相关应用提供技术支持。     

车载联合机载点云数据的建筑物立面建模

针对建筑物立面几何模型构建的难题,该文提出了一套完整的建筑物立面提取方法。在车载-机载LiDAR点云数据精确配准的基础上,首先提取出机载建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云分割,然后采用随机抽样一致性(RANSAC)平面探测算法探测建筑物主立面,最后结合立面语义规则及面片之间的拓扑关系构建建筑物立面的三维线框模型。实验结果表明,新方法能准确、有效地构建建筑物立面模型。     

车载联合机载点云数据的建筑物立面建模

针对建筑物立面几何模型构建的难题,该文提出了一套完整的建筑物立面提取方法。在车载-机载LiDAR点云数据精确配准的基础上,首先提取出机载建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云分割,然后采用随机抽样一致性(RANSAC)平面探测算法探测建筑物主立面,最后结合立面语义规则及面片之间的拓扑关系构建建筑物立面的三维线框模型,实验结果表明,新方法能准确、有效地构建建筑物立面模型。     

车载联合机载点云数据的建筑物立面建模

针对建筑物立面几何模型构建的难题,该文提出了一套完整的建筑物立面提取方法。在车载-机载LiDAR点云数据精确配准的基础上,首先提取出机载建筑物的外轮廓线,通过设置轮廓线缓冲区实现立面点云分割,然后采用随机抽样一致性(RANSAC)平面探测算法探测建筑物主立面,最后结合立面语义规则及面片之间的拓扑关系构建建筑物立面的三维线框模型,实验结果表明,新方法能准确、有效地构建建筑物立面模型。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

近景图像序列线特征约束的建筑物立面重建

针对单纯利用近景图像序列点特征进行建筑物立面重建存在的问题,该文提出一种线特征约束下建筑物建模方法。首先利用运动恢复结构技术恢复相机参数和空间点云数据,并在此基础上利用多视图立体方法生成三维稠密点云;然后对图像序列进行基于梯度方向的边缘检测及顾及方向和长度的直线特征拟合;再利用多约束条件实现直线特征匹配及提取;最后基于三维点、线特征实现建筑物立面的三维重建。实验结果表明,该方法能有效利用近景图像序列点、线特征的优势互补重建建筑物的几何立面,更好地恢复建筑物立面的轮廓信息。     

基于移动激光扫描点云数据和遥感图像的建筑物三维模型快速建模方法

建筑物的三维建模是城市三维建模和可视化的重要组成部分。本文提出一种基于点云数据与遥感图像的建筑物三维模型快速建模方法。首先,运用改进的RANSAC法从点云数据中提取建筑立面,根据立面区分平顶建筑与人字形屋顶建筑;在此基础上,进一步对建筑物的高度进行提取;之后,利用区域增长法从遥感图像中提取建筑物屋顶轮廓,利用形态学方法对提取出的轮廓进行规则化处理,并基于Freeman链码提取轮廓角点,得到规整的轮廓;最后,根据提取出的建筑高度属性对屋顶轮廓拉伸并进行纹理映射,实现对建筑物的三维重建。通过实例证明,提出的方法能快速、高效地实现建筑物三维模型的重建。     

车载LiDAR点云中建筑物立面位置边界的自动提取

提出了一种基于点云特征图像和特征值分析的车载LiDAR点云建筑物立面位置边界的自动提取方法。首先利用车载LiDAR点云数据生成扫描区域的点云特征图像,并通过图像处理手段提取可能的建筑物目标点云;然后对提取的目标点云进行剖面分析和特征值分析,识别建筑物目标;最后对建筑物点云进行平面分割,提取建筑物立面,并对立面点云进行特征值分析,得到建筑物立面与地面交接的三维位置边界。实验结果表明,该方法能快速有效地提取车载LiDAR点云数据中的建筑物目标,同时提取的建筑物立面位置边界与原始点云能准确符合。     

一种基于无人机倾斜摄影的高精度单体三维建模方法

传统倾斜摄影测量在同时获取正射和倾斜影像数据时,往往对建筑物低空立面纹理采集不够精细,且多数建筑物或地物模型毗连成片,不利于单独管理与使用。鉴于此,提出了一种高精度单体三维建模方法。首先结合建筑物几何特征和分辨率需求,研究三维环绕式航线设计方案,采集覆盖全局的高分辨率影像数据;然后将倾斜摄影模型的点云划分为虚拟网格,并将每个虚拟网格中的点云视为一个整体,通过设置高差提取建筑立面的点云,经点云分类处理,进一步提取轮廓信息;最后通过提取轮廓线相交三角形,实现单个建筑模型的三维构建。结果表明,该方法能自动、高效地单体化构建倾斜摄影建筑模型,对工程建设与发展具有一定的应用价值。     

车载LiDAR点云中建筑物立面的自动分割

将建筑物立面数据从散乱无序的车载LiDAR点云中分割出来是一项繁琐而艰巨的任务。本文提出基于基础地理数据辅助的分割方法:首先对基础地理数据进行要素精简,提取有效的建筑物轮廓数据;然后将提取数据转换到车载LiDAR点云数据所在坐标系中,实现坐标基准的统一;再根据建筑物立面特征设置合理的建筑物轮廓缓冲阈值,对建筑物立面点云进行自动分割;最后采用合理的质量评价机制,对分割结果进行检核和评价,实现分割结果的质量控制。实验表明文中方法简单有效。     

