一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法
【專利摘要】本發(fā)明公開(kāi)了一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，包括對(duì)點(diǎn)云進(jìn)行豎直投影、生成二維灰度圖像、利用Otsu算法分割建筑物點(diǎn)云、主成分分析、最佳鄰域計(jì)算、輪廓線提取等6個(gè)步驟；本發(fā)明實(shí)現(xiàn)了從原始點(diǎn)云中快速、準(zhǔn)確地分割出建筑物點(diǎn)云,并且全自動(dòng)地完成建筑物輪廓線點(diǎn)云的提取。
【專利說(shuō)明】
一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于地面激光點(diǎn)云數(shù)據(jù)處理應(yīng)用技術(shù)領(lǐng)域，涉及一種對(duì)原始三維點(diǎn)云數(shù)據(jù) 進(jìn)行建筑物的精確分割和自動(dòng)的輪廓線提取方法。
【背景技術(shù)】
[0002] 地面激光掃描技術(shù)是一項(xiàng)新興的三維測(cè)量掃描技術(shù)，其獲取的海量高精度的點(diǎn)云 數(shù)據(jù)，可以提供大規(guī)模精細(xì)的三維信息，更好地反映建筑物的細(xì)節(jié)和層次信息，對(duì)構(gòu)建高精 度數(shù)字模型而言，是一種嶄新的方法。地面激光為我們提供高質(zhì)量點(diǎn)云數(shù)據(jù)的同時(shí)，數(shù)據(jù)量 也成倍的增長(zhǎng)，對(duì)我們處理它產(chǎn)生了一定的難度。造成這一問(wèn)題的原因主要有兩個(gè):一是在 掃描目標(biāo)建筑物點(diǎn)云的同時(shí)，不可避免的引入噪聲和非目標(biāo)地物點(diǎn)云數(shù)據(jù);二是大多數(shù)建 筑物立面可看成由許多大小不等的平面組成，每個(gè)平面除去少量外輪廓的點(diǎn)云對(duì)后續(xù)建模 有幫助，大部分平面內(nèi)部點(diǎn)云是可以被刪除的。本發(fā)明旨在解決上述兩個(gè)問(wèn)題，并將發(fā)明分 為建筑物點(diǎn)云分割和輪廓線提取兩個(gè)部分。
[0003] 目前，建筑物點(diǎn)云分割的方法有區(qū)域增長(zhǎng)法、基于邊緣的方法、基于特征聚類的方 法、基于二維影像的方法、基于回波強(qiáng)度的方法等。上述分割算法中，有的精度高但計(jì)算復(fù) 雜，有的耗時(shí)短但存在誤分割或適應(yīng)性的問(wèn)題。目前，還沒(méi)有一種完善的算法，在分割的計(jì) 算中可以很好地兼顧精度和速度。本發(fā)明結(jié)合基于二維影像的方法和區(qū)域增長(zhǎng)法，并做出 一定的改進(jìn)，完成了一種兼顧精度和速度的分割算法。
[0004] 目前，建筑物點(diǎn)云輪廓線提取的方法主要有基于三角格網(wǎng)的方法、基于格網(wǎng)劃分 的方法、基于點(diǎn)的特征信息的方法等。這些方法多是根據(jù)點(diǎn)云的細(xì)節(jié)信息，利用特征提取或 者條件約束完成輪廓線點(diǎn)云的提取，它們有著共同的問(wèn)題就是計(jì)算較為復(fù)雜，時(shí)間復(fù)雜度 高，并且針對(duì)不同的點(diǎn)云數(shù)據(jù)實(shí)驗(yàn)效果好壞不一。本發(fā)明重點(diǎn)研究了點(diǎn)云特征描述方法和 最佳尺度確定的方法，充分利用點(diǎn)云的鄰域信息和空間幾何關(guān)系，并引入主成分分析與香 農(nóng)熵的計(jì)算，不但提高了輪廓線提取算法的精度和自適應(yīng)性，而且針對(duì)不同的地面激光點(diǎn) 云數(shù)據(jù)，無(wú)需反復(fù)調(diào)整閾值，實(shí)現(xiàn)了輪廓線的自動(dòng)提取。

【發(fā)明內(nèi)容】

[0005] 為了解決上述技術(shù)問(wèn)題，本發(fā)明提供了一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪 廓線提取方法，本發(fā)明主要涉及兩部分內(nèi)容，即建筑物點(diǎn)云分割模塊與建筑物點(diǎn)云輪廓線 提取模塊。本發(fā)明的目的在于能夠?qū)崿F(xiàn)從原始三維點(diǎn)云中快速、準(zhǔn)確地分割出建筑物點(diǎn)云、 并且全自動(dòng)地完成建筑物輪廓線點(diǎn)云的提取。
[0006] 本發(fā)明所采用的技術(shù)方案是:一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取 方法，其特征在于，包括以下步驟：
[0007] 步驟1:對(duì)點(diǎn)云進(jìn)行豎直投影；
[0008] 輸入原始三維點(diǎn)云，對(duì)原始三維點(diǎn)云進(jìn)行豎直投影，凸顯不同地物的點(diǎn)云分布特 占 .
