CN107220987A - 一种基于主成分分析的建筑物屋顶边缘快速检测方法 - Google Patents

一种基于主成分分析的建筑物屋顶边缘快速检测方法 Download PDF

Info

Publication number
CN107220987A
CN107220987A CN201610161761.4A CN201610161761A CN107220987A CN 107220987 A CN107220987 A CN 107220987A CN 201610161761 A CN201610161761 A CN 201610161761A CN 107220987 A CN107220987 A CN 107220987A
Authority
CN
China
Prior art keywords
roof
point
principal component
building roof
building
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
Application number
CN201610161761.4A
Other languages
English (en)
Inventor
戴玉成
龚建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Zhongke Space Information Technology Application Research And Development Center
Jiaxing Breath Science And Technology Ltd Of Rich Hisense
Original Assignee
Zhejiang Zhongke Space Information Technology Application Research And Development Center
Jiaxing Breath Science And Technology Ltd Of Rich Hisense
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Zhongke Space Information Technology Application Research And Development Center, Jiaxing Breath Science And Technology Ltd Of Rich Hisense filed Critical Zhejiang Zhongke Space Information Technology Application Research And Development Center
Priority to CN201610161761.4A priority Critical patent/CN107220987A/zh
Publication of CN107220987A publication Critical patent/CN107220987A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G06T2207/30184—Infrastructure

Landscapes

  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

基于主成分分析的建筑物屋顶边缘快速检测方法，采用基于主成分分析方法解算出建筑物屋顶点云分布的两个主轴方向，由有向投影最大距离值约束检测屋顶边缘点，其特征是高自动化程度和低算法复杂度。可以广泛应用于机载LiDAR和低空无人机倾斜影像密集匹配点云的建筑物屋顶检测。

Description

一种基于主成分分析的建筑物屋顶边缘快速检测方法
技术领域
本发明是关于一种从密集三维离散屋顶点云中快速检测屋顶轮廓方法，特别是关于加载LiDAR和无人机倾斜影像匹配重建点云的屋顶轮廓检测应用。
背景技术
实际应用中经常使用的屋顶轮廓检测方法有以下几种：依据横和列两个坐标轴向完全遍历的扫描线检测方法和簇聚类凸包检测算法。但是这些传统的方法往往存在一些重要的缺陷：例如，扫描线检测方法的精度受到建筑物和航向夹角的影响较为严重，且精度有限；凸包检测算法考虑空间搜索邻域半径约束的情况下可以精确地检测出建筑物屋顶轮廓点，但是计算量偏大。
基于主成分分析的建筑物屋顶检测方法采用簇内点在水平面上投影并构建协方差矩阵的方法，求解出单个建筑物屋顶的两个主轴方向。根据点在主轴方向上的投影距离，进而识别出建筑物边缘轮廓点。
发明内容
本发明为解决公知技术中的问题而提供一种基于建筑物屋顶两个主轴方向的提取算法。
本发明为解决公知技术中的问题所采用的技术方案是：(1)、基于主成分分析的建筑物屋顶边缘快速检测：通过主成分分析方法(Principal Component Analysis，简称PCA)检测出密集三维离散点云数据结构表达的屋顶边缘轮廓方法主要涉及三个关键步骤：首先、对于通过滤波和高程阀值处理后的建筑物屋顶三维密集点云数据，在水平投影后构建协方差矩阵。其次，由协方差矩阵特征分解， 解算出点云所在建筑物屋顶的两个主要方向，即建筑物屋顶的长和宽两个轴方向。最后，由屋顶点集投影Pxy的平面范围{(xmin，xmax)|(ymin，ymax)}结合物屋顶的两个主要轴方向做屋顶轮廓切片分析，则可以快速遴选出建筑物屋顶四边边缘点。
本发明具有的优点和积极效果是：本发明是计算几何和数据统计知识的有机结合，形成了一种利用主成分分析方法快速识别建筑物屋顶轮廓技术。针对聚类处理后的各个类簇cluster进行处理，从中快速自动检测屋顶近似轮廓，识别建筑物单体对象区域。本发明采用的方法减少了工作人员参与，算法计算复杂度低，可以快速实时处理海量城市场景建筑物单体化过程中建筑物屋顶检测环节，大大的降低了数据处理时间成本和人力资源成本。
附图说明
下面通过一组附图说明本算法的应用领域及关键步骤。
图1是一个复杂地表环境的数字正射影像
图2是和图1对应的一个三维密集匹配点云
图3是求解簇内建筑物屋顶点云两个主方向
图4是沿长轴主方向上的切片分析
图5是沿短轴主方向上的切片分析
图6是检测的屋顶边缘
具体实施方式
下面对本发明进行详细的描述。该技术用主成分分析方法对建筑物屋顶点集进行分析，利用投影距离原理，建立边缘点识别模型，通过计算点到主轴之间的距离，得到建筑物边缘轮廓点。
本发明的现实主要包括以下几个方面：
(1)、基于主成分分析的建筑物屋顶两个主轴方向检测
首先、对于通过滤波和高程阀值处理后的建筑物屋顶三维密集点云数据，在水平投影面xoy中构建协方差矩阵，令Pxy表示屋顶点在xoy平面上的投影坐标，可得到
其次，特征分解Apv＝λv，解算出协方差矩阵Ap的两个特征值(λ1，λ2)及其对应的 特征向量(v1，v2)。这两个列向量表示就是所在建筑物屋顶点云分布的两个主要方向，即建筑物屋顶的长和宽两个轴方向。
最后，由屋顶点集投影Pxy的平面范围{(xmin，xmax)|(ymin，ymax)}结合物屋顶的两个主要轴方向做屋顶轮廓切片分析，则可以快速遴选出建筑物屋顶四边边缘点。
(2)、基于切片内点到直线距离最大检测边缘点
平面上的一条直线ax+by+c＝0分割平面空间为两个有向子集空间，令任一有向子空间中的点集合为对点集做“点在直线上投影”计算出各点在直线ax+by+c＝0上的投影点，最终获得投影点集依据投影点集的横坐标或纵坐标排序，并取4个单位点密度对其做切片分割。在每一个切片内，根据公式求解点到直线间的距离：
在每个切片内，距离直线最远点即为边缘点。

