[发明专利]基于点云数据快速提取室内三维线段结构的方法

说明书

本发明提供基于点云数据快速提取室内三维线段结构的方法，包括：测量采集室内建筑物的点云数据，进行投影，形成二维投影点云数据；提取二维投影点云数据中的线段，利用线段端点坐标反算出立面的空间几何方程，进而分割出立面；将立面点从二维投影点云数据中剔除，余下点进行下采样并分割出水平面，将立面和水平面合并得到最终的平面分割结果；对于平面分割结果中每个提取的平面，拟合出平面的精确参数，将平面上点投影至拟合出的拟合面上，提取每个平面的边缘点，得到边缘点集合；设定点到直线的最远距离，提取三维线段，进一步根据线段之间的平行性，共线性，重合性进行线段合并，得到最终的三维线段结构提取结果。

技术领域

本发明属于三维激光扫描技术领域，具体涉及一种基于点云数据快速提取室内三维线段结构的方法。

背景技术

近年来三维激光雷达技术飞速发展，大规模高密度的点云数据很容易获取，与此同时，海量的点云给数据处理和信息提取带来了巨大挑战。由于原始点云数据的非结构化、不规则性、非均匀性等特点，有必要对其进行简洁而有意义的抽象。线段结构作为现实环境最常见的特征之一，在很多领域如三维重建，配准，定位，标定，道路提取，目标识别等起着重要作用。

目前点云三维线段结构提取仍是一个活跃的课题，学者们提出了大量不同的方法，大致可分为四类：基于点的方法、基于多视图的方法、基于深度学习的方法和基于平面的方法。传统的基于点特征的方法如高斯图，曲率变化，法线差异等效果并不理想，一个主要因素是“轮廓点”很难去准确定义，因为现实环境非常复杂，基于一个或几个特征的轮廓点提取方法只适应一些特定的场景。基于多视图的方法需要将三维点云数据转为不同视角下的图像，从图像中提取线段再进行三维重建，难点在于不同视角下线段的匹配。早期的3D扫描设备非常昂贵，3D模型往往是通过这种方式获得的。这种方法只适应单一视角采集的数据，对于复杂的室内点云数据，很难建立准确的线段配对，此外，基于多视图的方法受图像质量的影响较大，当噪声增加时，图像质量急剧下降。基于深度学习的方法需要有监督的先验知识且缺乏大量的标记训练样本，尽管发展迅速，目前仍处于研究阶段，与传统方法相比，当面临大规模无组织点云的快速信息提取时，并无明显优势。目前效果较好的是基于平面的方法，即先从点云中分割出平面，再从平面中提取轮廓点和三维线段，但是传统的平面分割算法存在如效率低，过分割，欠分割，高内存消耗，阈值设定依赖经验等缺陷。

发明内容

本发明是为了解决大规模室内点云快速配准，定位和目标识别等问题而进行的，目的在于提供一种基于点云数据快速提取室内三维线段结构的方法，实现建筑物室内基本框架的快速、准确提取。

本发明为了实现上述目的，采用了以下方案：