[0009] 步驟2:生成二維灰度圖像；
[0010] 根據(jù)點(diǎn)云的X、Y坐標(biāo)范圍建立水平格網(wǎng)，統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)投影點(diǎn)個(gè)數(shù)，并以此生成 二維灰度圖像，建立三維點(diǎn)云與二維影像之間的聯(lián)系；
[0011] 步驟3:利用Otsu算法分割建筑物點(diǎn)云；
[0012] 對(duì)原始三維點(diǎn)云進(jìn)行建筑物分割;根據(jù)建筑物在二維灰度圖像中的灰度特點(diǎn)，使 用Otsu算法對(duì)圖像進(jìn)行分割，圖像分割后再將影像轉(zhuǎn)換為三維點(diǎn)云，即可完成建筑物分割；
[0013] 步驟4:主成分分析；
[0014] 對(duì)分割后的建筑物點(diǎn)云進(jìn)行主成分分析，計(jì)算出每個(gè)點(diǎn)的維度特征值；
[0015] 步驟5:最佳鄰域計(jì)算；
[0016] 在不同尺度下分別進(jìn)行主成分分析，計(jì)算不同尺度下維度特征值，再根據(jù)熵函數(shù)， 自動(dòng)計(jì)算出每個(gè)點(diǎn)的最佳鄰域，得出每個(gè)點(diǎn)的主維度，從而將點(diǎn)云分為線狀點(diǎn)云、面狀點(diǎn) 云、散亂點(diǎn)云三類；
[0017] 步驟6:輪廓線提??；
[0018]根據(jù)幾何位置關(guān)系，對(duì)面狀點(diǎn)云進(jìn)行輪廓線提取處理;先為每個(gè)點(diǎn)確定其所在的 平面，再判斷此點(diǎn)是在平面的邊緣還是平面內(nèi)部，根據(jù)平面中的點(diǎn)與其鄰域點(diǎn)形成的線段 夾角和約為360°來(lái)濾除平面中的點(diǎn)，從而保留每個(gè)平面的輪廓線點(diǎn)云。
[0019] 作為優(yōu)選，步驟1中所述的對(duì)原始三維點(diǎn)云進(jìn)行豎直投影，是將原始三維點(diǎn)云沿Z 軸投影至X、Y平面上，僅保留每個(gè)點(diǎn)的X、Y坐標(biāo);其投影公式為：
[0020]
[0021] 作為優(yōu)選，步驟2中所述的統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)投影點(diǎn)個(gè)數(shù)，記為投影點(diǎn)密度DoPP，調(diào) 整所有格網(wǎng)的DoPP的取值范圍，將其線性拉伸到0-255,用拉伸后的值模擬每個(gè)格網(wǎng)的灰 度，生成二維灰度圖像。
[0022] 作為優(yōu)選，步驟3中所述的Otsu算法對(duì)圖像進(jìn)行分割，是計(jì)算出灰度閾值T，以閾值 T將影像分為目標(biāo)和背景兩類，使它們的類間方差g為最大，g由公式(2)計(jì)算得出；
[0023] g= ω〇ωι(μ〇-μι)2 (2)；
[0024] 其中ω〇、CO1為兩類各占比例，μο^為兩類的平均灰度。
[0025]作為優(yōu)選，所述的Otsu算法的包括以下兩點(diǎn)改進(jìn)：
[0026] (1)分塊求解;在進(jìn)行Otsu算法的時(shí)候，并不是對(duì)所有的點(diǎn)云數(shù)據(jù)僅進(jìn)行一次計(jì) 算，而是依據(jù)建筑物立面在整個(gè)場(chǎng)景內(nèi)的分布情況，對(duì)場(chǎng)景范圍進(jìn)行劃分，在每個(gè)子場(chǎng)景內(nèi) 分別進(jìn)行一次Otsu算法;劃分原則為，盡可能多的滿足，在每個(gè)子場(chǎng)景中，同時(shí)含有建筑物 立面數(shù)據(jù)和其他地物數(shù)據(jù)，尤其是保證建筑物點(diǎn)云中DoPP值相對(duì)較小的部分滿足上述要 求，這樣做可以顯著提升點(diǎn)云分割的正確率；
[0027] 將圖像L在X和Y方向上分別劃分為m和η等份，得到每個(gè)子場(chǎng)景的范圍：
[0028] Lij = xi*yi(i = l,2,··· ,m； j = l,2,··· ,n) (3)；
[0029]在每個(gè)Lij內(nèi)進(jìn)行一次Otsu算法，最后取每個(gè)子場(chǎng)景分割出的建筑物立面數(shù)據(jù)的合 集，得到最終的分割結(jié)果；
[0030] (2)結(jié)合建筑物立面點(diǎn)云在豎直投影后可形成連續(xù)的線段這一特點(diǎn)，對(duì)于漏分割 的點(diǎn)云部分，利用區(qū)域增長(zhǎng)算法進(jìn)行補(bǔ)償;其具體的計(jì)算流程包括以下子步驟：
[0031] 步驟3.1:選取種子點(diǎn)；設(shè)原始三維點(diǎn)云投影生成灰度圖像的像素灰度為g[i][j]， 經(jīng)過(guò)Otsu分塊求解算法處理后像素灰度為G[ i ] [ j ]，設(shè)定標(biāo)記數(shù)組B[ i ] [ j ]，記錄每個(gè)像素 的屬性，三個(gè)數(shù)組的相同的下標(biāo)對(duì)應(yīng)同一個(gè)像素;遍歷每個(gè)像素，若有像素P滿足G[px][p y]> 〇且其四鄰域或八鄰域有任意一個(gè)像素q符合G[qx] [qy] = 0且g[qx] [qy]>0,那么B[px] [py]= 1，否則B[px][py]=0,其中像素p、q的關(guān)系滿足公式(4);選取所有標(biāo)記為I的像素作為種子
占.