Claims (1)

1.一种基于主成分分析的建筑物屋顶边缘快速检测方法，其核心在于：它包括了屋顶数据空间分布两个主方向的求解和沿着轴向的屋顶切片分析检测屋顶边缘；
(1)基于主成分分析求解建筑物屋顶两个主轴方向
通过主成分分析方法(Principal Component Analysis，简称PCA)检测出密集三维离散点云数据结构表达的屋顶边缘轮廓方法主要涉及三个关键步骤：
首先、对于通过滤波和高程阀值处理后的建筑物屋顶三维密集点云数据，在水平投影面xoy中构建协方差矩阵，令Pxy表示屋顶点在xoy平面上的投影坐标，可得到
其次，特征分解Apv＝λv，解算出协方差矩阵Ap的两个特征值(λ1，λ2)及其对应的特征向量(v1，v2)。这两个列向量表示就是所在建筑物屋顶点云分布的两个主要方向，即建筑物屋顶的长和宽两个轴方向。
(2)由屋顶主轴线检测屋顶边缘点
平面上的一条直线ax+by+c＝0分割平面空间为两个有向子集空间，令任一有向子空间中的点集合为对点集做“点在直线上投影”计算出各点在直线ax+by+c＝0上的投影点，最终获得投影点集依据投影点集的横坐标或纵坐标排序，并取一个单位点密度对投影点做其做切片分割。由投影点的映射关系，划分原始屋顶到不同的切片内，根据公式求解点到直线间的有向距离：
有向距离di的正负标识了点位于当前主轴线的某一侧。通过在每个切片内，对同向最远距离检测，识别出边缘点。
CN201610161761.4A 2016-03-22 2016-03-22 一种基于主成分分析的建筑物屋顶边缘快速检测方法 Pending CN107220987A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610161761.4A CN107220987A (zh) 2016-03-22 2016-03-22 一种基于主成分分析的建筑物屋顶边缘快速检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610161761.4A CN107220987A (zh) 2016-03-22 2016-03-22 一种基于主成分分析的建筑物屋顶边缘快速检测方法

Publications (1)

Publication Number Publication Date
CN107220987A true CN107220987A (zh) 2017-09-29

Family

ID=59928350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610161761.4A Pending CN107220987A (zh) 2016-03-22 2016-03-22 一种基于主成分分析的建筑物屋顶边缘快速检测方法

Country Status (1)

