基于車載LiDAR點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法
【專利摘要】本發(fā)明公開了一種基于車載LiDAR點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法，包括以下步驟：LiDAR點(diǎn)云數(shù)據(jù)的面片提取，將LiDAR點(diǎn)云數(shù)據(jù)劃分成若干個(gè)小立方體塊，并將各個(gè)小立方體塊擬合，得到符合預(yù)設(shè)要求的面片；對(duì)面片進(jìn)行合并，合并后的面片進(jìn)行面片增長，對(duì)增長后的面片再進(jìn)行合并，最后對(duì)得到的面片進(jìn)行幾何糾正，并消除噪聲面片。本發(fā)明實(shí)用性廣，即使點(diǎn)云數(shù)據(jù)質(zhì)量較差也能得到較好的結(jié)果。
【專利說明】基于車載L i DAR點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及車載LiDAR點(diǎn)云數(shù)據(jù)處理【技術(shù)領(lǐng)域】，特別是涉及一種基于車載LiDAR 點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法。

【背景技術(shù)】
[0002] 隨著街景地圖的發(fā)展，實(shí)景對(duì)象的面片信息提取相關(guān)問題是當(dāng)前亟待解決的問 題。車載激光掃描系統(tǒng)的發(fā)展使得實(shí)景對(duì)象的立面提取越來越多地使用車載LiDAR數(shù)據(jù)， 但利用車載LiDAR數(shù)據(jù)時(shí)仍然存在幾個(gè)主要問題：點(diǎn)云數(shù)據(jù)處理時(shí)間長，計(jì)算量大；場景復(fù) 雜，目標(biāo)豐富；建筑物立面層次結(jié)構(gòu)復(fù)雜，立面細(xì)節(jié)特征豐富。針對(duì)這些問題的存在，基于點(diǎn) 云數(shù)據(jù)的面片優(yōu)化是關(guān)鍵步驟之一。
[0003] 目前三維點(diǎn)云平面檢測(cè)常用的方法有三種，基于隨機(jī)抽樣一致性算法（RANdom SAmple Consensus, RANSAC)、基于霍夫變換的算法、區(qū)域增長法，基于這三種方法也出現(xiàn)了 很多改進(jìn)算法。
[0004] 基于隨機(jī)抽樣一致性算法：是一種模型參數(shù)估計(jì)方法，將其應(yīng)用到點(diǎn)云的平面檢 測(cè)，并在隨機(jī)采樣過程中引入最小采樣半徑來限制采樣范圍，解決了外點(diǎn)密度和分布變化 帶來的模型估計(jì)不穩(wěn)定問題，并且采用隨機(jī)子集對(duì)估計(jì)到的模型進(jìn)行評(píng)價(jià)，減少了運(yùn)算量， 在保持形狀模型檢測(cè)精度的同時(shí)提高了計(jì)算速度。
[0005] 基于霍夫變換的方法：首先對(duì)參數(shù)空間（霍夫空間）離散化得到一系列子空間，即 累加器，然后對(duì)每個(gè)累加器投票，對(duì)票數(shù)進(jìn)行統(tǒng)計(jì)，峰值累加器所對(duì)應(yīng)的圖像空間中的平面 即為檢測(cè)到的最佳平面。然而累加器的設(shè)計(jì)存在共同的缺陷，即累加器的大小不一致和峰 值可辨性差，導(dǎo)致檢測(cè)到的平面模型不準(zhǔn)確，而且此方法耗占較大的存儲(chǔ)空間。
[0006] 區(qū)域增長法：是根據(jù)同一物體區(qū)域內(nèi)象素的相似性質(zhì)來聚集象素點(diǎn)的方法，從初 始區(qū)域開始，將相鄰的具有同樣性質(zhì)的象素或其它區(qū)域歸并到目前的區(qū)域中從而逐步增長 區(qū)域，直至沒有可以歸并的點(diǎn)或其它小區(qū)域?yàn)橹?。區(qū)域生長方法是一種比較普遍的方法，在 沒有先驗(yàn)知識(shí)可以利用時(shí)，能取得最佳的性能，可以用來分割比較復(fù)雜的圖像，但是，區(qū)域 增長是一種迭代的方法，空間和時(shí)間開銷都比較大。
[0007] 以上三種方法在大數(shù)據(jù)時(shí)內(nèi)存開銷大、計(jì)算時(shí)間長，對(duì)數(shù)據(jù)質(zhì)量要求較高。


【發(fā)明內(nèi)容】