[0032]
[0033] 步驟3.2:設(shè)定區(qū)域增長(zhǎng)條件，即閾值Τ;設(shè)種子點(diǎn)像素為ρ、其鄰域點(diǎn)像素為q，將種 子點(diǎn)G[px][p y]與其鄰域點(diǎn)g[qx][qy]作比較，若其商滿足G[px][p y]/g[qx][qy]〈T，則將g[qx] Uy]值賦予G[q x] [qy]，并將B[qx] [qy]標(biāo)記為1，若其商滿足G[px] [py]/g[qx] [qy]彡T，則將B [qx] [qy]標(biāo)記為〇，當(dāng)P與其對(duì)應(yīng)的所有q均完成上述操作時(shí)，將B[px] [py]標(biāo)記為0 ;
[0034] 步驟3.3:區(qū)域增長(zhǎng);對(duì)B = 1的像素看做新的種子點(diǎn)，并返回執(zhí)行步驟3.2;
[0035] 步驟3.4:結(jié)束條件;數(shù)組B中的所有元素均為0，即所有點(diǎn)的標(biāo)記均為0，區(qū)域增長(zhǎng) 結(jié)束。
[0036]作為優(yōu)選，步驟4中所述的主成分分析是通過(guò)對(duì)每個(gè)點(diǎn)及其鄰域點(diǎn)的三維坐標(biāo)構(gòu) 建協(xié)方差矩陣，計(jì)算出矩陣的三個(gè)特征值，以此分析出每個(gè)點(diǎn)屬于三個(gè)維度特征的概率a1D、 a2D、a 3D;其具體實(shí)現(xiàn)過(guò)程包括以下子步驟：
[0037]步驟4.1:根據(jù)點(diǎn)云密度和精度要求，設(shè)定鄰域半徑r的取值范圍[rmin，rmax]，以及 取值間隔；
[0038]步驟4.2:在不同鄰域半徑下，分別進(jìn)行主成分分析；
[0039]首先利用每個(gè)掃描點(diǎn)Xi及其鄰域點(diǎn)V1·的三維坐標(biāo)(Xi=(Xhy^Zi) I i ev1·}構(gòu)造協(xié) 方差矩陣：
[0040]
[0041] 矩陣C為一個(gè)3*3的矩陣，其f為點(diǎn)集f的重 心坐標(biāo)，矩陣M的具體形式為：
[0042]
[0043] 然后計(jì)算矩陣C的三個(gè)特征值人1、\2山，并按照\(chéng)1多\2多\ 3的規(guī)則進(jìn)行排列；
[0044]步驟4.3:計(jì)算每個(gè)點(diǎn)的三個(gè)維度特征；
[0045] A
,根據(jù)公式(7)計(jì)算每個(gè)點(diǎn)的三個(gè)維度特征，即一維線狀 特征aiD、二維面狀特征a2D和二維散亂點(diǎn)特征a3D;其中aiD、a2D、a3D的和為1，換言之，aiD、a2D、 a3D分別代表了掃描點(diǎn)屬于三個(gè)維度特征的概率；
[0046]
[0047] 作為優(yōu)選，步驟5中所述的最佳鄰域計(jì)算，是根據(jù)熵函數(shù)計(jì)算每個(gè)點(diǎn)的最佳鄰域， 見(jiàn)公式(8):
[0048] Ef (vr) =-aiDln(aiD)-a2Dln(a2D)-a3Dln(a3D) (8);
[0049] 其中a1D、a2D、a3D是主成分分析中得到的每個(gè)點(diǎn)屬于三個(gè)維度特征的概率。
[0050] 根據(jù)公式(8)計(jì)算不同r值下的鄰域點(diǎn)集的熵值；當(dāng)熵取最小值時(shí)，表示在此鄰域 下該點(diǎn)的主維度特征最突出，此時(shí)對(duì)應(yīng)的半徑f即為最佳鄰域半徑。
[0051]作為優(yōu)選，步驟6中所述的根據(jù)幾何位置關(guān)系，對(duì)面狀點(diǎn)云進(jìn)行輪廓線提取處理； 其具體實(shí)現(xiàn)過(guò)程包括以下子步驟：
[0052] 步驟6.1:根據(jù)最佳鄰域P確定X點(diǎn)的最佳鄰域點(diǎn)集y %
[0053] 步驟6.2:確定點(diǎn)集所在平面。根據(jù)RANCAC隨機(jī)抽樣一致算法，從，中隨機(jī)抽取兩 個(gè)不同點(diǎn)PQ，七丨1，j e η ?β，并重復(fù)多次（重復(fù)次數(shù)與的點(diǎn)個(gè)數(shù)相同），計(jì)算X、 XnXj三點(diǎn)所在平面方程并統(tǒng)計(jì)中其余點(diǎn)到平面的歐氏距離和，選取使距離和最小的平 面Sxpq的兩鄰域點(diǎn)Xp、Xq，將Xp ;從，中刪除；
[0054] 步驟6.3:刪除平面外部點(diǎn)。遍歷，，計(jì)算每個(gè)XAXP、Xq三點(diǎn)確定的平面Sipq方程， 設(shè)定角度閾值 θ1，當(dāng)平面Sipq與平面Sxpq的夾角小于，認(rèn)定Xi在平面Sxpq上，否則將Xi從 中刪除。
[0055] 步驟6.4:設(shè)XXp為起始邊，遍歷'計(jì)算每個(gè)ZXpXXi，設(shè)定角度閾值θ 2,選取小于02 中使ZXpXXi最小的鄰域點(diǎn)X1 ' ；
[0056] 步驟6.5:判斷X1 '與Xp的方向，如果X1 '在X1^順時(shí)針?lè)较?，就按照順時(shí)針?lè)较蛉ニ?索;否則，按照逆時(shí)針?biāo)阉飨乱粋€(gè)鄰域點(diǎn)；
[0057]步驟6.6:將步驟6.4得到的鄰域點(diǎn)與X構(gòu)成的線段設(shè)為起始邊，重復(fù)步驟6.4尋求 滿足條件的下一個(gè)鄰域點(diǎn)Χ2'，Χ3'，···，Χη'，直到搜索不到滿足條件的鄰域點(diǎn)；
