[发明专利]综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法

权利要求书

1.综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法，其特征是包括如下步骤：

(1)基于机载激光数据的快速建模方法；

(2)联合车载点云与影像的语义分割框架；

(3)融合多源数据的模型自动增强算法。

2.根据权利要求1所述的综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法，其特征是所述步骤(1)综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法具体包括：

①建筑点云提取

为兼顾建筑物机载点云的均质性和完整性，避免建筑屋顶点云的错分或丢失，从而有效地从中提取出机载建筑点云数据，本发明综合利用地物特征信息，采用层进式的提取方法，提取建筑点云：首先对原始点云滤波分离出地面点和非地面点，在此基础上利用植被点云多回波特性和法向量分布特性检测并剔除大部分植被点，然后采用连通成分分析进行聚类得到初始建筑物区域，最后结合几何和空间分布特征分离得到建筑物屋顶点云；

②建筑屋顶分割

采用屋顶拓扑图进行屋顶模型重建时，关键问题是如何建立建筑物的屋顶面拓扑图，而拓扑图建立的关键在于如何实现屋顶面的准确分割，针对屋顶分割过程中常出现的过分割问题，本发明综合点云法向量的聚类增长分割算法和RANSAC(Random SampleConsensus，RANSAC)算法，得到粗粒度的屋顶面片分割结果，在此基础之上进一步采用图割优化，提纯屋顶分割结果，保证屋顶面片分割的精度和屋顶面片分割的拓扑正确性；

③建筑模型重建

在完成屋顶分割基础上，本发明提出了一种改进的基于拓扑图的建筑屋顶模型重建方法，边界不仅代表了建筑物的位置，也代表了建筑物墙面的位置，该方法首先采用α-shape算法得到边界点云，并结合边界正规化规则提取出建筑边界，然后基于屋顶面片相交结果建立屋顶拓扑图，根据拓扑图揭示的面片相交关系得到屋脊线，再结合由邻近边界线段所构造的墙面即可得到相关屋顶平面的其它关键边界线段，最后根据每个面的关键线段构建封闭多边形，对于关键线段少于两条的屋顶面片，本发明直接求取其外接多边形，通过组合这些封闭多边形实现建筑屋顶模型三维重建，即采用先分割后匹配的策略，具体步骤如下：

1)基本建筑分割单元的匹配：分割单元模型匹配的核心任务是探测分割单元屋顶结构类型和对应最优屋顶结构参数，抽象目标函数设计如下：

其中，N为分割单元所含面片数目，f(χ_p，α)为最小二乘拟合函数，P为分割单元内部点集，α为基元模型参数向量，为求解公式(1)，本发明耦合马尔可夫蒙特卡罗(MCMC)与模拟退火算法，从模型库自动匹配，求解最优模型参数α^*，为降低模拟退火算法的时间复杂度，对部分简单屋顶结构基元，可直接采用统计分析方法，以简化匹配过程，统计分析方法首先探测出分割单元屋顶结构类型，然后采用公式(1)求解最优参数α^*，具体步骤为：在二维空间中将当前分割单元等分成八个三角子区域(相同颜色代表相同朝向的屋顶面片)，依据RANSAC(Random Sample Consensus，RANSAC)算法得到的屋顶面片分割结果及点云法向量，分配分割单元点云到相应子区域，最终通过对子区域点云统计分析，确定最适合分割单元的屋顶结构；

2)规则曲面几何元素的匹配：在利用改进的RANSAC(Random Sample Consensus，RANSAC)算法分割建筑屋顶面片时，圆柱、圆锥和圆球等规则曲面几何元素已经被精确提取，因此直接利用其最优模型参数θ^*构建相应几何模型；

3)复杂分割单元屋顶的简化建模：假如上述1)和2)匹配完成后，公式(1)仍然存在较大残差，说明模型库中现有基元不足以表达当前分割单元，对于该类分割单元，本发明直接简化由原始点云构建的三角网，以保持当前复杂分割单元的建筑屋顶的结构细节。

3.根据权利要求1所述的综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法，其特征是所述步骤(2)联合车载点云与影像的语义分割框架具体包括如下步骤：

①点云体素生成方法；

②基于卷积神经网络的语义分割框架。