科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了准确提取不同类型建筑物屋顶点云的各个平面，采用度量学习的方式，将每个平面视为单独的实例，为每个平面上的点学习单独的高维深度特征。然后利用所提取的高维深度特征对平面点进行初步的聚类。最后通过简单的欧氏距离和特征空间距离进行综合度量将未聚类的点分配至各个平面。所提出的方法分别在合成数据集和公开的机载点云建筑物屋顶数据集RoofN3D上进行了训练和测试。结果表明，在合成数据集上，所提取的建筑物平面的准确率、召回率和F1分数分别为0.990、0.998和0.994。在机载点云数据集RoofN3D上，所提取的建筑物平面的准确率、召回率和F1分数分别为0.945、0.971和0.957。该方法不仅可以准确有效的提取出不同建筑物屋顶平面，而且提取出的平面边缘非常准确。除此以外，该方法还可以准确的区分建筑物屋顶平面内容和非平面内容，为进一步建筑物三维建模提供重要帮助。
- 单位
