[发明专利]一种空间网格模型构建方法

说明书

本发明涉及一种空间网格模型构建方法。本发明基于图割法构建三角网，将构网问题视为优化标记问题。首先根据获得的影像三维点云数据和三维激光点云数据，使用ICP点云配准算法实现点云的融合；然后对合并后的点云数据采用逐点插入算法构建四面体，对重建表面进行分解，四面体中包含了我们需要的三角网表面；依据各散点法向量或光线与四面体的相交信息和四面体中各三角面面积信息，添加s‑t图中权值；最后用最小割‑最大流算法求解最优表面，即得到重建模型表面。使用该方法，可以实现激光点云和影像匹配点云融合构建的三维模型，实现高精度、高效率的三维重建。

技术领域

本发明属于三维建模领域，涉及一种空间网格模型的构建方法，特别是涉及一种联合激光点云和影像匹配点云的空间网格模型的构建方法。

背景技术

自然地物和人工地物的模型构网与重建是实现实景三维的基础，提出一种能够融合多源数据并实现高精度、高效率、大范围场景的网络模型构建方法，对促进智慧城市建设与发展有十分重要的意义。现有的网络模型构建方法有Delaunay 三角网构建方法、隐式曲面重建方法、二维Delaunay三角网构建方法和泊松曲面重建算法等。

Delaunay三角网构建方法能够通过确定点与点之间的连接关系，来连接相邻顶点重建曲面，这种方法的优点在于可以精确简洁的表达重建曲面的情况。但是该方法一般在点云无噪声且足够密集的情况下才能达到好效果。当使用所有点作为三角网顶点时，只是用其最邻近信息来确定点的连接关系，该方法缺乏全局性，并且在面对复杂的拓扑关系时，缺乏了稳定性和灵活性。

隐式曲面重建方法通过构建不同的隐式函数，描述三角网中点云的拓扑关系或者对点云数据做某些约束，进而实现曲面重建。但是这种方法的精度对点云的噪声和异常值非常敏感，导致重建的表面出现大量的空洞，有许多局部细节不能体现出来，丢失了重要的信息，并且当使用过密的点云进行三维重建时，计算效率又大大降低。

二维Delaunay三角网构建方法对地形做模型重建时，先恢复地形的二维特征，然后根据Z轴信息赋予地形三维坐标。但这个方法无法构建地形的真三维模型

泊松曲面重建算法是利用梯度关系得到采样点和指示函数的积分关系，然后根据积分关系利用划分块的方法获得点集的向量场，计算指示函数梯度场的逼近，进而构建泊松方程，得到重建曲面。但是泊松曲面重建算法精度高度依赖于法向量的精度，不够灵活和稳定。

发明内容

本发明所要解决的技术问题在于提供一种空间网格模型构建方法。通过该方法，可以实现激光点云和影像匹配点云融合构建的三维模型，实现高精度、高效率的三维重建。

为了达到上述目的，本发明基于图割法构建三角网，将构网问题视为优化标记问题。首先根据获得的影像三维点云数据和三维激光点云数据，使用ICP点云配准算法实现点云的融合；然后对合并后的点云数据采用逐点插入算法构建四面体对重建表面进行分解，四面体中包含了我们需要的三角网表面；依据各散点法向量(激光点云)或光线(影像点云)与四面体的相交信息和四面体中各三角面面积信息，添加s-t图中权值；最后用最小割-最大流算法求解最优表面，即得到重建模型表面。

具体地，本发明方法包括如下步骤：

(1)首先分别获取空中影像数据和三维激光点云数据，并对空中影像数据进行空中三角测量和密集匹配处理，获得三维影像点云数据；

(2)使用ICP点云配准算法对三维激光点云数据和三维影像点云数据进行点云配准，实现点云的融合；

(3)对融合后的点云数据采用逐点插入算法构建四面体，对点云融合后的三维空间进行分解；

(4)对构建的四面体进行剖分，构建s-t图，包括可视信息能量项、点云法向量能量项和表面平滑能量项，依据各激光点云的散点法向量或影像点云的光线与四面体的相交信息和四面体中各三角面面积信息，添加s-t图中权值；