基于点云的室内房间要素及拓扑关系提取

房间要素是室内导航地图的关键要素之一。针对从点云中提取房间要素不仅需要精确提取房间多边形而且需要构建房间构成要素之间的拓扑关系问题，本文提出一种自上而下分割点云并自动记录房间-墙线拓扑关系的房间要素快速提取方法。首先利用点云Z值投影的高度直方图提取天花板点云；其次将天花板点云向XOY面投影，通过欧式聚类分离出每一间房间点云，以房间为单位采用α-shape算法进行房间边界点提取；然后利用随机抽样一致算法(RANSAC)结合欧式聚类方法分割房间边界点得到墙线及其参数信息，并利用墙线中点对无序墙线进行排序后计算相邻墙线的交点作为房间角点；最后，生成房间、墙和角点之间的拓扑关系。实验结果表明，该方法不仅适用于包含平面墙体的建筑点云数据，也适用于包含曲面墙体的情况，具有良好的适应性和有效性。     

利用细化空间分隔法的房间细部级室内导航元素提取

现有的室内三维模型重建中,通常将墙等承担空间分隔作用的室内导航元素看作一个整体,通过对墙的提取来实现房间子空间的分割。然而,一面墙的两个墙面形态上的差异会造成室内三维重建过程中房间细节的损失,并且引起门窗提取的困难。针对这一现象,提出了一种细化空间分隔的思想,通过将一面墙细化为两个墙面,利用区域生长算法获取墙面角点,从而获得室内的精细化表达;同时利用对应墙面上对应区域的点云密度比对方法,规避门窗提取中遮挡墙面的障碍物对提取结果的影响。结果表明,该方法可以对室内门窗进行有效地提取,从而为导航网络的生成提供了重要依据。     

自动绘制室内平面图的点云向量追踪算法

根据建筑物室内墙壁的空间姿态特征,建立了一种自动绘制室内平面图的点云向量追踪算法。首先截取一定厚度的室内墙体点云并将其投影至水平面,在投影平面上建立正方形格网,对投影后的平面点进行分割管理,并通过八邻域算法对网格内点云进行聚类。然后采用网格重心法对聚类后的点云数据进行抽稀,并根据邻域内点间距与连线向量夹角大小对抽稀后的点进行追踪排序,建立追踪方向的向量序列,结合向量序列中相邻值夹角的突变情况完成不同墙面的点云分割。最后采用最小二乘算法对分割得到的相同墙面点云进行直线拟合,求取相邻墙体直线的交点,建立房屋墙体平面投影线段及其空间连接关系,依序输出墙体投影线段,完成房屋平面图的绘制并导出DXF格式数据交换文件。通过对某小区建筑物室内扫描数据的分析,对所提算法进行验证,结果表明所提算法可准确快速地对室内三维激光扫描点云进行分析处理,并完成室内建筑物平面图的绘制。     

一种基于点云数据的建筑物平面精细分割方法

针对现有大规模点云数据平面特征分割方法中存在的错误识别、效率低、抗噪性差等问题,该文提出一种基于2D霍夫变换和八叉树的建筑物平面精细分割方法。该方法首先,对原始点云进行空间均匀降采样并向X-Y面投影,利用改进的2D霍夫变换算法提取投影后的点云线段,使用选权迭代法精确计算线段所在直线的方程及端点坐标,进一步确定立面的空间几何方程;接下来,建立原始点云数据的八叉树结构,利用端点坐标设计立方体并分割出立方体内的立面点云;最后,将立面点云从原始点云中剔除,对余下点云降采样并向X-Z面投影,重复以上过程分割水平面点云。试验验证了该文方法对建筑物面状特征分割的有效性。     

机载激光雷达点云的城市建筑物直线特征提取方法

提出一种城市机载激光雷达点云的直线特征提取方法。首先基于曲率的区域增长方法分割三维点云平面, 对每个点云平面进行二维投影,并进行网格化和二值化。其次通过稳健的二维线段检测方法获得平面的线特征,将 二维线段重投影至三维空间得到相应的三维线段,构造线特征集。最后对线特征集构建基于固定网格的直线空间 索引方法,实现基于线特征的点云索引。实验结果表明,该方法直线提取误差较低,相对平面相交法效率更高,能够 有效提取城市建筑物的直线特征,通过索引提高了特征查询效率,可满足高精度区域分割和三维建模的需求。     

