CN116071530B - 一种基于机载激光点云的建筑物屋***化分割方法 - Google Patents

Abstract

本发明公开了一种基于机载激光点云的建筑物屋***化分割方法。首先利用地面滤波和分类算法提取机载激光点云中的建筑物点，将所有建筑物点分割为体素，并计算体素的坐标中心和法向量特征，然后将建筑物点划分为体素单元，利用区域生长算法生成初始建筑物屋顶分割结果，将体素作为节点，并结合初始分割结果以及邻域体素特征差异构建能量函数，最后利用图割算法得到最终建筑物屋顶分割结果。本发明利用机载激光点云自动化分割建筑物屋顶结构，克服机载点云稀疏、离散的特性，实现复杂城市场景的割建筑物屋顶结构精准分割，可以降低人工干预，可以服务于数字孪生与城市建筑物模型重建等工作。

Description

一种基于机载激光点云的建筑物屋***化分割方法

技术领域

本发明属于激光扫描数据处理技术领域，具体涉及一种基于机载激光点云的建筑物屋***化分割方法。

背景技术

三维激光扫描可以通过自上而下地方式对地球表面进行扫描，可以快速获取具有几何坐标和属性的激光点云，以主动扫描的方式用数字形式刻画现实世界，成为重要三维数据获取方式，成功应用于多种地理信息应用中。与二维影像相比，三维激光点云可以获取准确的城市地物实体的高度和几何结构信息。机载三维激光扫描***可以快速获取大范围城市实体三维坐标信息，并基于获取的三维激光点云得到城市地物实体结构。

随着数字孪生技术的推进，需要提取细节丰富的城市建筑物实体模型，同时精细化的城市建筑物模型的生成成为了数字基底构建的基础。为了更好的表示城市实体，实景三维模型要包含实体的三维立体组成结构以及部件级的语义关系。

城市建筑物组成复杂，高层建筑物屋顶会包含不同的楼层结构；低层建筑物屋顶会包含坡向不同的屋顶结构。针对复杂的城市建筑场景，精细提取建筑物的不同结构对实景三维重建是至关重要的。城市太阳能分析、灾害应急、变化检测等应用都对准确的屋顶结构语义几何关系重建结果有要求。因此，为了构建更精细的建筑物模型，如何高效地提取建筑物的不同结构，以及对建筑物屋顶进行有效分割成为了研究的难题。

发明内容

由于点云具有离散性的特点，传统的点云聚类或分割算法难以有效提取建筑物的不同结构，需要大量的人工手动编辑。针对现有技术不足，本发明提供一种基于机载激光点云的建筑物屋***化分割方法，不需要人工编辑，能够自动化、精准地分割建筑物屋顶，提升了自动化建模的可靠性。

为了达到上述目的，本发明提供的技术方案是一种基于机载激光点云的建筑物屋***化分割方法，包括以下步骤：

步骤1，利用地面滤波和分类算法提取机载激光点云中的建筑物点；

步骤2，将步骤1得到的所有建筑物点分割为体素，并计算体素的坐标中心和法向量；

步骤3，以体素为单元，利用区域生长算法生成初始建筑物屋顶分割结果；

步骤4，将体素作为节点，结合初始分割结果以及邻域体素特征差异构建能量函数，利用图割算法得到最终建筑物屋顶分割结果。

而且，所述步骤1中首先对机载激光点云利用滤波算法滤除地面点，得到非地面点，然后对非地面点利用点云分类算法，逐点标记为建筑物点和非建筑物点。

机载激光三维点云的定义为：

（1）

式中，为机载激光三维点云中激光点的数量，/>为三维点云中第k个点，/>为三维点云中第k个点分别对应的空间直角坐标系X、Y、Z轴的坐标值，空间直角坐标系以任一激光点为坐标原点，X轴指向东、Y轴指向真北方向、Z轴沿地球椭球法线方向构成右手系。

而且，所述步骤2中利用八叉树结构对建筑物点建立索引，根据给定的体素尺寸在点云空间规则划分体素，并逐体素计算体素的坐标中心和法向量。

体素的坐标中心计算方式为：

（2）

式中，为体素/>内所有点的坐标中心，是由体素/>内所有激光点空间坐标平均值组成的向量，/>为体素/>内激光点的总个数，/>为体素/>内的第t个激光点在X轴对应的坐标值，/>为体素/>内的第t个激光点在Y轴对应的坐标值，/>为体素/>内的第t个激光点在Z轴对应的坐标值。