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。     

三维激光扫描技术在建筑立面数字化采集和立面绘制方向应用的可行性研究

利用三维激光扫描技术可对建筑立面进行数据采集,通过对采集的三维点云数据进行拼接、去噪、提取等操作可得到完整的建筑立面点云数据。本文利用三维激光扫描仪快速获取了建筑立面数据,得到高精度的三维点云,将三维点云数据导入CAD中进行绘制,可以将建筑立面各个附属物件的位置、尺寸勾画清楚,保证立面图的准确性和可用性。     

三维激光扫描技术用于老旧小区改造中二维信息提取与平面制图

在老旧小区改造过程中，需要对小区建筑的外部、内部结构面等信息数据进行提取。针对传统测绘方法工作量大、成本高、周期长等问题，本文以云南省红河州某海关住宿楼老旧小区改造项目为例，基于三维激光扫描技术获取的点云数据，对建筑物的外立面、楼梯内部结构和楼顶面进行了扫描。基于Leica Cyclone软件进行了点云数据配准、滤波去噪、数据分层管理等试验研究，整合点云数据后采用CAD软件绘制了该老旧建筑的外立面、剖面和平面的图，并使用全站仪、测距仪等传统测量手段对本次扫描成果的测量精度和准确性进行了检查评价，二维制图的平均精度可以达到1.54 cm。试验结果表明，三维激光扫描技术可以得到现场的三维点云数据，通过高密度、高精度、高质量的点云数据可完整地记录现场所有数据形态，其对于后续老旧小区改造项目的数据获取及成图拥有完整的解决方案。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素，在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取，以及提取精度评定各环节存在的一些问题，提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上，首先利用改进的区域生长算法滤波地面点，并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点；再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面；最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算，通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明，综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息，对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

利用双向布料模拟的机载建筑物点云提取

针对现有机载激光扫描数据的建筑物提取方法过程复杂且易受植被干扰的问题,本文提出了一种利用双向布料模拟策略的建筑物提取方法。首先在正向布料模拟滤波的基础上,构建归一化数字表面模型提取过高建筑物,并采用反向布料模拟,从其余地物点中粗提取建筑物顶面点云;然后进行穿透性分析,并结合形态学操作进一步剔除错提的植被点;最后,以包含顶面点云的三维格网为种子格网,根据格网之间的邻接关系和内部点云几何特征进行约束生长,获取完整建筑物点云。试验结果表明,在复杂场景中,该方法能够有效避免植被的干扰,快速提取建筑物点云,具有提取精度高、计算时间少的优点。     

LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

旧城改造中建筑物立面快速提取方法

旧城改造目前面临诸多问题,如传统的测量手段不仅测量效率低,而且对于结构比较复杂的建筑物无法精确地获取建筑物立面的全部信息,施测不全面,建模效率低等。首先利用三维激光扫描技术获取建筑物精细、整体的点云数据,借助多个建模平台联合作业的方式,结合现场照片进行复杂建筑物的三维重建,从而获取目标建筑物各个方向的立面信息。经过大量验证和对比分析,该方法可以快速获得建筑物精确、真实、全面的立面信息,提高工作效率,为智慧城市的建设和规划提供详细可靠的信息支持。     

Efficient building facade structure extraction method using image-based laser point cloud

Facade structures from three-dimensional (3D) point cloud data (PCD) and two-dimensional (2D) optical images can provide significant information for 3D building modeling. However, a unified data model for integrating 2D imagery pixels and 3D PCD is absent in current methods, leading to a complex implementation process, large calculations, and inefficiency. An efficient facade structure extraction method for building facades is proposed in this study. Based on the conversion matrix, 2D image and 3D PCD information are merged to build an image-based laser point cloud (ILPC) data model first. Second, both the line segment detection and random sample consensus algorithms are improved according to the structure and characteristics of the ILPC data model. Finally, building facade structures are extracted and optimized. Facade structures can be extracted accurately and efficiently by the proposed method, which contains rich information support from the ILPC data model. The proposed method extracts fine building facade structures with accuracy over 0.68 in all experiments and recall up to 0.81, which are better than the Wang method. Extracted structures constitute valuable support for numerous fields, such as 3D building modeling and building information modeling construction.     

一种基于室内点云数据的建筑墙线提取

针对室内点云数据无结构化属性、数据间无连接、不承载语义信息且数据点密度高的特点,结合建筑物点云几何特征和室内导航需求,通过数据降维简化建筑几何特征提取的复杂性,提出一种基于室内点云数据提取建筑物墙线的方法。该方法首先通过向特定方向投影,利用点云密度直方图完成天花板面、地板面和房间墙面的初步分割;然后将房间墙面点云数据向地面投影,生成点云分布矩阵并将其转化为二值图,利用Hough变换算法提取直线,并利用直线方程求取交点得到备选墙线;最后将备选墙线和墙线点云二值图进行叠加从而获取最终建筑墙线。     

单体建筑物点云数据的CSF净化处理

从场景整体点云数据中提取单体建筑物的点云是建筑物单体三维建模的基础。然而，现有点云提取方法在提取建筑物点云数据时往往包含部分植被、地面等非建筑数据点，不利于建筑物对象建模。针对该问题，本文提出使用CSF方法对初步提取的建筑物点云数据进行净化处理。该方法首先将场景点云数据投影生成点云图像，根据图像特征初步提取单体建筑物点云数据；然后对获得的单体建筑物点云数据采用CSF方法进行净化处理，可以获得较为纯净的单体建筑物点云数据。本文以南京师范大学仙林校区部分区域为研究对象对该方法进行了验证。结果表明，该方法可以较好地对建筑物点云数据进行净化，得到较为纯净的单体建筑物点云数据，为基于点云数据的建筑物单体模型构建打下了良好的基础。