[0008] 本發(fā)明要解決的技術(shù)問題在于針對(duì)現(xiàn)有技術(shù)中的上述缺陷，提供一種充分利用點(diǎn) 云空間分布特征來優(yōu)化面片，降低錯(cuò)誤率，提高精度的基于車載LiDAR點(diǎn)云數(shù)據(jù)的街景面 片提取及優(yōu)化方法。
[0009] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：
[0010] 提供一種基于車載LiDAR點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法，其特征在于，包 括以下步驟：
[0011] 步驟I =LiDAR點(diǎn)云數(shù)據(jù)的面片提取，基于八叉樹結(jié)構(gòu)，將LiDAR點(diǎn)云數(shù)據(jù)劃分成若 干個(gè)小立方體塊，并將各個(gè)小立方體塊擬合，得到符合預(yù)設(shè)要求的面片；
[0012] 步驟2 :對(duì)步驟1中得到的面片進(jìn)行合并，對(duì)每一個(gè)面片，構(gòu)建鄰接表，計(jì)算所有相 鄰面片法向量之間的夾角，若某相鄰的面片P1和P 2的夾角Θ〈 Θ th，則將其進(jìn)行合并，得到 新的面片P'，計(jì)算合并后面片的面精度的下降值，若符合事先給定的閾值范圍，則合并面 片P 1和P2，得到新面片P，并更新鄰接表；重復(fù)步驟2,直至沒有可以再進(jìn)行合并的面片；
[0013] 步驟3 :對(duì)步驟2中合并后的面片進(jìn)行面片增長，將步驟2中得到的面片視為種子 面片，以最小單元為增長單元，26鄰域進(jìn)行增長；對(duì)增長后的面片再按照步驟2的方法進(jìn)行 合并，得到最后合并的面片；
[0014] 步驟4 :對(duì)步驟3中得到的面片進(jìn)行幾何糾正，并消除噪聲面片。
[0015] 本發(fā)明所述的方法中，步驟4中對(duì)面片進(jìn)行幾何糾正具體包括：
[0016] 根據(jù)面片包含的點(diǎn)，求得面片的最小包圍矩形框的角點(diǎn)坐標(biāo)；
[0017] 對(duì)交叉的最小包圍矩形框，在交叉處對(duì)邊界進(jìn)行進(jìn)一步的優(yōu)化，具體為將所有矩 形框投影到XOY平面上，在二維空間中，對(duì)每條線段兩端進(jìn)行擴(kuò)展，擴(kuò)展長度為1 ;判斷擴(kuò)展 后的線段是否相交，若相交，則計(jì)算相交線段L1和L2對(duì)應(yīng)的矩形框R1和R 2在Z軸方向的距 離h，公式如下：
[0018] h= (hlmax-h2max+hlmin_h2min)/2
[0019] 其中hl_，hlnin和h2_，I^niin分別為對(duì)應(yīng)的矩形框R 1和R2中四個(gè)角點(diǎn)中z坐標(biāo) 最大和最小值；若h小于給定的閾值hth，則求得相交點(diǎn)坐標(biāo)，并執(zhí)行下一步，否則，繼續(xù)判 斷下一對(duì)相交線段；分別計(jì)算交點(diǎn)坐標(biāo)到兩條線段的端點(diǎn)的水平距離，記為dl begin，dlend和 d2begin，d2end，并求得 dl- = min(dlbegin, dlend)和(12- = min(d2begin, d2end)。分別判斷(Ilniin 和d2min是否小于給定距離閾值dth，若小于，則結(jié)合交點(diǎn)坐標(biāo)信息，切除交點(diǎn)到相應(yīng)端點(diǎn)之 間的矩形框。
[0020] 本發(fā)明所述的方法中，步驟4中，消除噪聲面片包括以下步驟：
[0021] 獲取每個(gè)站點(diǎn)對(duì)應(yīng)的點(diǎn)云和面片信息；
[0022] 利用移動(dòng)測(cè)量車記錄下的每個(gè)站點(diǎn)在世界坐標(biāo)系下的三維坐標(biāo)，將預(yù)先獲取的電 力線點(diǎn)云X wiM按照距離分配到每一個(gè)站點(diǎn)上，得到每個(gè)站點(diǎn)Si上對(duì)應(yīng)的電力線點(diǎn)云XLre;
[0023] 對(duì)每一個(gè)站點(diǎn)Si上的面片集合Pi中的所有面片進(jìn)行分析；如果面片= 1，2, 對(duì)應(yīng)的點(diǎn)云分布較為稀疏，或者點(diǎn)云的數(shù)量小于某一閾值δ th，則認(rèn)為該面片可 能為一個(gè)電力線片面；
[0024] 在Si對(duì)應(yīng)的電力線點(diǎn)云；4α中進(jìn)行搜索，得到出在面片If范圍內(nèi)且到If平面的 距離小于〇1米的點(diǎn)的個(gè)數(shù)NwiM，再計(jì)算出面片的單位寬度范圍內(nèi)平均的點(diǎn)云個(gè)數(shù)\ = \&/ w，w表示面片的寬度，如果NW>D2，則認(rèn)為該面片是電力線面片，將其刪除。