体素的法向量计算方式为：

首先利用体素内含有的所有激光点构建协方差矩阵/>，即：

（3）

式中，为体素/>内激光点的总个数，/>为体素/>内的第t个激光点空间坐标组成的向量，/>，/>为体素/>内的第t个激光点在X轴对应的坐标值，/>为体素/>内的第t个激光点在Y轴对应的坐标值，/>为体素/>内的第t个激光点在Z轴对应的坐标值，/>为体素/>内所有点的坐标中心，是由体素/>内所有激光点空间坐标平均值组成的向量，/>，/>为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值，/>为体素/>内所有激光点在Z轴的坐标平均值。

然后将协方差矩阵通过特征值分解得到对应的三个特征值，/>，特征值/>对应的特征向量即为体素/>对应的法向量/>。

而且，所述步骤3中分别计算体素坐标中心与所有邻域体素坐标中心的水平、竖直距离以及与邻域体素的法向量夹角，设置邻域体素坐标中心的水平距离阈值、竖直距离阈值以及法向量夹角阈值，并将这些阈值作为约束条件，以体素为单元，利用区域生长算法对满足约束条件的邻域体素进行生长，得到初始建筑物屋顶分割结果。

水平方向距离由以下公式计算：

（4）

式中，为体素/>坐标中心和相邻体素/>坐标中心的水平方向距离，/>为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值，/>为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值。

竖直方向距离由以下公式计算：

（5）

式中，为体素/>坐标中心和相邻体素/>坐标中心的竖直方向距离，为/>体素/>内所有激光点在Z轴的坐标平均值，/>为体素/>内所有激光点在Z轴的坐标平均值。

法向量夹角的计算方式如下：

（6）

（7）

式中，为体素/>对应的法向量，/>为体素/>对应的法向量，/>，，/>为建筑物体素的数量。

给定水平距离阈值、竖直距离阈值/>、法向量夹角阈值/>，若满足条件且/>且/>，则利用区域生长算法使体素/>和体素/>进行生长，生成初始分割结果。

而且，所述步骤4中图割算法是一种基于图论的分割方法，其核心思想是能量优化，在计算机视觉领域普遍应用于图像的前景和背景分割。将每一个体素作为一个节点，利用图割算法对初始建筑物屋顶分割结果进行优化，即将步骤3得到的初始分割结果作为初始标签，并构建能量函数，以能量函数最小为优化目标，利用图割算法获取每个体素新的分割标签，得到最终的建筑物屋顶分割结果；能量函数计算方式如下，由数据项和平滑项构成：

（8）

式中，是所有体素对应的标签，/>为建筑物体素的数量，/>代表体素/>的标签为/>时的代价值，N是当前体素与所有邻域体素组对的集合，其中邻域体素为体素/>在空间上分别在X、Y、Z方向上相邻的26个邻域体素，/>为相邻体素的索引，/>是体素/>和邻域体素/>的标签分别为/>和/>的代价值。

数据项由与区域生长的初始分割结果相似度定义：

（9）

式中，为体素/>的初始标签，a是体素/>的标签/>与初始标签/>不一致的惩罚值。

区域生长过程所生成的平滑项是为了优化区域生长带来的过分割现象，因此将平滑项定义为：

（10）

（11）

式中，为体素/>坐标中心和邻域体素/>坐标中心的三维距离，/>为体素和邻域体素/>的法向量夹角，b和c为标签不一致时的惩罚项，/>为体素/>坐标中心和邻域体素/>坐标中心的三维距离阈值，/>为体素/>和邻域体素/>法向量夹角阈值。

通过最小化能量函数得到所有体素对应的最佳标签，最终具有相同标签的体素即为同一个建筑物屋顶结构。

与现有技术相比，本发明具有如下优点：

1）利用机载激光点云自动化分割建筑物屋顶结构，将点云划分为体素并以体素为单位进行分割，克服了机载点云稀疏、离散的特性，能够精准地分割建筑物屋顶结构，可以降低人工干预，提升实景三维重建的效率。

