[发明专利]基于点云数据的户型图重建方法及装置

权利要求书

1.一种基于点云数据的户型图重建方法，其特征在于，包括：

在将房屋的点云数据中的墙体投影至二维平面之后，将经投影后的所述二维平面分割为元素点集合、元素边集合和元素面集合；

根据所述元素点集合和所述元素边集合，确定所述房屋的外轮廓多边形；

确定所述元素面集合中，位于所述外轮廓多边形内部的每个元素面的目标分间类别；

根据所确定的目标分间类别，对所述外轮廓多边形内部进行分间划分，以得到所述房屋的户型图；

所述根据所述元素点集合和所述元素边集合，确定所述房屋的外轮廓多边形，包括：

获取所述元素边集合中的每条元素边的边长度，所述元素边集合中的每条元素边与所述点云数据中对应于本元素边的墙体在所述二维平面上的投影线段的重合长度，以及所述元素边集合中的所有元素边的边长度的长度总和；

获取所述元素边集合中的每条元素边对应的第一概率值；其中，任一元素边对应的第一概率值为：所述元素面集合中与本元素边对应的元素面属于外轮廓内元素面的概率；

根据所述元素点集合，以及所获取的边长度、重合长度、长度总和、第一概率值，确定所述房屋的外轮廓多边形。

2.根据权利要求1所述的方法，其特征在于，所述根据所述元素点集合，以及所获取的边长度、重合长度、长度总和、第一概率值，确定所述房屋的外轮廓多边形，包括：

根据整数优化算法、所述元素点集合，以及所获取的边长度、重合长度、长度总和、第一概率值，确定为了满足所述整数优化算法的算法目标，所述元素边集合中的每条元素边对应的第二概率值；其中，任一元素边对应的第二概率值为：本元素边属于外轮廓组成边的概率；

根据所确定的第二概率值，从所述元素边集合中筛选部分元素边以组成所述房屋的外轮廓多边形。

3.根据权利要求2所述的方法，其特征在于，所述根据整数优化算法、所述元素点集合，以及所获取的边长度、重合长度、长度总和、第一概率值，确定为了满足所述整数优化算法的算法目标，所述元素边集合中的每条元素边对应的第二概率值，包括：

根据整数优化算法、所述元素点集合，以及所获取的边长度、重合长度、长度总和、第一概率值，确定为了满足所述整数优化算法的算法目标和约束条件，所述元素边集合中的每条元素边对应的第二概率值；

其中，所述约束条件为：任一元素点对应的各元素边中，用于组成所述外轮廓多边形的元素边的条数为两条或者零条。

4.根据权利要求2所述的方法，其特征在于，所述整数优化算法的算法公式如下：

U(x)＝(1-λ)U_fidelity(x)+λU_complexity(x)

其中，U(x)的取值最小化为所述整数优化算法的算法目标，λ为第一预设系数，U_fidelity(x)用于衡量得到的房屋的外轮廓多边形与从点云数据中实际提取到的墙体及点云数据分布的一致性，U_complexity(x)用于控制房屋的外轮廓多边形的几何复杂度，β为第二预设系数，n为所述元素边集合中的元素边的总数量，P(f_i¹)为所述元素边集合中的第i条元素边对应的一个第一概率值，P(f_i²)为所述第i条元素边对应的另一个第一概率值，x_i为所述第i条元素边对应的第二概率值，|e_i|为所述第i条元素边的边长度，为所述长度总和，为所述第i条元素边对应的重合长度，V为所述元素点集合中的元素点的总数量，indicatorfuntion为指示函数，v_i为所述元素点集合中的第i个元素点。

5.根据权利要求1至4中任一项所述的方法，其特征在于，任一元素边对应的第一概率值根据所述点云数据在本元素边对应的元素面上的投影与本元素边对应的元素面的重合率确定。