[0025] 本發(fā)明所述的方法中，消除噪聲面片還包括對(duì)矩形框進(jìn)行合并，針對(duì)之前的面片 合并做進(jìn)一步的合并優(yōu)化，基于面片的幾何關(guān)系，優(yōu)化合并結(jié)果，具體包括以下步驟：
[0026] 將所有的矩形框按照其面積進(jìn)行排序得到排序之后的矩形框集合PSOTt，然后從 PSOTt中依次找出當(dāng)前最大的矩形框Pirt;
[0027] 對(duì)吐⑴找到其對(duì)應(yīng)的站點(diǎn)Si,將氏-3, SJ3]范圍內(nèi)的站點(diǎn)的矩形框作為當(dāng)前 Ps'ort 附近的矩形框；
[0028] 將這些矩形框按照其與之間的位置關(guān)系分成水平方向和堅(jiān)直方向的兩類，對(duì) 與之間平面夾角小于Θ，且距離小于D的面片進(jìn)行分析：首先對(duì)水平方向的矩形框進(jìn) 行合并分析，先將待分析旋轉(zhuǎn)到與當(dāng)前矩形框巧。#平行，然后將旋轉(zhuǎn)之后的矩形框投 影到Pirt平面上，得到一個(gè)二維矩形R hyp，計(jì)算出該矩形與PLrt四個(gè)頂點(diǎn)在該平面上構(gòu)成的 矩形Rcm之間的重疊區(qū)域R tjl以及兩者的最小包圍矩形Rdiot，如果R。）λ Jhyp則將P/^刪除； 如果R_> λ 2 (Rc^Rhyp)，則將以_合并到中，取矩形Rdiot作為合并之后的矩形框（λ P λ 2為設(shè)定的參數(shù)）；對(duì)于堅(jiān)直方向的矩形框，只要其旋轉(zhuǎn)之后在沿面片Pirt寬的方向上不 超過:APif5rt (λ為設(shè)定的參數(shù)），則將其與矩形框Picrt合并，取兩者的最小包圍矩形作為合 并之后的矩形框。
[0029] 本發(fā)明所述的方法中，步驟3中，面片增長具體包括步驟：
[0030] 計(jì)算鄰接最小單元中所有點(diǎn)（個(gè)數(shù)為Μ)到種子面片的距離d，統(tǒng)計(jì)距離d小于給 定閾值d th的點(diǎn)的個(gè)數(shù)，記為N ;若N大于給定的閾值Nth并且大于rXM(0〈r〈l)，r為給定 的參數(shù)，則進(jìn)行增長，同時(shí)重新估計(jì)面片參數(shù)，并更新鄰接表；否則，不增長；并進(jìn)行循環(huán)迭 代，直至所有面片處理完；
[0031] 逐步增大dth的值，增大幅度為d'，并進(jìn)行循環(huán)迭代，直至dth小于給定的最大閾 值d' th，則停止迭代。
[0032] 本發(fā)明所述的方法中，步驟2中面精度的下降值計(jì)算和根據(jù)閾值范圍進(jìn)行面片合 并，具體包括以下步驟：
[0033] 若某相鄰的面片P1和P2的夾角θ〈 Θ th，則將其進(jìn)行合并，采用RASNAC算法重新 估計(jì)得到新的面P，并計(jì)算面P的方差，記為σ';分別記面片？1和己的方差為〇1和 σ 2，并記σ ^ = 2)。通過方差，計(jì)算合并后面精度的下降值Od = σ' -σ·。 若〇d〈max(3*〇Mx，〇th)，其中〇 th為事先給定的閾值，則合并面hjPP2，得到新面P'，并 更新鄰接表；若。d>max(3· σ_，〇th)，則不進(jìn)行合并操作。
[0034] 本發(fā)明產(chǎn)生的有益效果是：本發(fā)明通過基于車載LiDAR點(diǎn)云數(shù)據(jù)提取街景面片， 并優(yōu)化結(jié)果，包括對(duì)面片矩形框的幾何糾正，如交叉，傾斜等情況；對(duì)噪聲面片進(jìn)行消除，如 噪聲點(diǎn)的干擾，電力線面片等，完成這些操作，實(shí)驗(yàn)證明即使點(diǎn)云數(shù)據(jù)質(zhì)量較差也能得到較 好的結(jié)果。

【專利附圖】

【附圖說明】
[0035] 下面將結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明，附圖中：
[0036] 圖1是本發(fā)明實(shí)施例點(diǎn)云建筑物面片提取及優(yōu)化流程圖；
[0037] 圖2是本發(fā)明實(shí)施例基于八叉樹的面片提取、面片增長及面片合并示意圖；
[0038] 圖3是本發(fā)明實(shí)施例交叉面片處理示意圖。

【具體實(shí)施方式】
