[发明专利]大场景机载点云语义建模方法

说明书

本发明提出的是一种大场景机载点云语义建模方法，具体包括如下步骤：1）ALS点云场景分类；2）建筑语义基元标识；3）建筑语义重建；4）精度评价。优点：（1）融合当前多种建模思想，体现了建模方法的灵活性；（2）提升了算法处理大规模点云数据的可能性；（3）在几何、拓扑和语义三个层面保证了模型信息的完整性。

技术领域

本发明涉及的是一种大场景机载点云语义建模方法，属于建筑模型测量及构建技术领域。

背景技术

提取建筑物几何模型是构建数字化智慧城市的基础和关键，也是目前数字城市建设关注的焦点。激光雷达技术(Light Detection And Ranging，LiDAR)，尤其机载激光雷达扫描技术(Airborne Laser Scanning，ALS)，作为采集大规模建筑三维空间信息的重要手段，具有获取数据周期短、精度高、时效性高、主动性强、扫描场景大等特点，逐渐成为大场景三维建筑数据采集的重要方式。随着激光载荷硬件技术和存储技术的发展，ALS点云精度和密度都有了极大的提高，同时着计算机视觉技术的发展和空中三角测量领域的深度应用，基于低空无人机的影像处理变得更精确和智能，在建筑整体三维信息获取的全面性上互补，从而整体上构建遵循LoD3规范的精细建筑几何模型。

然而，现有ALS点云测量方法数据量大、密度不均质、存在不同程度的遮挡和自遮挡；MVS点云往往也存在不同程度的数据缺失，并且含有大量的噪声、离值点，从不完善的点云中恢复建筑三维模型是当前算法面临的一大挑战。另外，在机载尺度上获取的点云数据往往扫描场景大，所包含建筑的几何结构和建筑风格变化多端，这种复杂建筑的几何结构是建模算法面临的另一大挑战。因此点云数据和重建对象的双重复杂性决定了高效重建大规模且几何精确的建筑三维模型是一项艰巨的任务。另外，伴随着第四次工业革命的深入推进，人工智能、三维打印及虚拟现实等技术席卷全球，也对机载建筑点云的自动化、智能化及实时化几何重建提出了更高的要求。机载建筑点云高效、智能的几何重建研究会极大地促进智慧城市、城市形体分析、灾害评估、三维地图综合和高精度制图等应用的发展。

当前国内外主流建模方法主要包括边界表达建模，先验假设建模，降维建模，分治策略建模和非线性建模等几种建模方法，上述方法均存在不同程度的缺陷：

(1)边界表达建模没有充分利用点云面上信息较为可靠的特点，以致于所创建三维模型在关键点和边界线处的几何精度不高；

(2)严格的先验假设建模虽然能够提升模型的抽象粒度和规则性，但是同时会牺牲模型的几何精度，不利于在大规模点云中重建形态各异的复杂结构建筑；

(3)降维建模思想虽然简化了建模问题，提升了算法的鲁棒性和可扩展性，但削弱了点云在三维空间中所表达信息的全面性和完整性；

(4)分治策略建模往往需要从表示组成物体的部件语义尺度上认知建筑的整体结构，从而合理划分建筑空间，但当前算法多基于局部几何特征分析，在较低的尺度上划分建筑，鲜有顾及建筑全局结构表达；

(5)非线性建模虽然提升了模型的几何精度，但是牺牲了模型的语义表达，弱化了模型边界的显著性。

上述现有技术的缺陷可进一步归纳为下述两个方面的共性问题，亟待解决：

(1)如何在全局尺度上识别建筑的几何结构，并且根据不同语义部件，采用与之匹配的建模策略，最大程度减少不合理先验假设的同时，实现高保真度建筑几何的抽象表达。这一点既决定了对点云信息挖掘的力度和深度，也直接决定了能否将算法扩展到处理大规模点云数据；

(2)如何设计建模原型算法，可以兼顾模型的几何、拓扑和语义三方面的信息表达，从而构建几何精确、拓扑正确和语义丰富的建筑几何模型。这一点直接决定了对后续建筑模型应用的深度和广度，譬如，后续与建筑功能和建筑风格等相关的深度分析和应用。

发明内容