[发明专利]一种重建LiDAR原始点云建筑物轮廓线的方法

摘要

本发明提供了一种重建LiDAR原始点云建筑物轮廓线的方法，包括在LiDAR离散点云的基础上，按照Delaunay三角网的原则构建三角网格；将Delaunay三角网格在三维空间存在长边的三角形中高程值比较大的两个点提取出来，并将其以点对形式存储；然后将点对作为“数据链条节”，通过连接“数据链条节”构成环形数据链条，完成每个突起物边缘点的聚类；最后统计每个突起物点集内点的数量，筛除非建筑物边缘点集合；按照连接顺序将每个点逐次加入拟合数据中重新拟合，以新加入的点到前一步拟合直线的距离作为判断标准，最终将相邻拟合边的交点连接起来得到建筑物的轮廓线；本发明方法速度快、效率和准确度高，解决了LiDAR数据的离散性和非特征性以及轮廓线重建的规则性问题。

主权项

1.一种重建LiDAR原始点云建筑物轮廓线的方法，包括：/n步骤A：在LiDAR离散点云的基础上，按照Delaunay三角网的构建原则建立三角网格，将三角网格中存在长边的三角形中高程值大的两个点提取出来，并将其以点对形式存储；然后将该点对作为数据链条节；/n步骤A实现从原始LiDAR点数据中直接提取突起物的边缘点；/n步骤A中输入为原始点云数据、阈值h₁和阈值h₂；步骤A中输出为突起物边缘点的总集合，步骤A包括：/n步骤A1：数据预处理，去除奇异点；/n步骤A2：采用Delaunay三角网格，构建点数据之间关联关系；/n步骤A3：计算Delaunay三角网中三角形每个边的边长和平均边长；/n步骤A4：提取突起物边缘点；/n步骤A1包括：/n步骤A1-1：设定搜索距离；设三维空间x-y-z坐标系每个轴上的搜索距离为Δx、Δy和Δz；/n步骤A1-2：建立每个点的搜索长方体：以每一个点为中心，向x、y和z轴的正向和负向分别扩展Δx、Δy和Δz的搜索距离，形成每个点的搜索长方体；/n步骤A1-3：设定扩展长方体内点数量的阈值h₁，h₁＝1；/n步骤A1-4：删除奇异点：统计落在每个点扩展长方体中点的数量a_i；如果a_i大于阈值h₁，则保留，如果a_i小于阈值h₁，则将该点从数据集中删除；最终得到新的点集O1；/n选取作为Δx、Δy和Δz的值，为平均相邻离散点间距；/n步骤A2包括：/n步骤A2-1：建立Delaunay三角形：在点集O1中任意寻找一点，然后查找距离此点最近的点，连接起来作为初始线；寻找一个离初始线最近的点，作为第三点；生成一个Delaunay三角形；/n步骤A2-2：建立Delaunay三角网：以Delaunay三角形新生成的两条边，作为新的基线；重复步骤A2-1、步骤A2-2，直到所有的基线处理完毕，得到Delaunay三角网格；/n步骤A4包括：/n步骤A4-1：设定边长阈值h₂：设定Delaunay三角网格的平均边长c为阈值h₂；/n步骤A4-2：提取符合特征的三角形的顶点：将h₂与每个三角形的边长c进行比较，如果同一三角形内有两条边长超过阈值h₂，则将该三角形三个顶点i，j，k的坐标提取出来；/n步骤A4-3：计算最大与最小高程点的高程平均值：取出三个点中高程最大点i和高程最小点k，并求这两个点高程的平均值/n步骤A4-4：边缘点判定：比较第三个点的高程h_j与高程平均值的大小，如果则将i，j提取出来，并以点对的形式存储在新的集合E中；否则，判断下一个三角形，直到Delaunay三角网格内的三角形都判断完毕；/n步骤A4-5：去除重复数据：将提取出来重复的点合并，得到突起物边缘点的集合A；/n步骤B：根据数据链条节的连接关系形成数据链条节集合，完成每个突起物边缘点的聚类，形成突起物边缘点集合，统计每个突起物边缘点集合内点的数量，筛除非建筑物边缘点集合；/n步骤C：构建每个建筑物边缘点集的环形数据链条，按照环形数据链条顺序将点加入拟合数据集合，进行直线拟合，当新加入的点到当前拟合直线的距离小于设定的阈值，则将该点加入当前拟合数据集合，重新拟合当前直线；当新加入的点到当前拟合直线的距离大于设定的阈值，则将该点视作下一个边的起始点，以该点与环形数据链条顺序中的下一点拟合新的直线；求出相邻两条拟合直线的交点并顺次连接，最终得到建筑物的轮廓线。/n