[0039] 為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì) 本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅用以解釋本發(fā)明，并不 用于限定本發(fā)明。
[0040] 本發(fā)明實(shí)施例的基于車載LiDAR點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法，如圖1所 示，包括以下步驟：
[0041] 步驟1，LiDAR點(diǎn)云數(shù)據(jù)的面片提取，共包括初始面片提取、面片合并、面片增長三 個(gè)步驟。
[0042] 步驟1. 1，初始面片提取，目前提取面片的常用方法包括，基于隨機(jī)抽樣一致性算 法（RANdom SAmple Consensus, RANSAC)、基于霍夫變換的算法、區(qū)域增長法，以及基于這三 種方法提出的很多改進(jìn)算法。本發(fā)明面片提取過程如下：
[0043] 步驟1. 1. 1，基于八叉樹結(jié)構(gòu)來處理數(shù)據(jù)，假設(shè)三維點(diǎn)云數(shù)據(jù)最大包圍立方盒為 B，根據(jù)該立方盒的大小將其切分成若干個(gè)大小為MXM(M = 2N)的小立方體，記為Bi，此處 即首先分成8個(gè)立方體，考慮到立方體太大無法擬合成面片，并且擬合的面片也不準(zhǔn)確，故 根據(jù)先驗(yàn)知識(shí)將立方體繼續(xù)劃分η層，得到合適大小的立方體
[0044] 步驟I. 1. 2,針對(duì)每個(gè)小立方體Bi,采用最小二乘的方法擬合得到面Pi,并計(jì)算得 到每個(gè)點(diǎn)到面P i的距離Clij，同時(shí)求得最大距離dmax。
[0045] 若dmax〈dth，hth為給定的閾值，則面P i符合要求；
[0046] 若d_>dth，且d_〈 λ dth，λ為預(yù)先設(shè)置的參數(shù)，則采用RANSAC算法對(duì)該立方體進(jìn) 行重新擬合，得到新的面Pi;
[0047] 若d_>dth，則對(duì)該立方體按照八叉樹結(jié)構(gòu)進(jìn)行均勻分割，得到8塊新的立方體，重 復(fù)迭代此步驟；
[0048] 步驟I. 1. 3,對(duì)于步驟I. 1. 2中的前兩種情況，即dmax〈dth或dmax〈 λ dth，計(jì)算該立方 體中包含的點(diǎn)云的曲率平均值Rniean。
[0049] 若R_〈Rth，Rth給定的閾值，則保留該立方體；
[0050] 若R_>Rth，則對(duì)該立方體進(jìn)行均勻分割，得到8塊新的立方體，重復(fù)迭代步驟 I. 1. 2 和步驟 I. 1. 3。
[0051] 步驟I. 1. 4,直至每個(gè)立方體都被擬合成面或者已經(jīng)為最小單元（大小為W)，則停 止迭代。
[0052] 步驟1.2,面片合并。
[0053] 步驟1. 2. 1，對(duì)每一個(gè)面片，構(gòu)建鄰接表。
[0054] 步驟1. 2. 2,根據(jù)鄰接表，計(jì)算所有相鄰面片法向量之間的夾角，并將所有夾 角從小到大進(jìn)行排序，同時(shí)，將組成夾角的兩個(gè)面片依次排序。設(shè)置閾值Q th，若某相 鄰的面片P1和P2的夾角θ〈 Θ th，則將其進(jìn)行合并，采用RASNAC算法重新估計(jì)得到新 的面W，并計(jì)算面W的方差，記為σ '。分別記面片？1和己的方差為〇:和σ2，并 記σ MX = max( σ σ 2)。通過方差，計(jì)算合并后面精度的下降值σ d = σ ' -σ _。若 σ d〈max(3 · σ _，σ th)，其中σ th為事先給定的閾值，則合并面P1和P2，得到新面并更 新鄰接表；若。 d>max(3·〇th)，則不進(jìn)行合并操作。
[0055] 步驟1. 2. 3,重復(fù)1. 2. 2步驟，直至沒有可以再進(jìn)行合并的面片。
[0056] 步驟I. 3,面片增長（如圖2所示）
[0057] 步驟1. 3. 1，對(duì)步驟1. 2中得到的所有初始面片按照大?。ò钚卧膫€(gè)數(shù)） 從大到小進(jìn)行排序。
[0058] 步驟1.3. 2,針對(duì)每個(gè)初始面片，將其視為種子面片，以最小單元為增長單元，26 鄰域進(jìn)行增長。計(jì)算鄰接最小單元中所有點(diǎn)（個(gè)數(shù)為M)到種子面片的距離d，統(tǒng)計(jì)距離d 小于給定閾值dth的點(diǎn)的個(gè)數(shù)，記為N。若N大于給定的閾值Nth并且大于rXM(0〈r〈l)，r 為給定的參數(shù)，則進(jìn)行增長，同時(shí)重新估計(jì)面片參數(shù)，并更新鄰接表；否則，不增長。對(duì)步驟 1. 3. 2進(jìn)行循環(huán)迭代，直至所有面片處理完。