2）将建筑物点云划分为体素后，以体素为单元利用区域生长算法和图割算法由粗到细的进行建筑物屋顶结构分割，与已有建筑物屋顶分割方法相比，本发明可以获得准确的建筑物不同屋顶、楼层结构，可以服务于数字孪生与城市建筑物模型重建等工作。

附图说明

图1为本发明实施例的流程图。

具体实施方式

本发明提供一种基于机载激光点云的建筑物屋***化分割方法，该方法以自动化建筑物屋顶精细分割为目标，以机载激光点云为数据源，将建筑物点云划分为体素，并以体素为单元利用区域生长和图割算法精细化提取不同建筑物的屋顶结构。

下面结合附图和实施例对本发明的技术方案作进一步说明。

如图1所示，本发明实施例的流程包括以下步骤：

步骤1，利用地面滤波和分类算法提取机载激光点云中的建筑物点。

首先对机载激光点云利用布料滤波算法滤除地面点，得到非地面点，然后对非地面点利用点云分类算法，逐点标记为建筑物点和非建筑物点。

机载激光三维点云的定义为：

（1）

式中，为机载激光三维点云中激光点的数量，/>为三维点云中第k个点，/>为三维点云中第k个点分别对应的空间直角坐标系X、Y、Z轴的坐标值，空间直角坐标系以任一激光点为坐标原点，X轴指向东、Y轴指向真北方向、Z轴沿地球椭球法线方向构成右手系。

步骤2，将步骤1得到的所有建筑物点分割为体素，并计算体素的坐标中心和法向量。

利用八叉树结构对建筑物点建立索引，根据给定的体素尺寸在点云空间规则划分体素，并逐体素计算体素的坐标中心和法向量。

体素的坐标中心计算方式为：

（2）

式中，为体素/>内所有点的坐标中心，是由体素/>内所有激光点空间坐标平均值组成的向量，/>为体素/>内激光点的总个数，/>为体素/>内的第t个激光点在X轴对应的坐标值，/>为体素/>内的第t个激光点在Y轴对应的坐标值，/>为体素/>内的第t个激光点在Z轴对应的坐标值。

体素的法向量计算方式为：

首先利用体素内含有的所有激光点构建协方差矩阵/>，即：

（3）

式中，为体素/>内激光点的总个数，/>为体素/>内的第t个激光点空间坐标组成的向量，/>，/>为体素/>内的第t个激光点在X轴对应的坐标值，/>为体素/>内的第t个激光点在Y轴对应的坐标值，/>为体素/>内的第t个激光点在Z轴对应的坐标值，/>为体素/>内所有点的坐标中心，是由体素/>内所有激光点空间坐标平均值组成的向量，/>，/>为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值，/>为体素/>内所有激光点在Z轴的坐标平均值。

然后将协方差矩阵通过特征值分解得到对应的三个特征值，/>，特征值/>对应的特征向量即为体素/>对应的法向量/>。

步骤3，以体素为单元，利用区域生长算法生成初始建筑物屋顶分割结果。

分别计算体素坐标中心与所有邻域体素坐标中心的水平、竖直距离以及与邻域体素的法向量夹角，设置邻域体素坐标中心的水平距离阈值、竖直距离阈值以及法向量夹角阈值，并将这些阈值作为约束条件，以体素为单元，利用区域生长算法对满足约束条件的邻域体素进行生长，得到初始建筑物屋顶分割结果。

水平方向距离由以下公式计算：

（4）

式中，为体素/>坐标中心和相邻体素/>坐标中心的水平方向距离，/>为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值，/>为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值。

竖直方向距离由以下公式计算：

（5）

式中，为体素/>坐标中心和相邻体素/>坐标中心的竖直方向距离，为/>体素/>内所有激光点在Z轴的坐标平均值，/>为体素/>内所有激光点在Z轴的坐标平均值。

法向量夹角的计算方式如下：

（6）

（7）

式中，为体素/>对应的法向量，/>为体素/>对应的法向量，/>，，/>为建筑物体素的数量。

给定水平距离阈值、竖直距离阈值/>、法向量夹角阈值/>，若满足条件且/>且/>，则利用区域生长算法使体素/>和体素/>进行生长，生成初始分割结果。本实施例中，水平距离阈值/>为4m、竖直距离阈值/>为4m、法向量夹角阈值/>为/>。