Country Link
CN (1) CN107220987A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801022A (zh) * 2021-02-09 2021-05-14 青岛慧拓智能机器有限公司 一种无人驾驶矿卡作业区道路边界快速检测更新的方法
CN113989310A (zh) * 2021-10-22 2022-01-28 广州市城市规划勘测设计研究院 建筑体量数据的估算方法、装置、设备及存储介质
CN115908424A (zh) * 2023-02-14 2023-04-04 广东建准检测技术有限公司 基于三维激光扫描的建筑物健康检测方法、***及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008032551A (ja) * 2006-07-28 2008-02-14 Okamura Printing Industries Co Ltd ゲージ板による屋根面積の算出方法
CN102411778A (zh) * 2011-07-28 2012-04-11 武汉大学 一种机载激光点云与航空影像的自动配准方法
CN102915558A (zh) * 2011-08-01 2013-02-06 李慧盈 一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法
US20140198978A1 (en) * 2013-01-11 2014-07-17 National Central University Method for searching a roof facet and constructing a building roof structure line
CN104036544A (zh) * 2014-06-25 2014-09-10 西安煤航信息产业有限公司 一种基于机载LiDAR数据的建筑物屋顶重建方法
CN104751479A (zh) * 2015-04-20 2015-07-01 中测新图(北京)遥感技术有限责任公司 基于tin数据的建筑物提取方法和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008032551A (ja) * 2006-07-28 2008-02-14 Okamura Printing Industries Co Ltd ゲージ板による屋根面積の算出方法
CN102411778A (zh) * 2011-07-28 2012-04-11 武汉大学 一种机载激光点云与航空影像的自动配准方法
CN102915558A (zh) * 2011-08-01 2013-02-06 李慧盈 一种快速提取机载LiDAR数据中建筑物三维轮廓信息的方法
US20140198978A1 (en) * 2013-01-11 2014-07-17 National Central University Method for searching a roof facet and constructing a building roof structure line
CN104036544A (zh) * 2014-06-25 2014-09-10 西安煤航信息产业有限公司 一种基于机载LiDAR数据的建筑物屋顶重建方法
CN104751479A (zh) * 2015-04-20 2015-07-01 中测新图(北京)遥感技术有限责任公司 基于tin数据的建筑物提取方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
秦家鑫 等: "一种建筑物点云轮廓线的自动提取方法", 《遥感信息》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112801022A (zh) * 2021-02-09 2021-05-14 青岛慧拓智能机器有限公司 一种无人驾驶矿卡作业区道路边界快速检测更新的方法
CN113989310A (zh) * 2021-10-22 2022-01-28 广州市城市规划勘测设计研究院 建筑体量数据的估算方法、装置、设备及存储介质
CN115908424A (zh) * 2023-02-14 2023-04-04 广东建准检测技术有限公司 基于三维激光扫描的建筑物健康检测方法、***及介质

Similar Documents

Publication Publication Date Title
Fan et al. Pothole detection based on disparity transformation and road surface modeling
JP6681729B2 (ja) オブジェクトの３ｄ姿勢およびオブジェクトのランドマーク点の３ｄロケーションを求める方法、およびオブジェクトの３ｄ姿勢およびオブジェクトのランドマークの３ｄロケーションを求めるシステム
CN106022381B (zh) 基于车载激光扫描点云的路灯杆自动提取方法
US8744168B2 (en) Target analysis apparatus, method and computer-readable medium
EP2249311B1 (en) Systems and methods for extracting planar features, matching the planar features, and estimating motion from the planar features
CN111915677A (zh) 一种基于三维点云特征的船舶位姿估计方法
Delmerico et al. Building facade detection, segmentation, and parameter estimation for mobile robot localization and guidance
EP2887315B1 (en) Camera calibration device, method for implementing calibration, program and camera for movable body
WO2015096507A1 (zh) 一种利用山体轮廓区域约束识别定位建筑物的方法
Cheng et al. Building boundary extraction from high resolution imagery and lidar data
EP4086846A1 (en) Automatic detection of a calibration standard in unstructured lidar point clouds
KR20110020718A (ko) 타겟 분석 장치 및 방법
CN114549549B (zh) 一种动态环境下基于实例分割的动态目标建模跟踪方法
CN107220987A (zh) 一种基于主成分分析的建筑物屋顶边缘快速检测方法
Sun et al. Oriented point sampling for plane detection in unorganized point clouds
CN115713633A (zh) 动态场景下基于深度学习的视觉slam方法、***及存储介质
CN112037282B (zh) 一种基于关键点以及骨架的飞机姿态估计方法及***
CN117710458A (zh) 一种基于双目视觉的舰载机着舰过程相对位置测量方法及***
Kochi et al. 3D modeling of architecture by edge-matching and integrating the point clouds of laser scanner and those of digital camera
CN108665470B (zh) 一种交互式轮廓提取方法
CN115909099A (zh) 基于无人机巡检的边坡危岩识别与监测方法
Li et al. GICP-LOAM: Lidar odometry and mapping with voxelized generalized iterative closest point
Tan et al. Automatic registration method of multi-source point clouds based on building facades matching in urban scenes
Fretes et al. A review of existing evaluation methods for point clouds quality
CN114283199B (zh) 一种面向动态场景的点线融合语义slam方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170929