[0059] 步驟1.3. 3,逐步增大dth的值，增大幅度為d'，并重復(fù)步驟1.3. 2,直至dth小于 給定的最大閾值d' th，則停止迭代。
[0060] 步驟1. 3. 4,對(duì)增長后的面片執(zhí)行步驟1. 2,如圖2所示，即進(jìn)行合并，得到合并后 的面片。
[0061] 步驟2,面片后處理，共包括面片粗濾除、面片矩形框獲取及精細(xì)化、交叉矩形框優(yōu) 化、面片噪聲去除四個(gè)步驟。
[0062] 步驟2. 1，面片粗濾除。本發(fā)明所需的面片為街景堅(jiān)立面，而步驟1所得的面片中， 存在較多的較小的面片以及水平面片，需要進(jìn)行濾除。假設(shè)所有的面片集合為P i,針對(duì)每個(gè) 面片，計(jì)算其寬度W，高度H，面積S，點(diǎn)的個(gè)數(shù)N及法向量與Z軸夾角A，若符合下式條件，則 保留；否則，濾除。
[0063] W>Wth, H>Hth, S>Sth, A>Ath,
[0064] 其中Wth，Hth，Sth，R th及Ath為給定的合理閾值。
[0065] 步驟2. 2,面片矩形框獲取。本發(fā)明實(shí)施例中，面片最終用矩形框進(jìn)行表達(dá)，因此， 需要根據(jù)面片包含的點(diǎn)，求得其最小包圍矩形框，具體過程如下：
[0066] 步驟2.2. 1，針對(duì)每一個(gè)面P，其法向量為（!^!^!^，假設(shè)其包含的點(diǎn)云集三維坐 標(biāo)分別為X = {々於，Y = {yiW和Z= {Zjf，其中N為點(diǎn)的個(gè)數(shù)。首先將所有點(diǎn)投影到面p， 得到新的點(diǎn)集X'=以片，Y' = 和Z' = ?於，設(shè)點(diǎn)（Xp，ν Zp)為面p上任意一點(diǎn)，則公 式如下：
[0067] X' j = Xj+nxXD, y' t = Y^nyXD, z' i = Z^nzXD,
[0068] 其中D為點(diǎn)（Xi，yi，Zi)到面P的距離，其計(jì)算公式如下：
[0069] D = nx (Xp-Xi) +ny (yp-y) +nz (Zp-Zi)
[0070] 步驟2. 2. 2,繞Z軸旋轉(zhuǎn)，使面法向量在XOY平面上的投影分量和Y軸平行，并求得 3X3旋轉(zhuǎn)矩陣Rz。
[0071] 步驟2. 2. 3,基于該旋轉(zhuǎn)矩陣，求取旋轉(zhuǎn)后的點(diǎn)集y = ，Y7"=況垃:和 f = ，計(jì)算公式如下：
[0072] (x[,yf,z[) = (x-,yl，z·) x Rz
[0073] 步驟 2· 2· 4,求取點(diǎn)集（Xlr, Ylr, ZO 中的最大最小點(diǎn) Oinax,yiiax, Zjnax)， (Xmin，ymin，zmin)，其中 ymax * Υη?η，設(shè) Ymean - (ymax + ymin)/2? 故矩形框的四個(gè) 角點(diǎn)坐標(biāo)分力lj 為（義min，ymean，Zmin) j (^-max'yinean? ^min) J Ymearp Zmax) J (-^max? yinean? ^max) °
[0074] 步驟2. 2. 5,將四個(gè)頂點(diǎn)旋轉(zhuǎn)到原坐標(biāo)系中，得到最終的矩形框角點(diǎn)坐標(biāo)，旋轉(zhuǎn)矩 陣為Rz的逆矩陣V z。
[0075] 步驟2. 3,矩形框精細(xì)化。在步驟2. 2中，由于所求的矩形框?yàn)樽钚“鼑?，很多?方?jīng)]有點(diǎn)云，卻處于矩形框的范圍內(nèi)，因此，需要進(jìn)行進(jìn)一步的精細(xì)化，即拆分矩形框，具體 過程如下：
[0076] 步驟2.3. 1，針對(duì)每一個(gè)面片，進(jìn)行步驟2.2. 1，步驟2. 2. 2和步驟2. 2. 3,得到旋 轉(zhuǎn)后的點(diǎn)集。沿X軸方向，對(duì)點(diǎn)集進(jìn)行切塊，切塊寬度為Wx，并分別求得每一塊中點(diǎn)最大的 z坐標(biāo)。
[0077] 步驟2. 3. 2,對(duì)切塊進(jìn)行聚合，即考慮相鄰切塊最大z坐標(biāo)差值的絕對(duì)值，若小于 給定的閾值z(mì)th，則合并切塊。當(dāng)合并完成后，將寬度小于W th的切塊合并到鄰接切塊中。
