次阅读
产品详情
引言
车载激光扫描(Mobile Laser Scanning, MLS)系统是当今测绘科学领域最前沿的科技之一,它在三维街景重建、大比例尺地形图修测、城市部件测量等方面具有重要的应用价值。目前,相关的数据处理和信息提取研究正如火如荼的展开;其中,车载数据中建筑物立面提取是MLS数据处理和信息提取的重要组成部分,也是建筑物重建的关键步骤之一,是当前亟待解决的问题。点云催化剂软件中采用面向对象的点云处理方法进行建筑物立面提取。
建筑物立面提取方法
点云催化剂软件中使用的面向对象的MLS点云数据中建筑物立面提取方法包括四个主要步骤:首先,进行粗差点剔除;然后对点云数据进行平面分割,将每一个分割面片作为一个处理单元参与后续运算;接着,进行特征计算;最后,根据建筑物立面的先验知识进行立面识别。
复杂场景的MLS点云数据中包括丰富多样的地物信息,若从众多类型的激光脚点中提取建筑物立面点,必须要找到建筑物立面的特有特征,由此作为判断依据,从而识别出建筑物立面点。点云分类和目标识别方面通常使用的特征概括为:尺寸、形状、位置、方向、色彩、拓扑关系等特征。鉴于建筑物立面通常垂直于水平面、面积较大、显著高于周边地物这三个特点,本案列主要设计以下几种特征进行提取:(1)法线向量与水平面夹角。对于每一个分割片,首先进行基于特征值法的平面拟合,然后计算每一个分割面片的法向量,并且求出法向量与水平面的夹角,将该夹角作为提取建筑物立面的特征。该特征用以剔除地面、平面屋顶、倾斜屋顶、树木等类别的激光脚点。(2)面积。面积用每一面片中激光脚点数量来衡量。该测度的合理性在于,MLS测量数据的点密度通常是恒定的,某一分割面片的激光脚点的数量可以反映分割面片的面积大小,从而避免了获取激光脚点边缘以及计算面积的过程,减少算法的时间复杂度和空间复杂度。该特征用以剔除车辆、围栏、信箱、垃圾桶等面积较小的地物目标激光脚点。(3)绝对高程和高程变化范围。本案列定义绝对高程为该分割面片所有激光脚点的Z坐标平均值;高程变化范围为该分割面片激光脚点中高程最大值减去高程最小值。两个特征用以剔除地面,建筑物屋顶平面,坡度较缓以及高度较低的地物激光脚点。
鉴于多数的建筑物立面基本垂直于水平面,并且通常面积较大,高程变化范围较大;这些特征从理论上足以区分建筑物立面与其他地物激光脚点,如车辆、街道、植被、公共设施等;基于以上定义的特征,建筑物立面以及典型地物目标特征统计如表1所示。
表1典型地物特征统计
夹角(弧度) | 面积(或脚点数量) | 高程变化范围 | |
建筑物立面 | 1.5-1.6 | 较大(多) | 较大 |
建筑屋檐 | 0.0-0.1 | 较大(多) | 较小 |
树木 | 杂乱无章 | 较小(少) | 较大 |
告示栏 | 1.5-1.6 | 较小(少) | 适中 |
路灯 | 无 | 较小(少) | 较大 |
车辆 | 0.0-0.2 | 较小(少) | 较小 |
围墙 | 1.5-1.6 | 适中 | 适中 |
在判别过程中,将所有特征测度作为判别的条件且取并集,将建筑物立面激光脚点保留,并将其他属性的激光脚点予以删除。
实验
1、实验数据
实验数据为两景剔除粗差后的点云数据:
(1)第一景数据:该场景点云数据如图1所示,位于北京市昌平市区,地面较为平缓,但建筑物、树木、车辆、公共设施较多且分布复杂,共206810个数据点,平均点间隔为0.1米,该实验数据并不包含回波信息、色彩以及反射强度信息。
(2)第二景数据:该场景点云数据如图2所示,是地面扫描点云数据进行拼接形成的场景;为浙江省杭州市的一所学校,地面平坦,但建筑密集且结构复杂,点云数据散乱,激光脚点间隔不是恒定值,共423885个数据点,不包含回波信息、色彩以及反射强度信息。此数据用来检验本案列方法在建筑物形体复杂情况下的效果。