直线段检测算法在机载LiDAR建筑物轮廓线提取中的应用

针对机载LiDAR点云数据提取建筑物轮廓线耗时多且精度不高的问题,本文提出了一种基于直线段检测(LSD)的机载LiDAR建筑物轮廓线提取方法。该方法首先对已分类的建筑物点云进行栅格化得到二值图;然后对二值图进行膨胀、腐蚀操作,消除二值图中因栅格化产生的空洞;最后利用LSD算法进行直线检测获取规则的建筑物轮廓线。经过实测数据的验证,本文方法可以检测到亚像素级的建筑物轮廓线,与传统的Canny算法相比能够提高约50倍的效率。     

基于球面投影的单站地面激光点云直线段提取方法

由于激光点云离散分布于三维空间,导致特征计算困难,目前针对地面激光扫描点云的直线提取方法普遍存在计算量大、提取错误、或适应性不足等问题。本文提出了一种基于球面投影的单站地面激光点云直线段提取方法:首先将三维点云投影到球面上,球面投影后的三维点云保持了正确的邻接关系,同时也解决了三维数据计算量大的问题;然后,利用球面霍夫变换,正确提取球面投影后点云中的直线段特征;最后,利用稳健的直线拟合算法计算点云中的三维直线段参数。通过对室内室外场景数据的直线段提取试验及与商业软件Geomagic Studio等方法的对比试验,验证了本方法的正确性、适用性和准确性。     

室内SLAM点云的快速分割研究

建筑物内部结构和环境复杂,由此产生的噪声等影响使其无法直接运用于室外建模中已经成熟的点云分割算法。为降低噪声带来的影响,本文提出利用直方图统计法,分别对点云进行Z轴方向和X-Y轴方向上的直方图统计,从而分割出地板面,天花板面以及墙面的"候选点"。以K-D树构建空间数据索引,计算点云中各点的法向量以及曲率,将"候选点"中面与面相交处曲率"突变"的点去除,利用区域生长算法分割出建筑物的地板面、墙面以及天花板面。以NavVis公司的M3三维激光扫描车获取的室内SLAM点云数据,对本文方法检验,实验结果表明该方法能有效地降低噪声带来的影响,并且可以对平面点云数据进行分割提取。     

利用三维激光扫描技术检测建筑物平整度及垂直度

利用地面三维激光扫描仪对某建筑物进行全自动高精度立体扫描，获得目标建筑物表面的三维空间点云信息，经过研究分析提出了一种根据点云提取建筑物中心轴线的方法，采用随机采样一致性算法（RANSAC）拟合直线，并采用整体最小二乘算法拟合平面。通过分析拟合平面及拟合直线的几何特征来检测建筑物的平整度和垂直度，实测数据分析结果表明，三维激光扫描技术在建筑物立面平整度及垂直度检测中具有较高的可行性和适用性。     

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。     

结合区域增长法和TIN边缘分割的建筑物立面几何特征提取

针对已分割出建筑物立面的点云数据,采用结合主成分分析(PCA)的区域增长法提取建筑物立面的平面特征,并利用结合凸壳算法的三角网轮廓提取算法实现建筑物立面几何特征轮廓边的提取。实验结果表明,该方法可以有效地从密度不均匀的点云数据中提取出建筑物立面几何特征。     

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。     

基于建筑平面图的室内空间拓扑模型自动生成算法

针对以建筑平面图为数据源构建室内导航模型时,建筑平面图缺少拓扑信息,尤其是缺少对房间、走廊等多边形对象拓扑描述的问题,本文提出了一种自动化构建室内空间拓扑模型的算法。该算法首先根据CAD建筑平面图的基本特征,将墙线抽象为弧段,门窗抽象为点,房间抽象为多边形;然后从起始墙线出发,将该墙线顺时针或逆时针遇到的第一条墙线作为目标房间或走廊的第一条边,依次类推,直至回到起始墙线,则完成一个房间或走廊的提取;重复上述过程,直到所有墙线均被标记两次,说明所有房间或走廊提取成功,完成墙线与房间、走廊之间的拓扑连接关系自动建立。门窗与房间之间的拓扑关系则是根据门窗与墙线的拓扑关系,推导出门窗与房间之间的拓扑关系。以某大学教学楼的建筑平面图为例进行试验,试验结果表明本文算法能够有效实现室内空间拓扑模型的自动生成。     