[0058] 步驟6.7:計(jì)算^1心；〇：1'+2匕24-.11<的角度和，若和約等于360°，將點(diǎn)父視為平 面中的點(diǎn)，將其濾除，否則視為邊緣點(diǎn)，將其保留。
[0059] 由于傳統(tǒng)的建筑物點(diǎn)云分割方法和輪廓線提取方法在精度、速度、適用性、自動(dòng)化 等方面有著不同程度的不足，并且無(wú)法做到同時(shí)兼顧，因此本發(fā)明針對(duì)以上問(wèn)題進(jìn)行了改 進(jìn)，本發(fā)明的優(yōu)點(diǎn)在于：
[0060] 1、本發(fā)明提出的建筑物點(diǎn)云分割方法兼顧速度和精度。
[0061 ] (1)本發(fā)明在建筑物點(diǎn)云分割中，把三維點(diǎn)云轉(zhuǎn)換成二維影像，使用整體分割的方 法，避免了針對(duì)每一個(gè)點(diǎn)的計(jì)算，從而提高了計(jì)算速度。
[0062] (2)針對(duì)Otsu在建筑物點(diǎn)云分割中精度的不足，提出了分塊求解和區(qū)域增長(zhǎng)的改 進(jìn)方法，既提高了建筑物點(diǎn)云的分割精度，又不增加過(guò)多的計(jì)算，保證了分割速度快的優(yōu) 點(diǎn)。
[0063] 2、本發(fā)明提出的建筑物點(diǎn)云輪廓線提取方法是一種全自動(dòng)的方法，無(wú)需人工干 預(yù)，并且適用性強(qiáng)。本發(fā)明通過(guò)主成分分析和熵函數(shù)可自動(dòng)計(jì)算出每個(gè)點(diǎn)的最佳鄰域半徑， 并將點(diǎn)云按照維度特征進(jìn)行分類，最后根據(jù)面狀點(diǎn)云內(nèi)部點(diǎn)固有的幾何關(guān)系自動(dòng)提取輪廓 線點(diǎn)云，在算法設(shè)計(jì)中特地將距離閾值轉(zhuǎn)換為角度閾值，用每個(gè)點(diǎn)與鄰域點(diǎn)的相對(duì)位置關(guān) 系替代絕對(duì)位置關(guān)系，這樣針對(duì)不同點(diǎn)云數(shù)據(jù)無(wú)需修改實(shí)驗(yàn)中的閾值，達(dá)到自動(dòng)提取的目 的。
【附圖說(shuō)明】
[0064] 圖1:本發(fā)明實(shí)施例的流程圖。
【具體實(shí)施方式】
[0065] 為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā) 明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說(shuō)明和解釋本發(fā)明，并不 用于限定本發(fā)明。
[0066]請(qǐng)見(jiàn)圖1，本發(fā)明提供的一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法， 包括以下步驟：
[0067]步驟1:對(duì)點(diǎn)云進(jìn)行豎直投影；
[0068]輸入原始三維點(diǎn)云，對(duì)原始三維點(diǎn)云進(jìn)行豎直投影，凸顯不同地物的點(diǎn)云分布特 占 .
[0069] 對(duì)原始三維點(diǎn)云進(jìn)行豎直投影，是將原始三維點(diǎn)云沿Z軸投影至Χ、Υ平面上，僅保 留每個(gè)點(diǎn)的X、Y坐標(biāo);其投影公式為：
[0070]
[0071] 步驟2:生成二維灰度圖像；
[0072] 根據(jù)點(diǎn)云的Χ、Υ坐標(biāo)范圍建立水平格網(wǎng)，統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)投影點(diǎn)個(gè)數(shù)，記為投影點(diǎn) 密度DoPP，調(diào)整所有格網(wǎng)的DoPP的取值范圍，將其線性拉伸到0-255,用拉伸后的值模擬每 個(gè)格網(wǎng)的灰度，并以此生成二維灰度圖像，建立三維點(diǎn)云與二維影像之間的聯(lián)系；
[0073] 步驟3:對(duì)點(diǎn)云進(jìn)行初始的建筑物分割；
[0074] 根據(jù)建筑物部分在二維灰度圖像中的灰度特點(diǎn)，使用Otsu算法對(duì)圖像進(jìn)行分割， Otsu算法的主要原理是計(jì)算出灰度閾值Τ，以閾值T將影像分為目標(biāo)和背景兩類，使它們的 類間方差g為最大，g由公式⑵計(jì)算得出。其中COhco 1為兩類各占比例，為兩類的平均 灰度。
[0075] g= ω〇ωι(μ〇-μι)2 (2)；
[0076] 圖像分割后再將影像轉(zhuǎn)換為三維點(diǎn)云，即可完成建筑物初始分割。一般情況下，初 始分割可得到建筑物主體部分，但存在部分錯(cuò)誤分割區(qū)域。
[0077]步驟4:對(duì)點(diǎn)云進(jìn)行精確的建筑物分割；
[0078]結(jié)合初始分割結(jié)果中，錯(cuò)誤分割區(qū)域的分布特點(diǎn)，使用一種改進(jìn)的Otsu算法進(jìn)行 精確分割。改進(jìn)算法包含兩個(gè)部分，分塊求解和區(qū)域增長(zhǎng)補(bǔ)償漏分割區(qū)域。經(jīng)過(guò)此步驟，可 以準(zhǔn)確、完成地分割出建筑物點(diǎn)云，剔除大量地面、樹(shù)木等非目標(biāo)地物點(diǎn)云數(shù)據(jù)。
