[發明專利]一種多尺度自適應機載LiDAR點云建筑物單體化分割方法

有效

• 申請號: 202010111526.2
• 申請日: 2020-02-24
• 公開（公告）號: CN111340822B
• 公開（公告）日: 2022-07-15
• 發明（設計）人: 張永軍;楊望山;劉欣怡;祝憲章;黃星北
• 申請（專利權）人: 武漢大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/62;G06V10/762
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 劉琰

1.一種多尺度自適應機載LiDAR點云建筑物單體化分割方法，其特征在于，該方法包括以下步驟：

步驟1、獲取建筑物的點云數據，并根據點云數據計算建筑物的點云間距；

步驟2、通過二維多尺度密度聚類算法對建筑物點云數據進行單體分割，將其分割為單體結構和非單體結構；

步驟3、去除非單體結構建筑物立面點云，將其在Z軸方向上進行縮放變換，對變換后的點云運用三維多尺度密度聚類算法進行單體分割，將其分割為屋頂單體結構和非屋頂單體結構；

步驟4、對非屋頂單體結構的建筑物點云在未縮放變換的尺度上再次運用三維多尺度密度聚類算法，將其分割為屋頂單體結構；

步驟5、將屋頂單體結構投影到XOY平面內，進行區域增長，獲得三維單體結構和三維單體結構之外的其它點云；

步驟6、將三維單體結構之外的其它點云運用密度聚類算法進行聚類，對屋頂細節結構進行識別并合并到對應的屋頂單體結構中，對于最小外接矩形長和寬大于最小建筑物閾值的非屋頂細節結構簇識別為小建筑物單體結構，否則，該簇為建筑物附屬物點云；

步驟7、將建筑物附屬物點云根據最近鄰域內所屬單體建筑類別，合并到對應的單體結構中，完成建筑物單體分割；

步驟2中所述的通過二維多尺度密度聚類算法對建筑物點云進行單體分割的具體方法為：

步驟2.1、運用二維多尺度密度聚類算法對建筑物點云進行聚類分割；

步驟2.2、根據最小外接矩形旋轉法求外接矩形的面積，利用面積的單調性，使點云向面積減小的方向旋轉，求面積的最小值來改進最小外接矩形算法；

步驟2.3、利用改進的最小外接矩形算法，根據最小外接矩形長和寬的閾值判斷該簇是噪點還是待評估的結構，同時根據該簇點云數與該簇最小外接矩形面積的比值判斷該簇是噪點還是待評估的結構；

步驟2.4、對待評估的結構利用提出的建筑物單體分割評估方法進行評估，判斷該簇點是單體結構還是非單體結構；

步驟2.5、對非單體結構，通過減小搜索半徑閾值再次進行聚類，直至搜索半徑減小到最小閾值，完成二維多尺度密度聚類算法的單體分割；

步驟2.2中所述的改進的最小外接矩形算法的具體方法為：

步驟2.2.1、對該簇點云旋轉α＝0度，求該簇點云的最大值與最小值，通過最大值與最小值計算該簇點的面積為area1；

步驟2.2.2、如果α＜90，對該點進行旋轉α＝α+0，求旋轉后該簇點云的最大值與最小值，通過最大值與最小值計算該簇點的面積為area2，比較area1與area2的大小，如果area1大于area2，則將area2的值賦值給area1，則對點云簇繼續旋轉α＝α+0，直至area1小于area2，返回α＝α-0角度和旋轉該角度對應的頂點坐標；

步驟2.2.3、如果α＜90，對該點進行旋轉α＝α+0，求旋轉后該簇點云的最大值與最小值，通過最大值與最小值計算該簇點的面積為area2，比較area1與area2的大小，如果area1小于area2，將area2的值賦值給area1，則對該點進行旋轉α＝α-θ，如果α＞-90，求旋轉后該簇點云的最大值與最小值，通過最大值與最小值計算該簇點的面積為area2，如果area1大于area2，則對點云簇繼續旋轉α＝α-0，直至area1小于area2，返回α＝α+0角度和旋轉該角度對應的頂點坐標；

步驟2.2.4、根據最小外接矩形頂點坐標，求最小外接矩形的長、寬和面積；

步驟2.4中所述的對待評估的結構利用提出的建筑物單體分割評估方法進行評估，判斷該簇點是單體結構還是非單體結構，其具體方法為：

步驟2.4.1、對該簇點云求最大值最小值，根據點云的最值，計算格網的行數和列數，建立二維格網，將點云填充到對應的格網內；

步驟2.4.2、對格網內點數不為零的格網標記為true，否則標記為fault，統計有點格網的個數number2dt；

步驟2.4.3、利用步驟2.4.1的最值，計算格網的行數nx、列數ny和層數nz，建立三維格網；

步驟2.4.4、對三維格網從零行零列的最上層開始往下查找格網內點數不為零的格網，將其標記為true，對應行列號下面所有層均標記為true，一直到底層，并對每個訪問過得格網標記已訪問；