图1第一景数据
图2第二景数据
图3第一景点云分割数据
图4第二景点云分割数据
图5本案列方法提取的第一景数据建筑物立面
图6本案列方法提取的第二景数据建筑物立面
在点云分割中,分割参数设置为:邻近点个数:30、法向量间角度阈值:10、距离阈值:0.1m。经过该参数设置,点云分割效果如图3、图4所示;原始数据在默认情况下按照高程纹理彩色显示,而分割后的点云数据按分割面片进行颜色赋值,以便清晰的观察出分割的效果。经过对比发现,该分割方法虽然不可避免的存在一些误差,但是已经较为准确的表现了真实的城区地物信息,且满足后续处理的需要。
建筑物立面识别中,设置的规则为:法线向量与水平面之间的夹角:1.5-1.6;激光脚点数量(限制激光脚点下限):500;高程变化范围(高程下限):5m。建筑物立面提取的效果如图5、图6所示。
结论
本案列旨在解决MLS点云数据建筑物立面识别与提取问题。鉴于MLS点云数据的特点,提出了一种面向对象的建筑物立面提取方法。该方法首先对点云数据进行分割,然后利用分割面片的倾角、面积和高程特征定义规则进行立面的识别。试验分析表明,本案列的方法具有下述优势:
(1)该方法不需要滤波、分类等模式识别步骤。只要将点云数据进行分割,形成分割面片,通过将建筑物立面的特征作为先验知识,就可以准确提取建筑物立面点云数据,从而简化了建筑物提取的复杂度。
(2)该方法的鲁棒性较好。本案列面向对象的建筑物立面提取方法不仅适用于场景简单的MLS点云,而且同样适用于建筑物形体复杂并且地物繁多的MLS点云数据。
本案例中的建筑物立面识别方法同样适用于地基和背包激光雷达扫描的点云数据。
点云催化剂软件基于创新性的面向对象的点云分析理论,形成一套完整的从“点云→配准→点云分割→语义标注→单体化→3D建模→统计分析”的点云处理和分析技术流程,实现点云中地面点、树木、建筑物屋顶、车道线、交通标识线、杆状地物、建筑物立面等地理实体的自动、高效、高精度提取、矢量化与结构化表达。该软件包括点云去噪、点云分割、条带平差、滤波、分类、建筑物三维建模、电力线路三维重建、电力线路安全评估、单株树木提取和林木参数统计分析、单株农作物提取和农作物参数统计分析、矢量化成图等模块,为地形测绘、林业资源调查、农业资源调查、电力巡线、实景三维、室内三维重建、高精度地图制作等领域提供智能解决方案。“我们不生产点云数据,我们生产点云数据的智能处理分析软件,并提供由激光雷达数据到信息、知识、决策的增值服务”。
该软件由北京云想容科技有限公司(简称云想容)自主研发,公司是一家由激光雷达数据处理分析领域的资深科研人员创办的高新技术企业,我们天弘基业与云想容达成深度战略合作,集合两家的优势,从前端数据采集,数据处理,以及统计分析,将深耕激光点云的行业应用,提高我们的合作伙伴及用户在生产实践中的效果和效率,感兴趣的小伙伴可扫描下方二维码或直接电联我们,共同学习与交流。
天弘基业是世界领先的丹麦SKY-WATCH全系列无人机、瑞士senseFly eBee全系列无人机、意大利3DF Zephyr三维建模软件以及点云催化剂软件在中国区的总代理,DJI大疆京津冀地区行业一级代理,瑞士Pix4D航测处理软件行业代理,美国Stratasys3D打印机,北科天绘机载LiDAR,广州优飞无人机智能巡检系统金牌行业合作伙伴,专业提供各种无人机、机载LiDAR、多光谱相机、地面三维激光扫描系统、SLAM系统及3D打印机等全流程空间三维综合解决方案的定制开发、专业化技术培训、全方位技术支持及工程服务。业务涉及常规测量产品、无人机、摄影测量、环境保护、矿山监测、农林业、考古应用、电力、应急减灾等领域,同时承接航测、倾斜、考古、文物等三维建模工程业务,欢迎垂询!感兴趣的小伙伴可关注我们获得最新资讯和产品介绍!
天弘基业技术中心