[发明专利]一种基于激光测量点云的室内结构分割方法

说明书

本发明公开了一种基于激光测量点云的室内结构分割方法，包括输入室内三维点云后，首先基于给定的初始分辨率，使用TBBS超体素分割方法，实现点云的超体素分割，提取平面超体素单元；借助曲率和法向量变化，提取曲面超体素中的曲面点单元；基于平面超体素，拟合室内平面模型；基于曲面点，使用圆柱单形，拟合室内曲面模型；最终，基于α扩张优化算法，将提取的超体素单元和曲面点单元，分配给最优的模型，实现单元分类与分割。本发明先将室内三维点云预分割为超体素单元，每个超体素内点共享相同的法向量和曲率，有助于点云噪声的滤除与点云处理的效率。超体素集采用多分辨率，保证了超体素预分割的边界准确性和曲面结构完整性。

技术领域

本发明属于地图制图技术领域，特别涉及一种基于激光测量点云的室内结构分割方法。

背景技术

随着经济活动的快速发展，建筑物的数量大幅增加，人类的室内活动显著增长。与此同时，建筑物内部结构也呈现大型化、复杂化趋势

。因此，人们对室内环境的了解和认知需求也随之不断提升，室内场景理解与识别引发了广泛的关注。室内结构提取与分割，作为室内场景理解的基础部分和主要组成部分，在室内环境认知与理解上具有重要意义。

借助传统测量手段，人工分割识别室内结构，费时费力。随激光传感器技术发展，基于激光点云进行室内结构分割识别具有速度快、精度高等优势，成为室内场景理解与识别的研究热点。然而，基于室内三维点云的室内结构分割尚存若干问题，如由于室内设施相互遮挡导致的墙面信息大面积缺失，由于室内的窗户、玻璃等强反射面导致的噪声与测量误差，以及由于曲面结构拟合困难导致的曲面过分割等问题。上述问题给自动分割识别室内结构，带来了极大困难。

发明内容

为了解决上述技术问题，本发明提供了一种以含噪声、遮挡的室内三维点云为输入，实现室内结构自动分割技术，为后续室内场景理解、三维建模等应用，提供有效的数据基础。

本发明所采用的技术方案是一种基于激光测量点云的室内结构分割方法，包括以下步骤：

步骤1，输入室内三维点云后，首先基于多分辨率超体素，进行点云预分割，提取平面超体素，包括以下子步骤：

步骤1.1，基于给定的初始分辨率r，使用TBBS超体素分割方法，实现点云的超体素分割，生成超体素集合；

步骤1.2，每一超体素分类为平面超体素和曲面超体素，平面超体素存入平面超体素集PC，曲面超体素存入新点集NPC；

步骤1.3，基于当前分辨率r＝r*r_dio，NPC中点实施TBBS超体素分割，生成新的超体素集C′，NPC内点清空；

步骤1.4，针对新集合C′，重新执行步骤1.2；

步骤1.5，若执行完毕，NPC不为空，则重复执行1.3和1.4；重复迭代，直至NPC为空，或当前分辨率r小于给定分辨率阈值r_min，获取平面超体素集PC；

步骤2，基于TBBS超体素分割方法，提取曲面超体素内点集，包括以下子步骤：

步骤2.1，基于给定分辨率r，使用TBBS超体素分割方法，实现点云的超体素分割，点云生成超体素集合；

步骤2.2，对每一超体素，运用步骤1.2的方法，曲面超体素内点存入曲面点集NP；

步骤3，以平面超体素为单元，提取平面模型，包括以下子步骤：

步骤3.1，计算每个超体素pc_i∈PC的曲率，并按照曲率由小到大排序；

步骤3.2，选取曲率最小的超体素pc_s，计算pc_s的中心点和法向量，建立平面模型η_s；