步骤4，将体素作为节点，结合初始分割结果以及邻域体素特征差异构建能量函数，利用图割算法得到最终建筑物屋顶分割结果。

将每一个体素作为一个节点，利用图割算法对初始建筑物屋顶分割结果进行优化。图割算法是一种基于图论的分割方法，其核心思想是能量优化，在计算机视觉领域普遍应用于图像的前景和背景分割。将步骤3得到的初始分割结果作为初始标签，并构建能量函数的数据项，利用邻域体素几何特征差异构建能量函数的平滑项，以能量函数最小为优化目标，利用图割算法获取每个体素新的分割标签，得到最终的建筑物屋顶分割结果。

将图割算法视作多标题问题，即将每一个体素都作为一个节点，并为其分配有限集合L中的一个标签。优化目标为给每个体素/>分配一个标签/>，并使构建的能量函数值最小。能量函数计算方式如下，由数据项和平滑项构成：

（8）

式中，是所有体素对应的标签，/>为建筑物体素的数量，/>代表体素/>的标签为/>时的代价值，N是当前体素与所有邻域体素组对的集合，其中邻域体素为体素/>在空间上分别在X、Y、Z方向上相邻的26个邻域体素，/>为相邻体素的索引，/>是体素/>和邻域体素/>的标签分别为/>和/>的代价值。

数据项由与区域生长的初始分割结果相似度定义：

（9）

式中，为体素/>的初始标签，a是体素/>的标签/>与初始标签/>不一致的惩罚值，本实施例a值取为5。

区域生长过程所生成的平滑项是为了优化区域生长带来的过分割现象，因此将平滑项定义为：

（10）

（11）

式中，为体素/>坐标中心和邻域体素/>坐标中心的三维距离，/>为体素和邻域体素/>的法向量夹角，b和c为标签不一致时的惩罚项，/>为体素/>坐标中心和邻域体素/>坐标中心的三维距离阈值，/>为体素/>和邻域体素/>法向量夹角阈值，本实施例中，三维距离阈值/>为6m，法向量夹角阈值/>为/>，惩罚值b和c均为7。

采用-expansion算法最小化能量函数，得到所有体素对应的最佳标签，最终具有相同标签的体素即为同一个建筑物屋顶结构。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施案例，做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (5)

1.一种基于机载激光点云的建筑物屋***化分割方法，其特征在于，包括以下步骤：

步骤1，利用地面滤波和分类算法提取机载激光点云中的建筑物点；

步骤2，将步骤1得到的所有建筑物点分割为体素，并计算体素的坐标中心和法向量；

步骤3，以体素为单元，利用区域生长算法生成初始建筑物屋顶分割结果；

分别计算体素坐标中心与所有邻域体素坐标中心的水平、竖直距离以及与邻域体素的法向量夹角，设置邻域体素坐标中心的水平距离阈值、竖直距离阈值以及法向量夹角阈值，并将这些阈值作为约束条件，以体素为单元，利用区域生长算法对满足约束条件的邻域体素进行生长，得到初始建筑物屋顶分割结果；水平方向距离由以下公式计算：

（4）

式中，为体素/>坐标中心和相邻体素/>坐标中心的水平方向距离，/>为体素内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值，为体素/>内所有激光点在X轴的坐标平均值，/>为体素/>内所有激光点在Y轴的坐标平均值；

竖直方向距离由以下公式计算：

（5）

式中，为体素/>坐标中心和相邻体素/>坐标中心的竖直方向距离，为/>体素/>内所有激光点在Z轴的坐标平均值，/>为体素/>内所有激光点在Z轴的坐标平均值；

步骤4，将体素作为节点，结合初始分割结果以及邻域体素特征差异构建能量函数，利用图割算法得到最终建筑物屋顶分割结果；

图割算法是一种基于图论的分割方法，其核心思想是能量优化，在计算机视觉领域普遍应用于图像的前景和背景分割；将每一个体素作为一个节点，利用图割算法对初始建筑物屋顶分割结果进行优化，即将步骤3得到的初始分割结果作为初始标签，并构建能量函数，以能量函数最小为优化目标，利用图割算法获取每个体素新的分割标签，得到最终的建筑物屋顶分割结果；能量函数计算方式如下，由数据项和平滑项构成：

