论文部分内容阅读
机载LiDAR技术是集激光扫描、差分GPS以及惯性测量等技术于一体的新型航空遥感技术,利用该技术能够实现海量高精度三维空间数据的快速获取,这使得机载LiDAR数据成为目前数字城市建设中实现房屋三维重建的最新和最富有竞争力的源数据。激光点云数据中的房屋三维重建一直是近年来激光点云应用研究的热点。在数据驱动的房屋三维重建过程中,屋顶特征线的提取是必不可少的步骤。屋顶特征线包括屋顶轮廓边缘线与非屋顶轮廓边缘线两类,其中非屋顶轮廓线包括正脊线、斜脊线以及谷线等。本文以机载LiDAR数据中的激光点云数据为基础,通过对房屋建筑学中各种单体房屋屋顶中包含的各种屋顶特征线进行归纳分类,深入研究了各种屋顶特征线(人字形屋顶正脊线、斜脊线、谷线以及屋顶轮廓边缘线)提取的关键技术和具体算法。本文的主要研究工作如下:1)屋顶特征线的分类。通过对房屋建筑学中国内外的各种单体坡屋顶房屋构造进行汇总和归纳,然后根据屋顶特征线的空间几何形态与其在屋顶构造中的功能差异,将屋顶特征线归类为正脊线、斜脊线、谷线以及轮廓边缘线等四大类。同时,根据正脊线和谷线中分别存在的几种不同几何形态,对正脊线和谷线进行了进一步的分类;2)本文提出了一种人字形屋顶正脊线的提取策略-爬行搜索策略。人字形屋顶正脊线通常代表了房屋的主方向,在房屋三维重建中具有重要作用。爬山法是人工智能领域中获取某些问题的解的一种方法。基于爬山法思想,本文提出了一种人字形屋顶正脊线的提取策略-爬行搜索策略,并实现了基于该策略的原型算法与改进算法。其中,原型算法实现了规则人字形房屋的人字形屋顶正脊线提取,而改进算法实现了复杂屋顶结构中同时存在的多条人字形屋顶正脊线;3)研究了基于邻域点曲面拟合的屋顶特征线上特征点的检测方法。首先,提出了二次拟合曲面中每个参与曲面拟合的点的近似曲率计算方法;其次研究了各种不同种类屋顶特征线上特征点之间的共性约束条件以及区分约束条件,其中共性约束条件包括曲率统计条件、屋面点条件以及点到平面距离等,而区分约束条件包括高程统计比例、当前激光点在拟合曲面处的法向量与Z轴正向夹角等;4)本文提出了一种基于点到直线距离和方向密度约束的特征线上离散特征点分组方法。Hough变换是最为经典的直线检测与提取方法,然而对于能够反映出直线特征但是离散程度较高的特征点点集,传统的Hough变换并不适用。本文基于格式塔图形组织原则,并借鉴了经典Hough变换中对直线的离散化方法,提出了一种基于点到直线距离和方向密度等条件约束的离散特征点分组方法;5)本文提出了一种基于激光点云数据的屋顶边缘轮廓线提取方法。基于激光点云数据的屋顶边缘轮廓线提取方法中,屋顶轮廓边缘点的检测至关重要。本文根据当前激光点与其每个邻域点确定的线段构建缓冲区,通过对缓冲区内激光点的分布分析确定屋顶轮廓边缘点,一方面避免了凹多边形形状对屋顶轮廓边缘点检测的影响,另一方面又最大限度确保了屋顶轮廓边缘点的密度。在此基础上,通过分组拟合、规则化以及外扩展等实现屋顶轮廓边缘线的提取。