本發(fā)明是關(guān)于一種從密集三維離散屋頂點云中快速檢測屋頂輪廓方法,特別是關(guān)于加載lidar和無人機傾斜影像匹配重建點云的屋頂輪廓檢測應(yīng)用。
背景技術(shù):
實際應(yīng)用中經(jīng)常使用的屋頂輪廓檢測方法有以下幾種:依據(jù)橫和列兩個坐標(biāo)軸向完全遍歷的掃描線檢測方法和簇聚類凸包檢測算法。但是這些傳統(tǒng)的方法往往存在一些重要的缺陷:例如,掃描線檢測方法的精度受到建筑物和航向夾角的影響較為嚴(yán)重,且精度有限;凸包檢測算法考慮空間搜索鄰域半徑約束的情況下可以精確地檢測出建筑物屋頂輪廓點,但是計算量偏大。
基于主成分分析的建筑物屋頂檢測方法采用簇內(nèi)點在水平面上投影并構(gòu)建協(xié)方差矩陣的方法,求解出單個建筑物屋頂?shù)膬蓚€主軸方向。根據(jù)點在主軸方向上的投影距離,進(jìn)而識別出建筑物邊緣輪廓點。
技術(shù)實現(xiàn)要素:
本發(fā)明為解決公知技術(shù)中的問題而提供一種基于建筑物屋頂兩個主軸方向的提取算法。
本發(fā)明為解決公知技術(shù)中的問題所采用的技術(shù)方案是:(1)、基于主成分分析的建筑物屋頂邊緣快速檢測:通過主成分分析方法(principalcomponentanalysis,簡稱pca)檢測出密集三維離散點云數(shù)據(jù)結(jié)構(gòu)表達(dá)的屋頂邊緣輪廓方法主要涉及三個關(guān)鍵步驟:首先、對于通過濾波和高程閥值處理后的建筑物屋頂三維密集點云數(shù)據(jù),在水平投影后構(gòu)建協(xié)方差矩陣。其次,由協(xié)方差矩陣特征分解,解算出點云所在建筑物屋頂?shù)膬蓚€主要方向,即建筑物屋頂?shù)拈L和寬兩個軸方向。最后,由屋頂點集投影pxy的平面范圍{(xmin,xmax)|(ymin,ymax)}結(jié)合物屋頂?shù)膬蓚€主要軸方向做屋頂輪廓切片分析,則可以快速遴選出建筑物屋頂四邊邊緣點。
本發(fā)明具有的優(yōu)點和積極效果是:本發(fā)明是計算幾何和數(shù)據(jù)統(tǒng)計知識的有機結(jié)合,形成了一種利用主成分分析方法快速識別建筑物屋頂輪廓技術(shù)。針對聚類處理后的各個類簇cluster進(jìn)行處理,從中快速自動檢測屋頂近似輪廓,識別建筑物單體對象區(qū)域。本發(fā)明采用的方法減少了工作人員參與,算法計算復(fù)雜度低,可以快速實時處理海量城市場景建筑物單體化過程中建筑物屋頂檢測環(huán)節(jié),大大的降低了數(shù)據(jù)處理時間成本和人力資源成本。
附圖說明
下面通過一組附圖說明本算法的應(yīng)用領(lǐng)域及關(guān)鍵步驟。
圖1是一個復(fù)雜地表環(huán)境的數(shù)字正射影像
圖2是和圖1對應(yīng)的一個三維密集匹配點云
圖3是求解簇內(nèi)建筑物屋頂點云兩個主方向
圖4是沿長軸主方向上的切片分析
圖5是沿短軸主方向上的切片分析
圖6是檢測的屋頂邊緣
具體實施方式
下面對本發(fā)明進(jìn)行詳細(xì)的描述。該技術(shù)用主成分分析方法對建筑物屋頂點集進(jìn)行分析,利用投影距離原理,建立邊緣點識別模型,通過計算點到主軸之間的距離,得到建筑物邊緣輪廓點。
本發(fā)明的現(xiàn)實主要包括以下幾個方面:
(1)、基于主成分分析的建筑物屋頂兩個主軸方向檢測
首先、對于通過濾波和高程閥值處理后的建筑物屋頂三維密集點云數(shù)據(jù),在水平投影面xoy中構(gòu)建協(xié)方差矩陣,令pxy表示屋頂點在xoy平面上的投影坐標(biāo),可得到
其次,特征分解apv=λv,解算出協(xié)方差矩陣ap的兩個特征值(λ1,λ2)及其對應(yīng)的特征向量(v1,v2)。這兩個列向量表示就是所在建筑物屋頂點云分布的兩個主要方向,即建筑物屋頂?shù)拈L和寬兩個軸方向。
最后,由屋頂點集投影pxy的平面范圍{(xmin,xmax)|(ymin,ymax)}結(jié)合物屋頂?shù)膬蓚€主要軸方向做屋頂輪廓切片分析,則可以快速遴選出建筑物屋頂四邊邊緣點。
(2)、基于切片內(nèi)點到直線距離最大檢測邊緣點
平面上的一條直線ax+by+c=0分割平面空間為兩個有向子集空間,令任一有向子空間中的點集合為
在每個切片內(nèi),距離直線最遠(yuǎn)點即為邊緣點。