（8）

式中，是所有体素对应的标签，/>为建筑物体素的数量，/>代表体素/>的标签为/>时的代价值，N是当前体素与所有邻域体素组对的集合，其中邻域体素为体素/>在空间上分别在X、Y、Z方向上相邻的26个邻域体素，/>为相邻体素的索引，/>是体素/>和邻域体素/>的标签分别为/>和/>的代价值；

数据项由与区域生长的初始分割结果相似度定义：

（9）

式中，为体素/>的初始标签，a是体素/>的标签/>与初始标签/>不一致的惩罚值；

区域生长过程所生成的平滑项定义为：

（10）

（11）

式中，为体素/>坐标中心和邻域体素/>坐标中心的三维距离，/>为体素/>和邻域体素/>的法向量夹角，b和c为标签不一致时的惩罚项，/>为体素/>坐标中心和邻域体素/>坐标中心的三维距离阈值，/>为体素/>和邻域体素/>法向量夹角阈值；

通过最小化能量函数得到所有体素对应的最佳标签，最终具有相同标签的体素即为同一个建筑物屋顶结构。

2.如权利要求1所述的一种基于机载激光点云的建筑物屋***化分割方法，其特征在于：步骤1中首先对机载激光点云利用滤波算法滤除地面点，得到非地面点，然后对非地面点利用点云分类算法，逐点标记为建筑物点和非建筑物点，机载激光三维点云的定义为：

（1）

式中，为机载激光三维点云中激光点的数量，/>为三维点云中第k个点，/>为三维点云中第k个点分别对应的空间直角坐标系X、Y、Z轴的坐标值，空间直角坐标系以任一激光点为坐标原点，X轴指向东、Y轴指向真北方向、Z轴沿地球椭球法线方向构成右手系。

3.如权利要求1所述的一种基于机载激光点云的建筑物屋***化分割方法，其特征在于：步骤2中利用八叉树结构对建筑物点建立索引，根据给定的体素尺寸在点云空间规则划分体素，并逐体素计算体素的坐标中心和法向量，体素的坐标中心计算方式为：

（2）

式中，为体素/>内所有点的坐标中心，是由体素/>内所有激光点空间坐标平均值组成的向量，/>为体素/>内激光点的总个数，/>为体素/>内的第t个激光点在X轴对应的坐标值，/>为体素/>内的第t个激光点在Y轴对应的坐标值，/>为体素/>内的第t个激光点在Z轴对应的坐标值。

4.如权利要求3所述的一种基于机载激光点云的建筑物屋***化分割方法，其特征在于：步骤2中体素的法向量计算方式为：首先利用体素内含有的所有激光点构建协方差矩阵/>，即：

（3）

式中，为体素/>内激光点的总个数，/>为体素/>内的第t个激光点空间坐标组成的向量，/>，/>为体素/>内的第t个激光点在X轴对应的坐标值，为体素/>内的第t个激光点在Y轴对应的坐标值，/>为体素/>内的第t个激光点在Z轴对应的坐标值，/>为体素/>内所有点的坐标中心，是由体素/>内所有激光点空间坐标平均值组成的向量，/>，/>为体素/>内所有激光点在X轴的坐标平均值，为体素/>内所有激光点在Y轴的坐标平均值，/>为体素/>内所有激光点在Z轴的坐标平均值；

然后将协方差矩阵通过特征值分解得到对应的三个特征值/>，，特征值/>对应的特征向量即为体素/>对应的法向量/>。

5.如权利要求4所述的一种基于机载激光点云的建筑物屋***化分割方法，其特征在于：步骤3中法向量夹角的计算方式如下：

（6）

（7）

式中，为体素/>对应的法向量，/>为体素/>对应的法向量，/>，，/>为建筑物体素的数量；

给定水平距离阈值、竖直距离阈值/>、法向量夹角阈值/>，若满足条件且/>且/>，则利用区域生长算法使体素/>和体素/>进行生长，生成初始分割结果。