CN104156988A - 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 - Google Patents
基于迭代最小外包矩形的城区建筑物轮廓规则化方法 Download PDFInfo
- Publication number
- CN104156988A CN104156988A CN201410380707.XA CN201410380707A CN104156988A CN 104156988 A CN104156988 A CN 104156988A CN 201410380707 A CN201410380707 A CN 201410380707A CN 104156988 A CN104156988 A CN 104156988A
- Authority
- CN
- China
- Prior art keywords
- point
- rectangle
- building
- contour
- projection
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明提供了基于迭代最小外包矩形的城区建筑物轮廓规则化方法,基于城区现代建筑物相邻轮廓边界具有正交的特性,利用机载LiDAR技术对建筑物信息经过滤波和分类的提取后获得的建筑物点云数据作为已知数据,基于最小外包矩形对探测的大部分规则建筑物的轮廓规则化计算,具有数据损失小,适应性强、准确性高,运算量小特点,能够快速准确对建筑物点云轮廓提取的数据可以直接应用于城市规划、导航、灾害评估等领域中。
Description
技术领域
本发明涉及测绘遥感技术领域,特别涉及基于迭代最小外包矩形的城区建筑物轮廓规则化方法。
背景技术
建筑物作为人类活动和人类文明的重要载体,是当前多个学科研究的焦点,快速、精确获取建筑物信息在城市规划、导航、灾害评估等领域具有重要作用,对于快速、精确获取建筑物信息常用机载激光三维扫描(Light Detection AndRanging,LiDAR)技术,该技术集成了激光测距***、全球定位***和惯性导航***,它能够快速获取地球表面三维空间信息,具有效率高、高程精度高、成本低等特点,广泛应用于三维数码城市、城市规划、灾害评估等领域,利用机载LiDAR技术进行建筑物提取和重建是目前测绘遥感领域研究的热点和难点,机载LiDAR技术进行建筑物信息提取一般要经过滤波和分类的过程,获得建筑物点云数据,目前关于建筑物点云轮廓提取方法,主要有:基于点云栅格化的方法、基于Alpha Shape的方法等,前者在对离散点云数据栅格化的基础上,根据高程将离散点转化为距离影像,利用图像处理的相关理论方法对距离影像进行边界提取,获得建筑物轮廓信息,该方法需要将离散点转换为规则格网,容易造成数据损失,降低精度;后者方法中,判定某点是否为边界点依赖于参数α的确定,且计算量大,效率低;而且由于分辨率等因素,直接从分类后的建筑物点云数据提取轮廓并不准确,不能将这一结果直接应用于城市规划、导航、灾害评估等领域中。
发明内容
本发明基于城区现代建筑物相邻轮廓边界具有正交的特性,利用机载LiDAR技术对建筑物信息经过滤波和分类的提取后获得的建筑物点云数据作为已知数据,提供了高效,计算量小,精度高的一种基于最小外包矩形探测的建筑物轮廓点规则化方法,快速准确对建筑物点云轮廓进行提取。
为了达到上述目的,本发明提供如下技术方案:
基于迭代最小外包矩形的城区建筑物轮廓规则化方法,包括如下步骤:
1)、将点云数据投影至XOY平面,以二倍平均点间距确定格网间距,对点云数据进行格网划分;
2)、逐格网单元检测其八邻域,若邻域中存在空格网单元,则当前格网单元为边界格网单元;
3)、在边界格网单元内部,逐点搜索k邻近,并确定边界轮廓点,取待定点p0,其k邻近在XOY平面进行投影,计算p0点至其k邻近点的方位,并将该方位按大小进行排序,计算相邻两方位间的方位差,若差值大于阈值thd,则该待定点p0为轮廓点,否则为内部点;
4)、对于某一轮廓点,取其最近点确定直线方向,以该方向作为矩形的一个方向,与该方向垂直的另外一方向作为矩形的另外方向,并以该点作为原点,建立坐标系,并将该建筑物轮廓点投影至该局部坐标系的两坐标轴,以其在两坐标轴的数据区间长度作为矩形的长和宽;
5)、根据点密度设定距离阈值thd,确定到矩形距离在该阈值范围内的建筑物轮廓点数目,记录该点数;
6)、对于建筑物内各轮廓点,循环以上过程步骤4)和步骤5),以对应轮廓点数最多的矩形模型作为该建筑物的第一层外接矩形模型;
7)、将剩余边界点聚类后投影至第一层级矩形,并计算投影后在矩形两个方向上的长度,计算平均点间距二倍为阈值the,若投影后在矩形两个方向上的长度大于the,则根据对应区域确定第二层级的最小外包矩形,若投影后在矩形两个方向上的长度小于阈值the,则不对该聚类结点确定最小外包矩形;
8)、将上述过程迭代执行至无剩余轮廓点或轮廓点投影后距离小于阈值。
