科研之友
微信
新浪微博
Facebook
分享链接
摘要
建筑物屋顶面的准确分割对建筑物模型重建具有重要意义。但是由于建筑物屋顶面的种类繁多、大小差异大、形状复杂等特点，以及机载LiDAR点云数据的密度不均、数据量大等特性，传统分割方法存在欠分割、过分割以及小平面难以准确分割等问题。针对上述问题，本文提出一种基于体素区域增长的机载LiDAR点云建筑物屋顶面分割方法，有效提升了复杂结构建筑物屋顶面的分割精度。首先，对点云数据进行体素化，根据PCA方法估计每个体素的法向量、曲率值。然后实现基于体素区域增长的初始屋顶面分割。该过程选取当前体素空间曲率最小值体素作为初始种子体素，以26邻域为增长方向，根据种子体素与待增长体素间的法向量夹角约束增长。迭代增长过程中根据当前种子体素与增长体素的曲率差绝对值确定待增长种子体素，直到未有新的种子体素出现停止增长。再次选择新的初始种子体素重复该过程，直到完成所有体素的分割。最后通过对初始分割结果中过分割屋顶面进行合并、屋顶面结构完整性修复、复杂建筑物的小平面提取等优化处理得到最终的屋顶面。本文选取ISPRS官网提供的Vaihingen和Toronto 2个地区的机载LiDAR点云数据，分别对其中代表性的单栋建筑物和区域建筑物进行屋顶面分割实验。结果表明，复杂建筑物屋顶面点云分割的完整率、正确率和分割质量结果分别为95.36%～99.58%、94.83%～100%和90.65%～98.28%。本文方法在解决欠分割和过分割问题的基础上，有效地提高了建筑物点云的屋顶面分割的精度。
- 单位