步驟2.4.5、按照順序，從最上層開始往下查找格網內點數不為零的格網，按照步驟2.4.4對所有的三維格網進行查找，統計三維格網標記為true的個數number3d；

步驟2.4.6、根據建筑物是柱體結構，利用二維格網內有點云的格網數與三維格網的層數，可以根據公式計算理論上標記三維格網標記為true的格網個數number3dt；其公式為：

number3dt＝number2dt*nz

式中，number3dt表示三維格網內理論上標記為true的格網個數；number2dt表示二維格網標記為true的格網個數；nz表示三維格網的層數；

步驟2.4.7、根據三維格網實際標記為true的格網個數與理論上標記為true的格網個數比值，判斷該簇點云為單體結構還是非單體結構：

ratio＝number3d/number3dt

式中，ratio是三維格網內實際標記為true的格網個數與理論上標記為true的格網個數比值，比值越接近1越有可能是單體結構；number3d表示三維格網內實際標記為true的格網個數；

步驟3中所述的去除非單體結構建筑物立面點云，將其在Z軸方向上進行縮放變換，對變換后的點云運用三維多尺度密度聚類算法進行單體分割，將其分割為屋頂單體結構和非屋頂單體結構，其具體方法為：

步驟3.1、對非單體結構點云創建kd-tree，對非單體結構表面法向量進行估計，通過點云的法向量刪除建筑物立面點云；

步驟3.2、將刪除立面的非單體結構點云將Z值進行縮放變換，X、Y值不變；

步驟3.3、對縮放變換的點云，運用密度聚類算法進行聚類；

步驟3.4、利用改進的最小外接矩形算法，根據最小外接矩形的長和寬的閾值判斷該簇是噪點還是待評估的結構，同時根據該簇點云數與該簇最小外接矩形面積的比值判斷該簇是噪點還是待評估的結構；

步驟3.5、對待評估的結構利用提出的建筑物單體分割評估方法進行評估，判斷該簇點是屋頂單體結構還是非屋頂單體結構；

步驟3.6、通過減小搜索半徑閾值再次進行聚類，直至搜索半徑減小到最小閾值，完成三維多尺度密度聚類算法的單體分割；

步驟6中所述的將三維單體結構之外的其它點云運用密度聚類算法進行聚類，對屋頂細節結構進行識別并合并到對應的屋頂單體結構中，對于最小外接矩形長和寬大于最小建筑物閾值的非屋頂細節結構簇識別為小建筑物單體結構，否則，該簇為建筑物附屬物點云；其具體方法為：

步驟6.1、對三維單體結構之外的其它點云運用密度聚類算法聚類，獲得各個簇結構；

步驟6.2、對每一個單體結構求最值，對步驟6.1聚類的簇求最值，通過下面公式判斷該結構是否為屋頂細節結構；

max_sx＞max_cx

max_sy＞max_cy

max_sz-max_cz＞buffer_zmin

min_sx＞min_cx

min_sy＞min_cy

max_sz-max_cz＜buffer_zmax

式中，單體結構求最大值(max_sx，max_sy，max_sz)，最小值(min_sx，min_sy，min_sz)，步驟6.1聚類簇的最大值(max_cx，max_cy，max_cz)，最小值(min_cx，min_cy，min_cz)，buffer_zmin是屋頂單體細節結構的最大值與屋頂單體結構最大值差值的最小值；buffer_zmax是屋頂單體細節結構的最大值與屋頂單體結構最大值差值的最大值；

步驟6.3、滿足步驟6.2的單體結構為屋頂細節結構，將該屋頂細節結構點云合并到對應的單體結構中，實現單體結構的合并；

步驟6.4、對于不滿足步驟6.2的并且最小外接矩形的長和寬大于最小單體建筑物閾值的為小建筑物單體結構，否則，該簇為建筑物附屬物點云。

2.根據權利要求1所述的多尺度自適應機載LiDAR點云建筑物單體化分割方法，其特征在于，步驟5中所述的將屋頂單體結構投影到XOY平面內，進行區域增長，獲得三維單體結構和三維單體結構之外的其它點云，其具體方法為：

步驟5.1、求步驟2中的非單體結構點云的最大值與最小值，根據格網的大小，計算格網的行數、列數，將點云填充到二維格網內；

步驟5.2、建立步驟5.1同樣的格網，將某個單體結構填充到建立的格網內，根據格網內點數為非零的格網的ID找到步驟5.1中對應的格網ID，將該格網內的點添加到區域增長的類中，完成該單體的區域增長；

步驟5.3、對步驟3、步驟4所得的屋頂單體結構，重復步驟5.2，實現屋頂單體結構的區域增長，獲得三維單體結構。