共享近邻聚类算法点云面线提取

针对激光点云数据进行建筑物建模或矢量信息提取中快速识别建筑物面和棱线信息的要求,该文提出基于共享近邻聚类算法进行建筑物面和棱线的快速提取方法。首先,计算点云中每个数据点的单位法向量和点到基准面的距离,利用基于网格的共享近邻聚类算法对点云进行分类确定建筑物面点云;然后,自动判别相交平面,提取建筑物棱线,并与RANSAC算法对某建筑物面的提取结果进行比较。结果证明,该方法自动化程度高,建筑物面和棱线提取快速、准确,提取结果能够应用于三维建筑物自动建模和测绘出图。     

Indoor scene reconstruction using feature sensitive primitive extraction and graph-cut

We present a method for automatic reconstruction of permanent structures, such as walls, floors and ceilings, given a raw point cloud of an indoor scene. The main idea behind our approach is a graph-cut formulation to solve an inside/outside labeling of a space partitioning. We first partition the space in order to align the reconstructed models with permanent structures. The horizontal structures are located through analysis of the vertical point distribution, while vertical wall structures are detected through feature preserving multi-scale line fitting, followed by clustering in a Hough transform space. The final surface is extracted through a graph-cut formulation that trades faithfulness to measurement data for geometric complexity. A series of experiments show watertight surface meshes reconstructed from point clouds measured on multi-level buildings.     

室内三维点云空间自动划分与规则化方法北大核心CSCD

精准空间划分是实现室内语义建模与拓扑结构重建的重要基础。三维点云作为常用的室内空间数据载体,如何基于三维点云进行室内空间语义信息提取与规则化具有重要意义。本文提出了一种基于形态学分割方法实现室内场景的分割,并结合矢量规则化方法完成分割场景的规则化。首先,基于区域增长算法与线性拟合方法提取空间分割要素,通过平面投影生成二进制影像,进而利用距离变换和分水岭算法完成空间分割;然后,对空间分割要素进行线性拟合,进行室内空间格网划分,采用矢栅叠加方法实现空间要素规则化;最后,通过4组实际场景(包含3组ISPRS数据集及1组实际场景采集数据)进行数据验证。试验结果显示,本文提出的室内空间分割与规则化方法可以准确快速地完成室内空间要素的提取。     

基于分裂合并的多模型拟合方法在点云分割中的应用

本文基于机器视觉探讨数字摄影测量三维构像下的智能数据处理要素之二：海量点云分割处理技术。多模型拟合方法通过将点云拟合到不同模型中,依照点云空间分布特征和几何结构特征进行分割。针对点云数据量巨大、分布不均匀、结构复杂等特性,本文提出一种基于多模型拟合的点云分割方法。首先通过降采样,采用基于密度分布的聚类方法,实现对点云的预分割。在预分割基础上,利用基于分裂合并的多模型拟合方法对点云进行后续拟合分割。针对平面和弧面,本文采用不同的拟合方式,最终实现对室内密集点云分割。试验结果表明,该方法能够在无须提前设置模型数目的情况下实现点云的自动分割。且相较于现有的点云分割技术,此方法相较于现今的常规方法能取得更好的分割效果,在分割的正确率上要高于现有的常规分割方法,在处理相同数据量的点云分割时,能够达到远低于常规方法的时间消耗。通过本文提出的三维点云分割方法能够实现将大规模、复杂三维点云数据分割为较为精细、具有准确模型参数的三维几何图元,为后续实现大规模、复杂场景的精确三维构象提供有力支持。     

基于激光扫描数据的建筑物信息格网化提取方法

针对车载激光扫描点云的分布密度,提出了一种把扫描数据格网化进行信息提取的新方法。实践证明,这种方法效率高,可以自动从密集的扫描数据中快速提取出建筑物信息,能够满足城市三维建模的要求。     

车载激光点云的道路标线提取及语义关联

自动驾驶技术已成为未来智能交通的发展方向之一,高精度地图为L3级及以上自动驾驶实现高精度定位和路径规划提供先验信息,是自动驾驶车辆传感器在遮挡或观测距离受限情况下的重要补充。道路标线的位置和语义信息,比如实线和虚线的绝对位置是高精度地图的基本组成部分。本文从车载激光点云中提取扫描线,根据道路边缘位置几何形态的突变从扫描线中提取道路路面,在此基础上首先利用反距离加权插值的方法把路面点云图像以一定的分辨率转换为栅格图像,其次利用基于积分图的自适应阈值分割方法把栅格图像转化为二值图像,然后利用欧氏聚类的方法从二值图像中提取标线点云,并利用特征属性筛选的方法对提取的标线点云进行语义识别,最后建立交通标线和交通规则之间的语义关联。