[0078] 步驟2. 3. 3,針對(duì)每一個(gè)切塊，執(zhí)行步驟2. 2. 4和步驟2. 2. 5,完成矩形框的精細(xì) 化，得到所有矩形框i? = {&}?，η為矩形框個(gè)數(shù)。
[0079] 步驟2. 4,交叉矩形框優(yōu)化。在獲得的所有矩形框中，存在矩形框交叉的問題，為 了保證矩形框的緊密性以及合理性，在交叉處需要對(duì)邊界進(jìn)行進(jìn)一步的優(yōu)化，具體過程如 下：
[0080] 步驟2. 4. 1，如圖3所示，將所有矩形框投影到XOY平面上，即將矩形框投影為一系 列的線段X =仏?}?，η為線段個(gè)數(shù)。在二維空間中，對(duì)每條線段兩端進(jìn)行擴(kuò)展，擴(kuò)展長度為 1〇
[0081] 步驟2. 4. 2,判斷擴(kuò)展后的線段是否相交，若相交，則計(jì)算相交線段L1和L2對(duì)應(yīng)的 矩形框R 1和R2在Z軸方向的距離h，公式如下：
[0082] h= (hlmax-h2max+hlmin_h2min)/2
[0083] 其中hl_，hlnin和h2_，I^niin分別為對(duì)應(yīng)的矩形框R 1和R2中四個(gè)角點(diǎn)中z坐標(biāo) 最大和最小值。若h小于給定的閾值hth，則求得相交點(diǎn)坐標(biāo)，并執(zhí)行下一步，否則，繼續(xù)判 斷下一對(duì)相交線段。
[0084] 步驟2. 4. 3,分別計(jì)算交點(diǎn)坐標(biāo)到兩條線段（假設(shè)SLdPL2)的四個(gè)端點(diǎn)的 水平距離，記為 dlbegin，dlend 和 d2begin，d2end，并求得(Ilniin = min(dlbegin, dlend)和（12-= min(d2begin，d2end)。分別判斷dlmin和d2 min是否小于給定距離閾值dth，若小于，則結(jié)合交點(diǎn) 坐標(biāo)信息，切除交點(diǎn)到相應(yīng)端點(diǎn)之間的矩形框。
[0085] 步驟3,面片噪聲去除，包括電力線面去除和面片合并，具體過程如下：
[0086] 步驟3. 1，獲取每個(gè)站點(diǎn)對(duì)應(yīng)的點(diǎn)云和面片信息。
[0087] 利用移動(dòng)測(cè)量車記錄下的每個(gè)站點(diǎn)在世界坐標(biāo)系下的三維坐標(biāo)，將電力線點(diǎn)云 Xwire按照距離分配到每一個(gè)站點(diǎn)上，得到每個(gè)站點(diǎn)Si上對(duì)應(yīng)的電力線點(diǎn)云；
[0088] 步驟3. 2,電力線面片去除。
[0089] 對(duì)每一個(gè)站點(diǎn)Si上的面片集合Pi中的所有面片進(jìn)行分析。如果面片= 1，2, ..·，?}，對(duì)應(yīng)的點(diǎn)云分布較為稀疏，或者點(diǎn)云的數(shù)量小于某一閾值δ th，則認(rèn)為該面片可 能為一個(gè)電力線片面。接著在Si對(duì)應(yīng)的電力線點(diǎn)云中進(jìn)行搜索，得到出在面片If范 圍內(nèi)且到Pf平面的距離小于〇1米的點(diǎn)的個(gè)數(shù)Nwire，再計(jì)算出面片的單位寬度范圍內(nèi)平均的 點(diǎn)云個(gè)數(shù)\ = NwiM/w，w表示面片的寬度，如果NW>D2，則認(rèn)為該面片是電力線面片，將其刪 除。
[0090] 步驟3. 3,矩形框合并，針對(duì)步驟1. 2的面片合并做進(jìn)一步的合并優(yōu)化，基于面片 的幾何關(guān)系，優(yōu)化合并結(jié)果，具體過程如下：
[0091] 步驟3. 3. 1，將所有的矩形框按照其面積進(jìn)行排序得到排序之后的矩形框集合 Pstjrt，然后從Pstjrt中依次找出當(dāng)前最大的矩形框。
[0092] 步驟3. 3. 2,對(duì)巧^，找到其對(duì)應(yīng)的站點(diǎn)Si,將氏-3, SJ3]范圍內(nèi)的站點(diǎn)的矩形框 作為當(dāng)前附近的矩形框。