[0079] (1)分塊求解;在進(jìn)行Otsu算法的時(shí)候，并不是對(duì)所有的點(diǎn)云數(shù)據(jù)僅進(jìn)行一次計(jì) 算，而是依據(jù)建筑物立面在整個(gè)場(chǎng)景內(nèi)的分布情況，對(duì)場(chǎng)景范圍進(jìn)行劃分，在每個(gè)子場(chǎng)景內(nèi) 分別進(jìn)行一次Otsu算法;劃分原則為，盡可能多的滿足，在每個(gè)子場(chǎng)景中，同時(shí)含有建筑物 立面數(shù)據(jù)和其他地物數(shù)據(jù)，尤其是保證建筑物點(diǎn)云中DoPP值相對(duì)較小的部分滿足上述要 求，這樣做可以顯著提升點(diǎn)云分割的正確率；
[0080] 將圖像L在X和Y方向上分別劃分為m和η等份，得到每個(gè)子場(chǎng)景的范圍：
[0081] Lij = xi*yi(i = l,2,··· ,m； j = l,2,··· ,n) (3)；
[0082]在每個(gè)Lij內(nèi)進(jìn)行一次Otsu算法，最后取每個(gè)子場(chǎng)景分割出的建筑物立面數(shù)據(jù)的合 集，得到最終的分割結(jié)果；
[0083] (2)結(jié)合建筑物立面點(diǎn)云在豎直投影后可形成連續(xù)的線段這一特點(diǎn)，對(duì)于漏分割 的點(diǎn)云部分，利用區(qū)域增長(zhǎng)算法進(jìn)行補(bǔ)償;其具體的計(jì)算流程包括以下子步驟：
[0084]步驟4.1:選取種子點(diǎn)；設(shè)原始三維點(diǎn)云投影生成灰度圖像的像素灰度為g[i][j]， 經(jīng)過(guò)Otsu分塊求解算法處理后像素灰度為G[ i ] [ j ]，設(shè)定標(biāo)記數(shù)組B[ i ] [ j ]，記錄每個(gè)像素 的屬性，三個(gè)數(shù)組的相同的下標(biāo)對(duì)應(yīng)同一個(gè)像素;遍歷每個(gè)像素，若有像素 P滿足G[px][py]> 〇且其四鄰域或八鄰域有任意一個(gè)像素 q符合G[qx] [qy] = 0且g[qx] [qy]>0,那么B[px] [py]= 1，否則B[px][py]=0,其中像素 p、q的關(guān)系滿足公式(4);選取所有標(biāo)記為I的像素作為種子
占 .
[0085]
[0086] 步驟4.2:設(shè)定區(qū)域增長(zhǎng)條件，即閾值Τ;設(shè)種子點(diǎn)像素為ρ、其鄰域點(diǎn)像素為q，將種 子點(diǎn)G[px][p y]與其鄰域點(diǎn)g[qx][qy]作比較，若其商滿足G[px][p y]/g[qx][qy]〈T，則將g[qx] Uy]值賦予G[qx] [qy]，并將B[qx] [qy]標(biāo)記為1，若其商滿足G[px] [py]/g[qx] [qy]彡T，則將B [qx] [qy]標(biāo)記為〇，當(dāng)P與其對(duì)應(yīng)的所有q均完成上述操作時(shí)，將B[px] [py]標(biāo)記為0 ;
[0087] 步驟4.3:區(qū)域增長(zhǎng);對(duì)B = I的像素看做新的種子點(diǎn)，并返回執(zhí)行步驟3.2;
[0088] 步驟4.4:結(jié)束條件;數(shù)組B中的所有元素均為0,即所有點(diǎn)的標(biāo)記均為0,區(qū)域增長(zhǎng) 結(jié)束。
[0089]步驟5:主成分分析；
[0090]輪廓線提取的首要步驟是按照點(diǎn)與其鄰域點(diǎn)的位置關(guān)系，將點(diǎn)云分為線狀點(diǎn)云、 面狀點(diǎn)云、散亂點(diǎn)云三類。主成分分析可以對(duì)復(fù)雜無(wú)序的點(diǎn)云數(shù)據(jù)進(jìn)行分析計(jì)算，進(jìn)而得到 三個(gè)維度X、Y、Z之間的關(guān)系，確定每個(gè)點(diǎn)的類型。主成分分析的主要計(jì)算流程是通過(guò)對(duì)每個(gè) 點(diǎn)及其鄰域點(diǎn)的三維坐標(biāo)構(gòu)建協(xié)方差矩陣，計(jì)算出矩陣的三個(gè)特征值，以此分析出每個(gè)點(diǎn) 屬于三個(gè)維度特征的概率a 1D、a2D、a3D;其具體實(shí)現(xiàn)過(guò)程包括以下子步驟：
[0091] 步驟5.1:根據(jù)點(diǎn)云密度和精度要求，設(shè)定鄰域半徑r的取值范圍[rmin，rmax]，以及 取值間隔；
[0092] 步驟5.2:在不同鄰域半徑下，分別進(jìn)行主成分分析；
[0093]首先利用每個(gè)掃描點(diǎn)Xi及其鄰域點(diǎn)V1·的三維坐標(biāo)(Xi=(Xhy^Zi) I i ev1·}構(gòu)造協(xié) 方差矩陣：
[0094]
[0095] 矩陣C為一個(gè)3*3的矩陣，其牛f為點(diǎn)集Vlr的重 心坐標(biāo)，矩陣M的具體形式為：
[0096]
[0097]然后計(jì)算矩陣C的三個(gè)特征值人1、\2山，并按照\(chéng)1多\ 2多\3的規(guī)則進(jìn)行排列；
[0098] 步驟5.3:計(jì)算每個(gè)點(diǎn)的三個(gè)維度特征；
[0099]
，根據(jù)公式(7)計(jì)算每個(gè)點(diǎn)的三個(gè)維度特征，即一維線狀 特征aiD、二維面狀特征a2D和二維散亂點(diǎn)特征a3D;其中aiD、a2D、a3D的和為1，換言之，aiD、a2D、 a3D分別代表了掃描點(diǎn)屬于三個(gè)維度特征的概率；
[0100]
[0101] 步驟6:最佳鄰域計(jì)算；
[0102] 在不同尺度下分別進(jìn)行主成分分析，計(jì)算不同尺度下維度特征值，再根據(jù)熵函數(shù)， 自動(dòng)計(jì)算出每個(gè)點(diǎn)的最佳鄰域，得出每個(gè)點(diǎn)的主維度，從而將點(diǎn)云分為線狀點(diǎn)云、面狀點(diǎn) 云、散亂點(diǎn)云三類；
