[发明专利]一种基于点云与目标多边形的目标三维模型生成方法

权利要求书

1.一种基于点云与目标多边形的目标三维模型生成方法，其特征在于，所述方法包括如下步骤：

获取目标区域对应的区域点云数据；所述区域点云数据中的每一个点配置有对应的位置坐标及颜色信息；

获取目标区域中目标物体的目标多边形数据；所述目标多边形数据为构成目标物体顶部多边形轮廓的点的坐标集；

将所述区域点云数据输入点云分割网络，得到所述目标区域中每一目标物体对应的目标物点云数据；所述点云分割网络能够根据所述区域点云数据中的点对应的位置坐标及颜色信息，确定所述区域点云数据中每一点的类别；并根据每一所述点对应的类别确定每一目标物体对应的目标物点云数据；

根据每一所述目标物点云数据对应的目标高度坐标，确定每一目标物体的重建高程信息；所述目标高度坐标为目标物点云数据中每一水平位置点对应的最大高度坐标；

根据每一所述目标物体对应的目标多边形数据及重建高程信息，生成所述目标区域中所述目标物体的CityGML三维模型；

所述点云分割网络包括第一PointNet++网络；所述第一PointNet++网络为将PointNet++网络中的KNN替换为稀疏KNN后的分割网络；

所述稀疏KNN用于实现以下步骤：

获取样本数据中目标样本与其余样本之间的匹配度排序序列；

根据预设的扩张步长、采样数及邻近数值，从所述匹配度排序序列中确定所述目标样本的扩张搜索排序区间；所述扩张搜索排序区间为匹配度排序序列中小于或等于区间阈值对应的排序区间；

所述区间阈值满足如下条件：

；

其中，D_S为区间阈值；D为邻近数值，邻近数值为在扩张搜索排序区间中获取的最邻近目标样本的其余样本的数量；A为扩张步长，A=2^B；r为采样数，r=2^C；B为步长系数；C为采样系数；

在所述扩张搜索排序区间中从起始排序位置开始，每隔一个A从其余样本中选取r个其余样本作为参照样本，以获取到K个参照样本；

将获取到的K个参照样本，作为对应的目标样本的近邻区域样本。

2.根据权利要求1所述的方法，其特征在于，所述目标物体为建筑物。

3.根据权利要求2所述的方法，其特征在于，获取目标区域中目标物体的目标多边形数据，包括：

当所述建筑物的顶部轮廓为多边形轮廓时，获取所述多边形轮廓的每一个顶点的位置坐标；

将所述多边形轮廓的每一个顶点的位置坐标，作为目标物体的目标多边形数据。

4.根据权利要求2所述的方法，其特征在于，在根据每一所述目标物点云数据对应的目标高度坐标，确定每一目标物体的重建高程信息之前，所述方法还包括：

确定每一所述目标物点云数据对应的多个第一参照点；所述第一参照点为位于所述目标物点云数据对应的建筑物侧壁面上的点；

获取每一所述第一参照点对应的子高度坐标；所述子高度坐标为与第一参照点在同一水平位置的最大高度的点云的高度坐标；

将每一所述目标物点云数据对应的多个所述子高度坐标，作为对应的所述目标物点云数据对应的目标高度坐标。

5.根据权利要求4所述的方法，其特征在于，根据每一所述目标物点云数据对应的目标高度坐标，确定每一目标物体的重建高程信息，包括：

将每一所述目标物点云数据对应的多个所述子高度坐标的平均高度值，作为对应的目标物体的重建高程信息。

6.根据权利要求4所述的方法，其特征在于，根据每一所述目标物点云数据对应的目标高度坐标，确定每一目标物体的重建高程信息，包括：

将每一所述目标物点云数据对应的多个所述子高度坐标的最大高度值，作为对应的目标物体的重建高程信息。

7.根据权利要求1所述的方法，其特征在于，将所述区域点云数据输入点云分割网络，包括：

对所述区域点云数据进行划分处理，生成多个子区域点云数据；每一所述子区域点云数据中包括的目标物体的数量在预设数值范围；

将多个子区域点云数据分别输入点云分割网络。