[0093] 步驟3. 3. 3,將這些矩形框按照其與:之間的位置關(guān)系分成水平方向和堅(jiān)直方 向的兩類。只需對(duì)與之間平面夾角小于Θ，且距離小于D的面片進(jìn)行分析：首先對(duì) 水平方向的矩形框進(jìn)行合并分析，先將待分析旋轉(zhuǎn)到與當(dāng)前矩形框Pj ert平行，然后將 旋轉(zhuǎn)之后的矩形框投影到Pirt平面上，得到一個(gè)二維矩形Rhyp，計(jì)算出該矩形與Pia tI四個(gè) 頂點(diǎn)在該平面上構(gòu)成的矩形Rcm之間的重疊區(qū)域Rtjl以及兩者的最小包圍矩形，如果 Rol> λ Ayp則將P/〇rt刪除；如果D λ 2 (Rcur+Rhyp)，則將p/〇rt合并到Pjort中，取矩形R mer作為 合并之后的矩形框（λπ λ2為設(shè)定的參數(shù)）。對(duì)于堅(jiān)直方向的矩形框，只要其旋轉(zhuǎn)之后在 沿面片Piert寬的方向上不超過APi ert (λ為設(shè)定的參數(shù)），則將其與矩形框Piert合并，取兩 者的最小包圍矩形作為合并之后的矩形框。
[0094] 本發(fā)明綜合現(xiàn)有技術(shù)，基于車載LiDAR點(diǎn)云數(shù)據(jù)提取街景面片，并優(yōu)化結(jié)果，包括 對(duì)面片矩形框的幾何糾正，如交叉，傾斜等情況；對(duì)噪聲面片進(jìn)行消除，如噪聲點(diǎn)的干擾，電 力線面片等，完成這些操作，實(shí)驗(yàn)證明即使點(diǎn)云數(shù)據(jù)質(zhì)量較差也能得到較好的結(jié)果。
[0095] 應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換， 而所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。
【權(quán)利要求】
1. 一種基于車載LiDAR點(diǎn)云數(shù)據(jù)的街景面片提取及優(yōu)化方法，其特征在于，包括以下 步驟： 步驟I=LiDAR點(diǎn)云數(shù)據(jù)的面片提取，將LiDAR點(diǎn)云數(shù)據(jù)劃分成若干個(gè)小立方體塊，并將 各個(gè)小立方體塊擬合，得到符合預(yù)設(shè)要求的面片； 步驟2:對(duì)步驟1中得到的面片進(jìn)行合并，對(duì)每一個(gè)面片，構(gòu)建鄰接表，計(jì)算所有相鄰面 片法向量之間的夾角，若某相鄰的面片P1和P2的夾角Θ〈Θth，則將其進(jìn)行合并，得到新的 面片Pi，計(jì)算合并后面片的面精度的下降值，若符合事先給定的閾值范圍，則合并面片P1 和己，得到新面片P，并更新鄰接表；重復(fù)步驟2,直至沒有可以再進(jìn)行合并的面片； 步驟3 :對(duì)步驟2中合并后的面片進(jìn)行面片增長，將步驟2中得到的面片視為種子面 片，以最小單元為增長單元，26鄰域進(jìn)行增長；對(duì)增長后的面片再按照步驟2的方法進(jìn)行合 并，得到最后合并的面片； 步驟4 :對(duì)步驟3中得到的面片進(jìn)行幾何糾正，并消除噪聲面片。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟4中對(duì)面片進(jìn)行幾何糾正具體包括： 根據(jù)面片包含的點(diǎn)，求得面片的最小包圍矩形框的角點(diǎn)坐標(biāo)； 對(duì)交叉的最小包圍矩形框，在交叉處對(duì)邊界進(jìn)行進(jìn)一步的優(yōu)化，具體為將所有矩形框 投影到XOY平面上，在二維空間中，對(duì)每條線段兩端進(jìn)行擴(kuò)展，擴(kuò)展長度為1 ;判斷擴(kuò)展后的 線段是否相交，若相交，則計(jì)算相交線段L1和L2對(duì)應(yīng)的矩形框R1和R2在Z軸方向的距離h， 公式如下： h= (hlmax-h2max+hlmin-h2min)/2 其中hlmax，hlmin和h2max，h2min分別為對(duì)應(yīng)的矩形框R1和R2中四個(gè)角點(diǎn)中z坐標(biāo)最大 和最小值；若h小于給定的閾值hth，則求得相交點(diǎn)坐標(biāo)，并執(zhí)行下一步，否則，繼續(xù)判斷下一 對(duì)相交線段；分別計(jì)算交點(diǎn)坐標(biāo)到兩條線段的端點(diǎn)的水平距離，記為dlbegin，dlend和d2begin， d2end，并求得dl- =min(dlbegin,dlend)和(12- =min(d2begin,d2end)。分別判斷dl-和 (12- 是否小于給定距離閾值dth，若小于，則結(jié)合交點(diǎn)坐標(biāo)信息，切除交點(diǎn)到相應(yīng)端點(diǎn)之間的矩形 框。