[0103] 在主成分分析計(jì)算每個(gè)點(diǎn)的維度特征時(shí)，點(diǎn)的維度特征會(huì)隨著鄰域點(diǎn)集的變化而 改變，針對(duì)不同區(qū)域的點(diǎn)云數(shù)據(jù)，由于每個(gè)點(diǎn)的深度的不同，點(diǎn)云密度和鄰域點(diǎn)數(shù)量的不確 定性，我們很難在某一固定的尺度下得到最正確的特征點(diǎn)集。為此，根據(jù)熵函數(shù)計(jì)算每個(gè)點(diǎn) 的最佳鄰域，見(jiàn)公式(8);
[0104] Ef (vr) =-aiDln(aiD)-a2Dln(a2D)-a3Dln(a3D) (8);
[0105] 根據(jù)公式(8)計(jì)算不同r值下的鄰域點(diǎn)集的熵值；當(dāng)熵取最小值時(shí)，表示在此鄰域 下該點(diǎn)的主維度特征最突出，此時(shí)對(duì)應(yīng)的半徑f即為最佳鄰域半徑。
[0106] 步驟7:輪廓線提??；
[0107] 根據(jù)幾何位置關(guān)系，對(duì)面狀點(diǎn)云進(jìn)行輪廓線提取處理;先為每個(gè)點(diǎn)確定其所在的 平面，再判斷此點(diǎn)是在平面的邊緣還是平面內(nèi)部，根據(jù)平面中的點(diǎn)與其鄰域點(diǎn)形成的線段 夾角和約為360°來(lái)濾除平面中的點(diǎn)，從而保留每個(gè)平面的輪廓線點(diǎn)云。
[0108] 根據(jù)幾何位置關(guān)系，對(duì)面狀點(diǎn)云進(jìn)行輪廓線提取處理;其具體實(shí)現(xiàn)過(guò)程包括以下 子步驟：
[0109] 步驟7.1:根據(jù)最佳鄰域P確定X點(diǎn)的最佳鄰域點(diǎn)集，％
[0110] 步驟7.2:確定點(diǎn)集所在平面。根據(jù)RANCAC隨機(jī)抽樣一致算法，從，中隨機(jī)抽取兩 個(gè)不同點(diǎn)體，％i，i η :?右j}，.并重復(fù)多次(重復(fù)次數(shù)與，的點(diǎn)個(gè)數(shù)相同），計(jì)算X、Xl、 Xj三點(diǎn)所在平面方程并統(tǒng)計(jì)，>中其余點(diǎn)到平面的歐氏距離和，選取使距離和最小的平面 Sxpq的兩鄰域點(diǎn)Xp、Xq，將Xp ;從V〃中刪除；
[0111] 步驟7.3:刪除平面外部點(diǎn)。遍歷，，計(jì)算每個(gè)XAXP、Xq三點(diǎn)確定的平面Sipq方程， 設(shè)定角度閾值 θ1，當(dāng)平面Sipq與平面Sxpq的夾角小于，認(rèn)定Xi在平面Sxpq上，否則將XiWv i^ 中刪除。
[0112] 步驟7.4:設(shè)XXA起始邊，遍歷，卄算每個(gè)ZXpXXi，設(shè)定角度閾值θ2，選取小于02 中使ZXpXXi最小的鄰域點(diǎn)X1 ' ；
[0113] 步驟7.5:判斷X1 '與Xp的方向，如果X1 '在X1^順時(shí)針?lè)较?，就按照順時(shí)針?lè)较蛉ニ?索;否則，按照逆時(shí)針?biāo)阉飨乱粋€(gè)鄰域點(diǎn)；
[0114]步驟7.6:將步驟7.4得到的鄰域點(diǎn)與X構(gòu)成的線段設(shè)為起始邊，重復(fù)步驟7.4尋求 滿足條件的下一個(gè)鄰域點(diǎn)Χ2'，Χ3'，···，Χη'，直到搜索不到滿足條件的鄰域點(diǎn)；
[0115] 步驟7.7:計(jì)；
的角度和，若和約等于360°，將點(diǎn)X視為平 面中的點(diǎn)，將其濾除，否則視為邊緣點(diǎn)，將其保留。
[0116] 應(yīng)當(dāng)理解的是，本說(shuō)明書(shū)未詳細(xì)闡述的部分均屬于現(xiàn)有技術(shù)。
[0117] 應(yīng)當(dāng)理解的是，上述針對(duì)較佳實(shí)施例的描述較為詳細(xì)，并不能因此而認(rèn)為是對(duì)本 發(fā)明專利保護(hù)范圍的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán) 利要求所保護(hù)的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護(hù)范圍之內(nèi)，本發(fā) 明的請(qǐng)求保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【主權(quán)項(xiàng)】
1. 一種地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征在于，包括以下步 驟： 步驟1:對(duì)點(diǎn)云進(jìn)行豎直投影； 輸入原始三維點(diǎn)云，對(duì)原始三維點(diǎn)云進(jìn)行豎直投影，凸顯不同地物的點(diǎn)云分布特點(diǎn)； 步驟2:生成二維灰度圖像； 根據(jù)點(diǎn)云的X、Y坐標(biāo)范圍建立水平格網(wǎng)，統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)投影點(diǎn)個(gè)數(shù)，并以此生成二維 灰度圖像，建立三維點(diǎn)云與二維影像之間的聯(lián)系； 步驟3:利用Otsu算法分割建筑物點(diǎn)云； 對(duì)原始三維點(diǎn)云進(jìn)行建筑物分割；根據(jù)建筑物在二維灰度圖像中的灰度特點(diǎn)，使用 Otsu算法對(duì)圖像進(jìn)行分割，圖像分割后再將影像轉(zhuǎn)換為三維點(diǎn)云，即可完成建筑物分割； 步驟4:主成分分析； 對(duì)分割后的建筑物點(diǎn)云進(jìn)行主成分分析，計(jì)算出每個(gè)點(diǎn)的維度特征值； 步驟5:最佳鄰域計(jì)算； 在不同尺度下分別進(jìn)行主成分分析，計(jì)算不同尺度下維度特征值，再根據(jù)熵函數(shù)，自動(dòng) 計(jì)算出每個(gè)點(diǎn)的最佳鄰域，得出每個(gè)點(diǎn)的主維度，從而將點(diǎn)云分為線狀點(diǎn)云、面狀點(diǎn)云、散 亂點(diǎn)云三類； 步驟6:輪廓線提??