上述技术方案的中,所述步骤4)至步骤8)对于探测到的各层级最小外包矩形,上下两层级矩形外包矩形执行逻辑减运算公式为该式中,k表示当前层级,n表示最大层级,outline为规则化后的建筑物轮廓,MBRk为:第k层级矩形区域。
上述技术方案的中,以边界点所围成区域的面积AreaBoundary与矩形区域面积AreaMBR之间比率,判断边界点所围成的区域,比率为1则边界点所围成一个区域,其中矩形区域面积:
上述技术方案的中,以边界点到规则化后的最小外包矩形的最近边的距离的均方根 作为评判标准。
本发明基于城区现代建筑物相邻轮廓边界具有正交的特性,利用机载LiDAR技术对建筑物信息经过滤波和分类的提取后获得的建筑物点云数据作为已知数据,基于最小外包矩形对探测的大部分规则建筑物的轮廓规则化计算,具有数据损失小,适应性强、准确性高,运算量小特点,能够快速准确对建筑物点云轮廓提取的数据可以直接应用于城市规划、导航、灾害评估等领域中。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是邻域夹角示意图。
图2建筑物轮廓点提取效果图,其中:图2a是建筑物影像图;图2b是建筑物点云图;图2c是建筑物轮廓点。
图3是建筑物轮廓点提取效果图。
图4是建筑物轮廓点提取效果图,其中:图4a为建筑物影像图,图4b为建筑物实际轮廓,图4c是最小外包矩形,图4e是本发明测算到的最小外包矩形,图4f、图4h和图4i是依次迭代执行至无剩余轮廓点的外包矩形。
图5是建筑物误规则化结果图,其中:图5a是树木误分为建筑物的规则化结果;图5b是非规则建筑物规则化结果。
图6是实施例的实验数据区域影像与点云效果图,其中:图6a是建筑物分类结果;图6b是建筑物轮廓探测结果;图6c是建筑物轮廓规则化结果。
具体实施方式
下面将结合本发明的附图,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明利用机载LiDAR技术对建筑物信息经过滤波和分类的提取后获得的建筑物点云数据,取点云数据投影至XOY平面,以二倍平均点间距确定格网间距,对点云数据进行格网划分,逐格网单元检测其八邻域,若邻域中存在空格网单元,则当前格网单元为边界格网单元,在边界格网单元内部,逐点搜索k邻近,k值一般为经验值,实施例中设置为30,k值直接关系到搜索的次数,k越大,则搜索次数越多,并确定边界轮廓点,取待定点p0,其k邻近在XOY平面进行投影,计算p0点至其k邻近点的方位,并将该方位按大小进行排序,计算相邻两方位间的方位差,若差值大于阈值thd,实施例中阈值thd设为90度,表示方位差为90度,则该待定点p0为轮廓点,否则为内部点,如图2中,图2a所示为所选取的样例区域影像数据,图2b为分类后的建筑物点云数据,图2c为按照本文方法确定的建筑物轮廓点数据。
在单一建筑物内,针对上述步骤获取的建筑物轮廓点,提出采用以下迭代的方法对其进行规则化处理。
如图3所示:
(1)对于该建筑物的某一轮廓点,取其最近点确定直线方向,以该方向作为矩形的一个方向,与该方向垂直的另外一方向作为矩形的另外方向,并以该点作为原点,建立坐标系,并将该建筑物轮廓点投影至该局部坐标系的两坐标轴,以其在两坐标轴的数据区间长度作为矩形的长和宽;
(2)根据点密度设定距离阈值thd,阈值thd为上述两坐标轴的数据区间长度距离的二倍的平均点间距,确定到矩形距离在该阈值范围内的建筑物轮廓点数目,记录该点数;
(3)对于建筑物内各轮廓点,循环以上过程,以对应轮廓点数最多的矩形模型作为该建筑物的第一层外接矩形模型。
图4a为建筑物影像图,图4b为建筑物实际轮廓,图4c展示了由上述方法探测到的最小外包矩形,但是从结果上看,算法探测到的矩形只能表达建筑物的整体方向,是建筑物的一种粗略表达。为了获得更具体的表达,在上述过程获取的矩形作为建筑物的第一层级最小外包矩形,见图4e所示,将剩余边界点聚类后投影至第一层级矩形,并计算投影后在矩形两个方向上的长度,计算平均点间距二倍为阈值the,若投影后在矩形两个方向上的长度大于the,则根据对应区域确定第二层级的最小外包矩形,若投影后在矩形两个方向上的长度小于阈值the,则不对该聚类结点确定最小外包矩形,如图4f所示。将上述过程迭代执行至无剩余轮廓点或轮廓点投影后距离小于阈值,如图4h和图4i所示。
对于探测到的各层级最小外包矩形,上下两层级矩形外包矩形执行逻辑减运算公式为公式1,该式中,k表示当前层级,n表示最大层级,outline为,MBRk为:第k层级矩形区域,在实际中,即使是非常复杂的建筑,层级一般不会超过5。
然而,并非所有的建筑物都由简单规则矩形组成,另外考虑到建筑物分类时的误差,上述算法并不适合于所有情况。如图5a所示为误分类为建筑物的树和不规则建筑物的最小外包矩形规则化结果。为了对上述规则化结果给出评估,本文给出以下两项量化评判标准。
标准1:以边界点所围成区域的面积与矩形区域面积做比对,如公式2所示。其中边界点围成区域面积按公式3计算,相似性接近于1则表示规则化结果高度逼近边界点所围成的区域;
标准2:上述标准并不能鉴定所有结果,如图5b所示,虽然规则化前后面积近似相等,但是,规则化的最小外包矩形并没有表达其真实结果,因为对象为非规则对象。因此,在上述标准基础上,以边界点到规则化后的最小外包矩形的最近边的距离的均方根作为评判标准,见公式4。
