[发明专利]一种三维建筑模型屋顶轮廓线的提取方法

说明书

一种三维建筑模型屋顶轮廓线的提取方法，包括：步骤1、对三维建筑物模型进行预处理，提取出属于屋顶部分的三角面片；步骤2、采用Alpha Shapes算法进行轮廓线粗提取；步骤3、将粗轮廓线通过最小平方法的轮廓线简化方法进行化简；步骤4、采用分类强制正交方法将简化的轮廓线规则化。本发明利用Alpha Shapes算法和基于最小平方的轮廓线简化算法，获得边界完整、精确的轮廓线；通过调整算法阈值，保证轮廓清晰正确；利用分类强制规则化算法，获得规则化的建筑物轮廓，为三维建筑物的进一步处理提供了基础方法。

技术领域

本发明涉及计算机图形学领域，具体涉及一种利用简单环的概念设计轮廓搜索算法的三维建筑模型屋顶轮廓线的提取方法，能够获得既有较好完整性又有较高几何精度的建筑物轮廓线，然后，利用一种最小平方的轮廓线简化算法对提取出的初始轮廓进行简化；最后，利用分类强制正交规则化算法将轮廓线规则化。

背景技术

建筑物的轮廓信息是建筑物提取与三维模型重建的重要基础，已广泛应用于目标识别、灾害预估、房地产等领域。目前，追踪建筑物平面轮廓的一般方法是将点云内插成深度影像，然后利用图像分割算法对深度影像进行分割，最后利用扫描线法、邻域搜索法等方法实现建筑物边界的追踪。这些方法存在的问题是追踪到的边缘是离散点集的粗略边界，精度较低。也有一些学者研究了直接从离散点集提取其轮廓的方法，如黄先锋等提出一种基于平面离散点的边缘追踪算法，该算法将边长比作为约束条件，降低了算法参数对点密度的依赖性，从而提高算法对细长特征或分布不均匀的点集边缘提取的适应性，但是约束条件的阈值设置不当易造成边缘过度收缩的现象。

从点云中提取建筑轮廓可归结为恢复离散点集的原始形状，而Alpha Shapes算法是一种有效的方法。Alpha Shapes算法是一种确定性算法，有着严格的数学定义，对于任意一个有限点集S，Alpha Shapes算法得到点集形状是确定的，另外，用户还可以通过调整算法唯一的参数α来控制点集形状的精细程度。但是，在实际应用中，仍存在一些问题需要解决：Alpha Shapes算法在处理凹型点云集合时处理效果不太好，如果α值较大的话，凹拐角容易被钝化掉，如果α值较小的话，又容易得到破碎的点集形状，应该将α值设置为1-2倍的平均点间距，此时得到的点集形状相对完整又不会太破碎。

针对上述问题，本发明提出一种简单环的概念设计轮廓搜索算法，先用AlphaShapes算法来完整地提取建筑轮廓；然后，采用基于最小平方的轮廓线简化方法对提取出来的初始轮廓线进行化简；最后，利用分类强制正交规则化算法将轮廓线规则化。

发明内容

本发明要克服现有技术在三维建筑屋顶轮廓线提取的不足，提出一种三维建筑模型屋顶轮廓线的提取方法，能够快速准确地提取出任意三维建筑物的轮廓线，并将提取出的粗轮廓线段进行了简化与规则化处理，使之更好的运用于实际生产中。

一种三维建筑模型屋顶轮廓线的提取方法，具体步骤如下：

步骤1、对三维建筑物模型进行预处理，提取出属于屋顶部分的三角面片；

步骤2、采用Alpha Shapes算法进行轮廓线粗提取；

步骤3、将粗轮廓线通过基于最小平方的轮廓线简化方法进行化简；

步骤4、采用分类强制正交方法将简化的轮廓线规则化。

本发明的技术构思是：利用Alpha Shapes算法，将建筑物的粗糙闭合轮廓线提取出来；利用最小平方的轮廓线简化方法，进一步简化轮廓线；利用分类强制正交规则化算法，将轮廓线规则化。与经典的Douglas Peucker算法相比，在存在噪声的情况下，该方法化简后的轮廓线更接近实际的轮廓线。

本发明的优点在于：利用Alpha Shapes算法和基于最小平方的轮廓线简化算法，获得边界完整、精确的轮廓线；通过调整算法阈值，保证轮廓清晰正确；利用分类强制规则化算法，获得规则化的建筑物轮廓，为三维建筑物的进一步处理提供了基础方法。

附图说明