[发明专利]一种基于木构件的古建筑点云自动分割方法

说明书

本发明公开了一种基于木构件的古建筑点云自动分割方法，针对目前从三维激光扫描点云中基于古建筑木构件分割自动化程度较低的现状，提出一种自动对古建筑进行精确、快速分割的新方法。该方法首先基于点云数据通过聚类方法提取柱列截面点云，然后提取柱构件参数，再基于柱构件参数对古建筑点云数据自动转正，然后通过区域增长的方法对古建筑木柱构件点云进行分割，再利用古建筑几何结构知识、尺寸信息等基于包围盒的方法对梁、枋等木构件点云进行分割，相比传统的手动对构件进行点云分割，本发明提供的方法能够提升效率，简化算法。

技术领域

本发明涉及到一种建筑领域，具体的涉及一种基于木构件的古建筑点云自动分割方法。

背景技术

由于三维激光扫描测量技术具有快速、准确、非接触等特性，使得其在古建筑数字化保护领域中具有重要的社会和经济意义。但由于古建筑结构复杂、场景规模宏大且三维激光雷达点云具有数据量大、离散性、噪声和漏洞严重等特性，快速、高效、自动的古建筑三维点云数据处理仍是极富挑战性的难题。古建筑数字化保护的诸多应用如古建筑的建筑信息模型(Building Information Modeling，简称BIM)、古建筑形变监测、古建筑数字化存档等，数据处理的第一步需要先从古建筑点云中分割出构件点云。目前分割构件点云的方法主要是利用第三方软件平台手动的对古建筑点云数据进行木构件分割。这种手动分割的效果并不理想、且费时费力，但目前自动对古建筑进行分割的方法还不太成熟，存在欠分割或过分割的现象以及分类难的问题，且其效率普遍较为低下。如何将古建筑点云数据基于木构件自动分割是当前需要解决的热点和难点问题之一，也是本研究的重点。

点云数据分割算法，国内外学者对此进行了大量的研究。Filin对每个点定义四维特征向量，然后采用非监督分类的算法进行聚类，但是该方法效率不高，对噪声点较为敏感。Rabbani提出了基于光滑限制条件的散乱三维点云区域增长分割算法，Perera也对该方法进行了研究，在区域增长过程中，那些法向量一致且离拟合平面距离和当前点距离相近的点被增加到区域中，拟合平面也随之调整。区域增长的分割方法具有简单高效的特点，但它易受噪音点的干扰，容易产生过分割。Schnabel提出了一种基于模型分割的方法，该文献采用RANSAC方法检测平面、球、圆柱等基础模型，但是对于复杂的曲面却难以适用。OudeElberink采用霍夫变换进行区域增长法的种子点的选取，对形状复杂对象不适用。Geibel结合主成分分析和区域增长法来对机载激光扫描数据进行了分割，此类方法虽然继承了各类方法的优点，但是对于较为复杂的古建筑类点云数据效果不佳。赵江洪提出了一种古建筑点云分割GOAF算法，该方法利用了区域生长与模型拟合相结合的一种混合分割方法对古建筑点云数据进行分割，但其分割结果却不太理想。张良培提出了一种基于分裂合并的多模型拟合的点云分割方法，在无须提前设置模型数目的情况下实现点云的自动分割，但它适用对象是具有平面、柱面等模型的室内点云数据，没考虑基于建筑构件的点云分割。综上所述，基于构件的点云数据自动分割算法有待进一步深入研究。

古建筑和现代建筑完全不同，它是由成千上万的柱、础、枓、栱、梁、瓦等木构件按照一定的拼接顺序组装成高大宏伟的建筑物，建筑过程不用一钉一铆，全靠枓栱和柱梁镶嵌穿插相连，现有的点云分割方法不能很好的满足古建筑木构件点云分割的目的，需要基于古建筑自身的特点研究相应的点云自动分割方法。

发明内容

本发明的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。

本发明提供所述的一种基于木构件的古建筑点云自动分割方法，相比传统的手动对构件进行点云分割，本发明提供的方法能够提升效率，简化算法。

为了实现根据本发明的这些目的和其他优点，提供了一种基于木构件的古建筑点云自动分割方法，包括以下步骤：

第一步、利用扫描仪对古建筑进行扫描，形成三维点云数据；

第二步、对点云数据进行预处理，所述预处理包括：去除点云数据噪音点、结构构件的欧式聚类、结构构件参数的近似估计以及转正处理；