为了验证本发明技术方案的性能,选取了ISPRS官网提供的样例数据作为试验数据,该数据区域为德国斯图加特地区,数据采集采用Leica ALS50***,飞行高度平均为500m,平均点密度为6.5pt/m2,数据区域均为居民地,建筑物特征丰富,如图6a所示,首先在分类后的建筑物数据集中探测轮廓点。首先将数据集投影至XOY平面,并对数据集进行网格划分。邻域搜索中k值为20,最大夹角大于90,则视当前点为轮廓点,该数据实验区域轮廓点探测结果如图6b所示,根据本文所提的迭代最小外包矩形算法对轮廓点规则化,在该过程中,采用AreaBoundary和RMSDist对结果进行约束,规则前后面积比率大于0.6,RMSDist值小于2倍平均点间距则视当前建筑物可由简单矩形规则化,结果如图6c所示。
具体说明官网提供的样例数据实施例数据即可,具体来源网址:http://www2.isprs.org/commissioBs/comm3/wg4/tests.html。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应所述以权利要求的保护范围为准。
Claims (2)
1.基于迭代最小外包矩形的城区建筑物轮廓规则化方法,其特征在于:包括如下步骤:
1)、将点云数据投影至XOY平面,以二倍平均点间距确定格网间距,对点云数据进行格网划分;
2)、逐格网单元检测其八邻域,若邻域中存在空格网单元,则当前格网单元为边界格网单元;
3)、在边界格网单元内部,逐点搜索k邻近,并确定边界轮廓点,取待定点p0,其k邻近在XOY平面进行投影,计算p0点至其k邻近的方位,并将该方位按大小进行排序,计算相邻两方位间的方位差,若差值大于阈值thd,则该待定点p0为轮廓点,否则为内部点;
4)、对于某一轮廓点,取其最近点确定直线方向,以该方向作为矩形的一个方向,与该方向垂直的另外一方向作为矩形的另外方向,并以该点作为原点,建立坐标系,并将该建筑物轮廓点投影至该局部坐标系的两坐标轴,以其在两坐标轴的数据区间长度作为矩形的长和宽;
5)、根据点密度设定距离阈值thd,确定到矩形距离在该阈值范围内的建筑物轮廓点数目,记录该点数;
6)、对于建筑物内各轮廓点,循环步骤4)和步骤5),以对应轮廓点数最多的矩形模型作为该建筑物的第一层外接矩形模型;
7)、将剩余边界点聚类后投影至第一层级矩形,并计算投影后在矩形两个方向上的长度,计算平均点间距二倍为阈值the,若投影后在矩形两个方向上的长度大于the,则根据对应区域确定第二层级的最小外包矩形,若投影后在矩形两个方向上的长度小于阈值the,则不对该聚类结点确定最小外包矩形;
8)、将上述过程迭代执行至无剩余轮廓点或轮廓点投影后距离小于阈值。
2.根据权利要求1所述的基于迭代最小外包矩形的城区建筑物轮廓规则化方法,其特征在于:所述步骤4)至步骤8)对于探测到的各层级最小外包矩形,上下两层级矩形外包矩形执行逻辑减运算公式为该式中,k表示当前层级,n表示最大层级,outline为规则化后的建筑物轮廓,MBRk为:第k层级矩形区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410380707.XA CN104156988A (zh) | 2014-08-05 | 2014-08-05 | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410380707.XA CN104156988A (zh) | 2014-08-05 | 2014-08-05 | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104156988A true CN104156988A (zh) | 2014-11-19 |
Family
ID=51882476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410380707.XA Pending CN104156988A (zh) | 2014-08-05 | 2014-08-05 | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104156988A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046201A (zh) * | 2015-06-19 | 2015-11-11 | 东南大学 | 一种基于形态学对建筑物图像快速识别的方法 |
CN106056659A (zh) * | 2016-05-27 | 2016-10-26 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
CN107194405A (zh) * | 2017-05-03 | 2017-09-22 | 湖北省电力勘测设计院 | 一种交互式半自动高分辨率遥感影像建筑物提取的方法 |
