[發明專利]基于灰度體元模型的機載LIDAR三維建筑物檢測方法

有效

• 申請號: 201711362017.1
• 申請日: 2017-12-18
• 公開（公告）號: CN108109139B
• 公開（公告）日: 2022-01-14
• 發明（設計）人: 王麗英;趙元丁;卜麗靜
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/187;G06T17/20
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李運萍

1.一種基于灰度體元模型的機載LIDAR三維建筑物檢測方法，其特征在于，包括以下步驟：

步驟1：讀取原始機載LIDAR點云數據，形成原始機載LIDAR點云數據集；

步驟2：將原始機載LIDAR點云數據規則化為灰度3D體元數據集；

步驟2.1：從原始機載LIDAR點云數據中剔除異常數據，得到去除異常數據集；

步驟2.2：將去除異常數據集規則化為灰度3D體元數據集；

步驟3：對灰度3D體元數據集進行建筑物屋頂體元檢測；

步驟3.1：基于建筑物邊緣點的高程跳變特性，從灰度3D體元數據集中搜索建筑物邊緣體元作為種子體元V_k，其中，k＝1，2，...；

步驟3.2：對任一未標記的種子體元V_k，深度優先遍歷灰度3D體元數據集中與種子體元V_k3D連通且灰度差小于灰度差閾值T_g的所有未標記體元，并標記為L_l，直至標記所有與種子體元V_k3D連通且灰度差小于灰度差閾值T_g的體元集合，即建筑物屋頂體元集合，其中，l為標記標簽的索引，l＝1，2，...；

步驟3.3：基于面積特性、密度特性及強度特性，對建筑物屋頂體元集合進行優化，完成建筑物屋頂檢測；

步驟4：基于緩沖區分析，對灰度3D體元數據集進行建筑物立面體元檢測；

所述步驟2.2具體包含如下步驟：

步驟2.2.1.用去除異常數據的有向包圍盒表示3D空間范圍；

步驟2.2.2：根據去除異常數據集中激光點的平均點間距確定體元在x、y、z方向上的分辨率(Δx，Δy，Δz)，即體元大??；

步驟2.2.3：依據體元分辨率(Δx，Δy，Δz)對有向包圍盒進行劃分，得到3D體元格網，每一個3D體元格網單元即為體元；

步驟2.2.4：將去除異常數據集中各個激光點映射到3D體元格網，進而根據3D體元格網中包含的激光點的強度屬性為各體元賦值，得到灰度3D體元數據集；

所述步驟4具體包含如下步驟：

步驟4.1：檢測各個建筑物屋頂的輪廓；

步驟4.2：在水平面上，以任一建筑物屋頂輪廓為中心，以一個體元為寬度向內側和外側建立緩沖區；

步驟4.3：對任一非0值體元，若其位于緩沖區內部且其灰度值與其對應的建筑物屋頂的灰度值之差小于灰度差閾值T_g，則判定為建筑物立面體元；

所述根據3D體元格網中包含的激光點的強度屬性為各體元賦值的具體過程如下所示：

將含有激光點的體元賦值為激光點強度均值、將不含有激光點的體元賦值為0，進一步將各體元賦值離散化到{0，…，255}，得到各體元值。

2.根據權利要求1所述的基于灰度體元模型的機載LIDAR 3D建筑物檢測方法，其特征在于，所述步驟2.1具體包含如下步驟：

步驟2.1.1：統計原始機載LIDAR點云數據中各個激光點高程值的頻次，并以直方圖的形式可視化顯示統計結果；

步驟2.1.2：確定與真實地形對應的最高高程閾值T_h和最低高程閾值T_l；

步驟2.1.3：針對原始機載LIDAR點云數據中各個激光點，若其高程值高于最高高程閾值T_h或低于最低高程閾值T_l，則該激光點為異常數據，進行剔除，否則保留該激光點，最終獲得去除異常數據集。

3.根據權利要求1所述的基于灰度體元模型的機載LIDAR 3D建 筑物檢測方法，其特征在于，所述步驟3.2具體包含如下步驟：

3.2.1：初始化一個空棧，將V_k存入棧中并標記其為建筑物體元；

3.2.2：從棧頂彈出一個棧頂元素，獲取與該棧頂元素3D連通且灰度差小于灰度差閾值T_g的所有未標記的體元，標記為建筑物體元并存入棧中；

3.2.3：判斷棧是否為空，若是，則灰度3D體元數據集中所有建筑物屋頂體元均被標記，否則，返回步驟3.2.2。

4.根據權利要求1所述的基于灰度體元模型的機載LIDAR 3D建筑物檢測方法，其特征在于，所述步驟3.3具體包含如下步驟：

步驟3.3.1：基于面積特性剔除非建筑物屋頂的3D連通區域；

步驟3.3.2：基于密度特性剔除非建筑物屋頂的3D連通區域；

步驟3.3.3：基于強度特性剔除非建筑物屋頂的3D連通區域。