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟4中，消除噪聲面片包括以下步驟： 獲取每個(gè)站點(diǎn)對(duì)應(yīng)的點(diǎn)云和面片信息； 利用移動(dòng)測(cè)量車記錄下的每個(gè)站點(diǎn)在世界坐標(biāo)系下的三維坐標(biāo)，將預(yù)先獲取的電力線 點(diǎn)云XwiM按照距離分配到每一個(gè)站點(diǎn)上，得到每個(gè)站點(diǎn)Si上對(duì)應(yīng)的電力線點(diǎn)云 對(duì)每一個(gè)站點(diǎn)Si上的面片集合Pi中的所有面片進(jìn)行分析；如果面八{(lán)/f,/C= 1，2,…，i}，對(duì)應(yīng)的點(diǎn)云分布較為稀疏，或者點(diǎn)云的數(shù)量小于某一閾值δth，則認(rèn)為該面片可 能為一個(gè)電力線片面； 在Si對(duì)應(yīng)的電力線點(diǎn)云中進(jìn)行搜索，得到出在面片If范圍內(nèi)且到If平面的距離 小于D1米的點(diǎn)的個(gè)數(shù)Nwira，再計(jì)算出面片的單位寬度范圍內(nèi)平均的點(diǎn)云個(gè)數(shù)Nw =NwiM/w，w表示面片的寬度，如果NW>D2，則認(rèn)為該面片是電力線面片，將其刪除。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，消除噪聲面片還包括對(duì)矩形框進(jìn)行合并， 具體包括以下步驟： 將所有的矩形框按照其面積進(jìn)行排序得到排序之后的矩形框集合Pstjrt，然后從Pstjrt中 依次找出當(dāng)前最大的矩形框Piat; 對(duì)'Pirt，找到其對(duì)應(yīng)的站點(diǎn)Si,將[Si-Sji+S]范圍內(nèi)的站點(diǎn)的矩形框作為當(dāng)前PirtB近的矩形框； 將這些矩形框按照其與之間的位置關(guān)系分成水平方向和堅(jiān)直方向的兩類，對(duì)與 之間平面夾角小于Θ，且距離小于D的面片進(jìn)行分析：首先對(duì)水平方向的矩形框進(jìn)行 合并分析，先將待分析Airt旋轉(zhuǎn)到與當(dāng)前矩形框Pirt平行，然后將旋轉(zhuǎn)之后的矩形框投影 到Pirt平面上，得到一個(gè)二維矩形Rhyp，計(jì)算出該矩形與Pirt四個(gè)頂點(diǎn)在該平面上構(gòu)成的 矩形Rcm之間的重疊區(qū)域Rtjl以及兩者的最小包圍矩形Rdiot，如果IVλJhyp則將PsU刪除； 如果R_>λ2 (Rc^Rhyp)，則將合并到PsL中，取矩形Rdiot作為合并之后的矩形框（λi， λ2為設(shè)定的參數(shù)）；對(duì)于堅(jiān)直方向的矩形框，只要其旋轉(zhuǎn)之后在沿面片寬的方向上不 超過(λ為設(shè)定的參數(shù)），則將其與矩形框UPjfjrt合并，取兩者的最小包圍矩形作為合 并之后的矩形框。
5. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟3中，面片增長具體包括步驟： 計(jì)算鄰接最小單元中所有點(diǎn)（個(gè)數(shù)為Μ)到種子面片的距離d，統(tǒng)計(jì)距離d小于給定閾 值dth的點(diǎn)的個(gè)數(shù)，記為N;若N大于給定的閾值Nth并且大于rXM(0〈r〈I)，r為給定的參數(shù)， 則進(jìn)行增長，同時(shí)重新估計(jì)面片參數(shù)，并更新鄰接表；否則，不增長；并進(jìn)行循環(huán)迭代，直至 所有面片處理完； 逐步增大dth的值，增大幅度為d'，并進(jìn)行循環(huán)迭代，直至dth小于給定的最大閾值d'th，則停止迭代。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，步驟2中面精度的下降值計(jì)算和根據(jù)閾值 范圍進(jìn)行面片合并，具體包括以下步驟： 若某相鄰的面片P1和P2的夾角θ〈Θth，則將其進(jìn)行合并，采用RASNAC算法重新估計(jì) 得到新的面P，并計(jì)算面P的方差，記為σ';分別記面片？1和己的方差為〇1和〇2， 并記σ_ =max(σσ2);通過方差，計(jì)算合并后面精度的下降值σd =σ'-σ_ ;若 σ/ηκχ(3·σ_，〇th)，其中〇th為事先給定的閾值，則合并面PjPP2，得到新面P，并更 新鄰接表；若。d>max(3·〇th)，則不進(jìn)行合并操作。
【文檔編號(hào)】G06T5/00GK104463871SQ201410751955
【公開日】2015年3月25日 申請(qǐng)日期:2014年12月10日 優(yōu)先權(quán)日:2014年12月10日
【發(fā)明者】姚劍, 李禮, 魯小虎, 陳夢(mèng)怡 申請(qǐng)人:武漢大學(xué)