CN108563859A (zh) * | 2018-04-10 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种用于单兵室内定位导航快速生成建筑模型的方法 |
CN111242950A (zh) * | 2020-01-03 | 2020-06-05 | 北京三快在线科技有限公司 | 一种建筑物边界确定方法及装置 |
CN112687006A (zh) * | 2020-12-22 | 2021-04-20 | 北京旋极伏羲科技有限公司 | 一种快速的建筑物立体网格数据图生成方法 |
CN113034539A (zh) * | 2019-12-25 | 2021-06-25 | 华为技术有限公司 | 一种确定点云的边界框的方法及装置 |
CN113744144A (zh) * | 2021-08-20 | 2021-12-03 | 长江大学 | 遥感影像建筑物边界优化方法、***、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930540A (zh) * | 2012-10-26 | 2013-02-13 | 中国地质大学(武汉) | 城市建筑物轮廓检测的方法及*** |
CN103093497A (zh) * | 2013-01-09 | 2013-05-08 | 吉林大学 | 基于分层轮廓的lidar数据城市快速重建方法 |
-
2014
- 2014-08-05 CN CN201410380707.XA patent/CN104156988A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930540A (zh) * | 2012-10-26 | 2013-02-13 | 中国地质大学(武汉) | 城市建筑物轮廓检测的方法及*** |
CN103093497A (zh) * | 2013-01-09 | 2013-05-08 | 吉林大学 | 基于分层轮廓的lidar数据城市快速重建方法 |
Non-Patent Citations (3)
Title |
---|
EUNJU KWAK AND AYMAN HABIB: "Automatic representation and reconstruction of DBM from LiDAR data using Recursive Minimum Bounding Rectangle", 《ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING》 * |
吴岩冰: "基于支持向量机的点云数据修补", 《中国优秀硕士学文论文全文数据库 信息科技辑》 * |
***等: "基于"网孔法"的点云数据边界提取技术的应用", 《洛阳理工学院学报(自然科学版)》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105046201B (zh) * | 2015-06-19 | 2018-05-08 | 东南大学 | 一种基于形态学对建筑物图像快速识别的方法 |
CN105046201A (zh) * | 2015-06-19 | 2015-11-11 | 东南大学 | 一种基于形态学对建筑物图像快速识别的方法 |
CN106056659A (zh) * | 2016-05-27 | 2016-10-26 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
CN106056659B (zh) * | 2016-05-27 | 2018-09-21 | 山东科技大学 | 车载激光扫描点云中建筑物角点空间位置自动提取方法 |
CN107194405B (zh) * | 2017-05-03 | 2020-02-14 | 湖北省电力勘测设计院有限公司 | 一种交互式半自动高分辨率遥感影像建筑物提取的方法 |
CN107194405A (zh) * | 2017-05-03 | 2017-09-22 | 湖北省电力勘测设计院 | 一种交互式半自动高分辨率遥感影像建筑物提取的方法 |
CN108563859B (zh) * | 2018-04-10 | 2022-03-15 | 中国电子科技集团公司第二十八研究所 | 一种用于单兵室内定位导航快速生成建筑模型的方法 |
CN108563859A (zh) * | 2018-04-10 | 2018-09-21 | 中国电子科技集团公司第二十八研究所 | 一种用于单兵室内定位导航快速生成建筑模型的方法 |
CN113034539A (zh) * | 2019-12-25 | 2021-06-25 | 华为技术有限公司 | 一种确定点云的边界框的方法及装置 |
WO2021129483A1 (zh) * | 2019-12-25 | 2021-07-01 | 华为技术有限公司 | 一种确定点云的边界框的方法及装置 |