； 根據(jù)幾何位置關(guān)系，對(duì)面狀點(diǎn)云進(jìn)行輪廓線提取處理;先為每個(gè)點(diǎn)確定其所在的平面， 再判斷此點(diǎn)是在平面的邊緣還是平面內(nèi)部，根據(jù)平面中的點(diǎn)與其鄰域點(diǎn)形成的線段夾角和 約為360°來(lái)濾除平面中的點(diǎn)，從而保留每個(gè)平面的輪廓線點(diǎn)云。2. 根據(jù)權(quán)利要求1所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于:步驟1中所述的對(duì)原始三維點(diǎn)云進(jìn)行豎直投影，是將原始三維點(diǎn)云沿Z軸投影至X、Y平 面上，僅保留每個(gè)點(diǎn)的Χ、Υ坐標(biāo);其投影公式為：3. 根據(jù)權(quán)利要求1所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于:步驟2中所述的統(tǒng)計(jì)每個(gè)格網(wǎng)內(nèi)投影點(diǎn)個(gè)數(shù)，記為投影點(diǎn)密度DoPP，調(diào)整所有格網(wǎng)的 DoPP的取值范圍，將其線性拉伸到0-255,用拉伸后的值模擬每個(gè)格網(wǎng)的灰度，生成二維灰 度圖像。4. 根據(jù)權(quán)利要求1所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于:步驟3中所述的Otsu算法對(duì)圖像進(jìn)行分割，計(jì)算出灰度閾值T，以閾值T將影像分為目 標(biāo)和背景兩類，使它們的類間方差g為最大，g由公式(2)計(jì)算得出； g= ω〇ωι(μ〇-μι)2 (2)； 其中ω〇、ωχ為兩類各占比例，為兩類的平均灰度。5. 根據(jù)權(quán)利要求4所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于，所述的Otsu算法的包括以下兩點(diǎn)改進(jìn)： (1)分塊求解;在進(jìn)行Otsu算法的時(shí)候，并不是對(duì)所有的點(diǎn)云數(shù)據(jù)僅進(jìn)行一次計(jì)算，而 是依據(jù)建筑物立面在整個(gè)場(chǎng)景內(nèi)的分布情況，對(duì)場(chǎng)景范圍進(jìn)行劃分，在每個(gè)子場(chǎng)景內(nèi)分別 進(jìn)行一次otsu算法;劃分原則為，盡可能多的滿足，在每個(gè)子場(chǎng)景中，同時(shí)含有建筑物立面 數(shù)據(jù)和其他地物數(shù)據(jù)，尤其是保證建筑物點(diǎn)云中DoPP值相對(duì)較小的部分滿足上述要求，這 樣做可以顯著提升點(diǎn)云分割的正確率； 將圖像L在X和Y方向上分別劃分為m和η等份，得到每個(gè)子場(chǎng)景的范圍： Lij = xi*yi(i = l，2，···，m; j = l，2，···，n) (3)； 在每個(gè)Lij內(nèi)進(jìn)行一次Otsu算法，最后取每個(gè)子場(chǎng)景分割出的建筑物立面數(shù)據(jù)的合集， 得到最終的分割結(jié)果； (2)結(jié)合建筑物立面點(diǎn)云在豎直投影后可形成連續(xù)的線段這一特點(diǎn)，對(duì)于漏分割的點(diǎn) 云部分，利用區(qū)域增長(zhǎng)算法進(jìn)行補(bǔ)償;其具體的計(jì)算流程包括以下子步驟： 步驟3.1:選取種子點(diǎn)；設(shè)原始三維點(diǎn)云投影生成灰度圖像的像素灰度為g[i][j]，經(jīng)過(guò) Otsu分塊求解算法處理后像素灰度為G[ i ] [ j ]，設(shè)定標(biāo)記數(shù)組B[ i ] [ j ]，記錄每個(gè)像素的屬 性，三個(gè)數(shù)組的相同的下標(biāo)對(duì)應(yīng)同一個(gè)像素;遍歷每個(gè)像素，若有像素 P滿足G[px][py]>0且 其四鄰域或八鄰域有任意一個(gè)像素 q符合G[qx] [qy] =0且g[qx] [qy]>0，那么B[px] [py] = 1， 否則B[px][py]=0,其中像素 p、q的關(guān)系滿足公式(4);選取所有標(biāo)記為1的像素作為種子點(diǎn)；步驟3.2:設(shè)定區(qū)域增長(zhǎng)條件，即閾值T;設(shè)種子點(diǎn)像素為p、其鄰域點(diǎn)像素為q，將種子點(diǎn) G[px][py]與其鄰域點(diǎn) g[qx][qy]作比較，若其商滿足 G[px][py]/g[qx][qy]〈T，則將 g[qx][qy] 值賦予G[qx] [qy]，并將B[qx] [qy]標(biāo)記為1，若其商滿足G[px] [py]/g[qx] [qy]彡T，則將B[qx] [qy]標(biāo)記為〇，當(dāng)P與其對(duì)應(yīng)的所有q均完成上述操作時(shí)，將B[p x] [py]標(biāo)記為0; 步驟3.3:區(qū)域增長(zhǎng);對(duì)B= 1的像素看做新的種子點(diǎn)，并返回執(zhí)行步驟3.2; 步驟3.4:結(jié)束條件;數(shù)組B中的所有元素均為0，即所有點(diǎn)的標(biāo)記均為0，區(qū)域增長(zhǎng)結(jié)束。6.根據(jù)權(quán)利要求1所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于:步驟4中所述的主成分分析是通過(guò)對(duì)每個(gè)點(diǎn)及其鄰域點(diǎn)的三維坐標(biāo)構(gòu)建協(xié)方差矩陣， 計(jì)算出矩陣的三個(gè)特征值，以此分析出每個(gè)點(diǎn)屬于三個(gè)維度特征的概率a 1D、a2D、a3D;其具體 實(shí)現(xiàn)過(guò)程包括以下子步驟： 步驟4.1:根據(jù)點(diǎn)云密度和精度要求，設(shè)定鄰域半徑r的取值范圍[rmin，rmax]，以及取值 間隔； 步驟4.2:在不同鄰域半徑下，分別進(jìn)行主成分分析； 首先利用每個(gè)掃描點(diǎn)t及其鄰域點(diǎn)，的三維坐標(biāo)|ie，}構(gòu)造協(xié)方差矩 陣：矩陣C為一個(gè)3*3的矩陣，其中M =⑷-兄馬-- f)T，f為點(diǎn)集V的重心坐 標(biāo)，矩陣Μ的具體形式為：然后計(jì)算矩陣C的三個(gè)特征值h、λ2、λ3，并按照心彡λ2彡λ 3的規(guī)則進(jìn)行排列； 步驟4.3:計(jì)算每個(gè)點(diǎn)的三個(gè)維度特征；，根據(jù)公式(7)計(jì)算每個(gè)點(diǎn)的三個(gè)維度特征，即一維線狀特征 aiD、二維面狀特征a2D和二維散亂點(diǎn)特征a3D;其中aiD、a2D、a3D的和為1，換言之，aiD、a2D、a3D分 別代表了掃描點(diǎn)屬于三個(gè)維度特征的概率；7. 根據(jù)權(quán)利要求6所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于:步驟5中所述的最佳鄰域計(jì)算，是根據(jù)熵函數(shù)計(jì)算每個(gè)點(diǎn)的最佳鄰域，見(jiàn)公式(8): Ef (vr) = -aiDln(aiD)~a2Dln(a2D)~a3Dln(a3D) (8)； 其中aiD、a2D、a3D是主成分分析中得到的每個(gè)點(diǎn)屬于三個(gè)維度特征的概率； 根據(jù)公式(8)計(jì)算不同r值下的鄰域點(diǎn)集的熵值；當(dāng)熵取最小值時(shí)，表示在此鄰域下該 點(diǎn)的主維度特征最突出，此時(shí)對(duì)應(yīng)的半徑f即為最佳鄰域半徑。8. 根據(jù)權(quán)利要求7所述的地面激光點(diǎn)云數(shù)據(jù)的建筑物分割與輪廓線提取方法，其特征 在于:步驟6中所述的根據(jù)幾何位置關(guān)系，對(duì)面狀點(diǎn)云進(jìn)行輪廓線提取處理;其具體實(shí)現(xiàn)過(guò) 程包括以下子步驟： 步驟6.1:根據(jù)最佳鄰域f確定X點(diǎn)的最佳鄰域點(diǎn)集f % 步驟6.2:確定點(diǎn)集所在平面;根據(jù)RANCAC隨機(jī)抽樣一致算法，從中隨機(jī)抽取兩個(gè)不 同點(diǎn)·[；〇, .YJi，j e ν' n i羊小并重復(fù)多次，重復(fù)次數(shù)與的點(diǎn)個(gè)數(shù)相同，計(jì)算XdnXjS 點(diǎn)所在平面方程并統(tǒng)計(jì)W中其余點(diǎn)到平面的歐氏距離和，選取使距離和最小的平面Sxpq的 兩鄰域點(diǎn)X P、Xq，將XP、Xq從中刪除； 步驟6.3:刪除平面外部點(diǎn)；遍歷v〃，計(jì)算每個(gè)乂:與^、Xq三點(diǎn)確定的平面Sipq方程，設(shè)定 角度閾值Θ1，當(dāng)平面Sipq與平面Sxpq的夾角小于，認(rèn)定Xi在平面Sxpq上，否則將Xi從V_〃中刪 除； 步驟6.4:設(shè)XXPS起始邊，遍歷v 〃計(jì)算每個(gè)ZXpXXi，設(shè)定角度閾值θ2，選取小于02中使 ZXpXXi最小的鄰域點(diǎn)X!' ； 步驟6.5:判斷Xi '與XP的方向，如果Xi '在順時(shí)針?lè)较颍桶凑枕槙r(shí)針?lè)较蛉ニ阉?否 貝1J，按照逆時(shí)針?biāo)阉飨乱粋€(gè)鄰域點(diǎn)； 步驟6.6:將步驟6.4得到的鄰域點(diǎn)與X構(gòu)成的線段設(shè)為起始邊，重復(fù)步驟6.4尋求滿足 條件的下一個(gè)鄰域點(diǎn)χ2'，χ3'，···，Xn'，直到搜索不到滿足條件的鄰域點(diǎn)； 步驟6.7 :計(jì)算+ /的角度和，若和約等于360°，將點(diǎn)X視為平面中 的點(diǎn)，將其濾除，否則視為邊緣點(diǎn)，將其保留。
【文檔編號(hào)】G06K9/46GK106056614SQ201610393443
【公開(kāi)日】2016年10月26日
【申請(qǐng)日】2016年6月3日
【發(fā)明人】萬(wàn)幼川, 秦家鑫, 何培培, 陳茂霖, 盧維欣, 王思穎
【申請(qǐng)人】武漢大學(xué)