CN113034539B (zh) * | 2019-12-25 | 2024-05-07 | 华为技术有限公司 | 一种确定点云的边界框的方法及装置 |
CN111242950A (zh) * | 2020-01-03 | 2020-06-05 | 北京三快在线科技有限公司 | 一种建筑物边界确定方法及装置 |
CN111242950B (zh) * | 2020-01-03 | 2023-03-31 | 北京三快在线科技有限公司 | 一种建筑物边界确定方法及装置 |
CN112687006A (zh) * | 2020-12-22 | 2021-04-20 | 北京旋极伏羲科技有限公司 | 一种快速的建筑物立体网格数据图生成方法 |
CN112687006B (zh) * | 2020-12-22 | 2023-09-08 | 北斗伏羲信息技术有限公司 | 一种快速的建筑物立体网格数据图生成方法 |
CN113744144A (zh) * | 2021-08-20 | 2021-12-03 | 长江大学 | 遥感影像建筑物边界优化方法、***、设备及存储介质 |
CN113744144B (zh) * | 2021-08-20 | 2023-09-26 | 长江大学 | 遥感影像建筑物边界优化方法、***、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104156988A (zh) | 基于迭代最小外包矩形的城区建筑物轮廓规则化方法 | |
Bonczak et al. | Large-scale parameterization of 3D building morphology in complex urban landscapes using aerial LiDAR and city administrative data | |
JP5161936B2 (ja) | データ解析装置、データ解析方法、及びプログラム | |
Yang et al. | Automated extraction of building outlines from airborne laser scanning point clouds | |
JP5566353B2 (ja) | データ解析装置、データ解析方法、及びプログラム | |
KR101392804B1 (ko) | 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체 | |
CN105844629A (zh) | 一种大场景城市建筑物立面点云自动分割方法 | |
CN107657636B (zh) | 一种基于车载激光雷达数据自动提取道路地形图高程点的方法 | |
JP6347064B2 (ja) | レーザー計測結果解析システム | |
JP5464915B2 (ja) | 対象物検出装置及び対象物検出方法 | |
JP5338044B2 (ja) | 3次元形状抽出装置、方法及びプログラム | |
CN108074232B (zh) | 一种基于体元分割的机载lidar建筑物检测方法 | |
CN104050715A (zh) | 输电线路及走廊的高精度三维重建方法 | |
CN108830933B (zh) | 一种电力杆塔塔身重建方法、***、介质及设备 | |
Fan et al. | Identifying man-made objects along urban road corridors from mobile LiDAR data | |
JP2017167092A (ja) | 地物検出装置、地物検出方法及びプログラム | |
CN109241978A (zh) | 地基三维激光点云中平面片的快速提取方法 | |
Tseng et al. | Extraction of building boundary lines from airborne LiDAR point clouds | |
CN104318611A (zh) | 一种基于激光扫描点云的三维树木重建方法 | |
Liu et al. | High-resolution DEM generated from LiDAR data for water resource management | |
JP6397386B2 (ja) | 領域分割処理装置、方法、及びプログラム | |
Jiangui et al. | A method for main road extraction from airborne LiDAR data in urban area | |
JP5577312B2 (ja) | データ解析装置、データ解析方法、及びプログラム | |
CN107993242B (zh) | 基于机载LiDAR点云数据缺失区域边界提取方法 | |
CN104614729A (zh) | 一种激光雷达航带高程匹配质量分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20141119 |