点云数据的多几何面片特征自动识别

doi:10.13474/j.cnki.11-2246.2017.0038

测绘通报 ›› 2017, Vol. 0 ›› Issue (2): 6-9,53.doi: 10.13474/j.cnki.11-2246.2017.0038

点云数据的多几何面片特征自动识别

石宏斌¹, 殷义程², 袁曼飞³

1. 许昌学院城乡规划与园林学院, 河南许昌 461000;
2. 云南省测绘工程院, 云南昆明 650033;
3. 陕西铁路工程职业技术学院, 陕西渭南 714000

收稿日期:2015-12-08 修回日期:2016-07-07 出版日期:2017-02-25 发布日期:2017-03-01
作者简介:石宏斌(1981-),男,博士,讲师,主要从事激光点云数据分割、特征提取、自动配准等方面的研究。E-mail:hbshi@whu.edu.cn
基金资助:
河南省高等学校重点科研项目（17B420001）；国家自然科学基金（41301429）

An Automatic Method for Point Cloud Multi-Geometry Feature Recognition

SHI Hongbin¹, YIN Yicheng², YUAN Manfei³

1. School of Urban-rural Planning and landscape Architecture, Xuchang University, Xuchang 461000, China;
2. Surveying and Mapping Engineering Institute of Yunnan Province, Kunming 650033, China;
3. Shaanxi Railway Institute, Weinan 714000, China

Received:2015-12-08 Revised:2016-07-07 Online:2017-02-25 Published:2017-03-01

摘要/Abstract

摘要：

针对人工构筑物丰富的面片特征，提出一种基于局部采样优化的多种几何面片（平面、柱面、球面）点云数据分割方法。该方法首先利用三维格网建立点云数据的空间划分，然后根据随机采样点确定局部格网单元，在格网单元内部拟合多种几何模型，通过局部打分确定局部候选模型（集），利用统计推断估算候选模型集的全局打分区间，最终获得当前最优模型及其一致集，从而实现点云数据分割。试验结果表明：该方法能够对富含规则几何特征的人工构筑物进行有效分割。

关键词: 地面激光三维扫描, 分割, 局部采样, 统计推断, 法向约束

Abstract:

A segmentation method is proposed in this paper,based on local sample for point cloud with rich geometry features(plane,cylinder,sphere). The proposed method firstly divides point cloud by 3D grid. Then a subcell is determined by a random sample point, in which multi-primitive models are fitted, and the candidate models are got by its local score. Then the global scores are determined by statistic inference. Hence, the best model and its consensus set can be selected, and a segmentation can be made on point cloud. The experimental results show that our method can efficiently segment man-made structures rich in regular geometry shape.

Key words: terrestrial laser 3D scanning, segmentation, local sample, statistics inference, normal vector constrain

中图分类号:

P225

石宏斌, 殷义程, 袁曼飞. 点云数据的多几何面片特征自动识别[J]. 测绘通报, 2017, 0(2): 6-9,53.

SHI Hongbin, YIN Yicheng, YUAN Manfei. An Automatic Method for Point Cloud Multi-Geometry Feature Recognition[J]. 测绘通报, 2017, 0(2): 6-9,53.

参考文献

[1] 郭明.海量精细空间数据管理技术研究[D].武汉:武汉大学,2011.
[2] RABBANI T.Automatic Reconstruction of Industrial Installations Using Point Clouds and Images[D].Delft:Delft University of Technology,2006.
[3] 何文峰.大型场景三维重建中的深度图像配准[D].北京:北京大学,2004.
[4] 陈卓,马洪超.基于机载LiDAR数据的大型立交桥自动提取与建模方法[J].测绘学报,2012,41(2):252-258.
[5] SITHOLE G,VOSSELMAN G.Filtering of Airborne Laser Scanner Data Based on Segmented Point Clouds[C]//Laser Scanning 2005.[S.l.]:ISPRS,2005.
[6] TAMAS L, GORON L C. 3D Semantic Interpretation for Robot Perception Inside Office Environments[J].Engineering Applications of Artificial Intelligence, 2014,32(4-5):210-215.
[7] BELTON D. Classification and Segmentation of 3D Terrestrial Laser Scanner Point Clouds[D]. Bentley:Curtin University of Technology,2008.
[8] 李宝.三维点云的鲁棒处理技术研究[D].长沙:国防科学技术大学,2011.
[9] BOLLES R C,FISCHLER M A.A RANSAC-based Approach to Model Fitting and Its Application to Finding Cylinders in Range Data[C]//Proceedings of the 7th International Joint Conference on Artificial Intelligence.[S.l.]:International Joint Conference on Artificial Intelligence,1981,637-643.
[10] CHAPERON T,GOULETTE F.Extracting Cylinders in Full 3-d Data Using a Random Sampling Method and the Gaussian Image[J]. VMV,2001(1):35-42.
[11] 王植,李慧盈,吴立新,等.基于RANSAC模型的机载LiDAR数据中建筑轮廓提取算法[J]. 东北大学学报(自然科学版),2009,33(2):271-275.
[12] 皇甫中民,闫雒恒,刘雪梅.基于RANSAC算法的旋转面特征提取[J].计算机工程与设计,2009,30(5):1295-1298.
[13] TAREK M A.基于散乱地面激光扫描点云数据的复杂立面中平面的自动提取[D].武汉:武汉大学,2010.
[14] 陈付幸,王润生.基于预检验的快速随机抽样一致性算法[J].软件学报,2005,16(8):1431-1437.
[15] 王力.三维扫描数据处理中数据结构的设计与比较[J].测绘通报,2010(9):63-65.

点云数据的多几何面片特征自动识别

An Automatic Method for Point Cloud Multi-Geometry Feature Recognition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[2]	钟少忠, 周克军, 王留召, 毛明楷. 车载点云特征对应影像自动分割技术研究[J]. 测绘通报, 2022, 0(6): 45-48 ,97.
[3]	陈智朗, 付振华, 朱紫阳, 王慧慧, 刘沁雯, 杨钰灵, 许耿然. 基于HRNet的高分辨率遥感影像建筑物变化信息提取[J]. 测绘通报, 2022, 0(5): 126-132.
[4]	刘小玉, 刘扬, 杜明义, 张敏, 贾竞珏, 杨恒. 基于DeeplabV3+的建筑垃圾堆放点识别[J]. 测绘通报, 2022, 0(4): 16-19,43.
[5]	师芸, 石龙龙, 牛敏杰, 赵侃. 基于单阶段实例分割网络的黄土滑坡多任务自动识别[J]. 测绘通报, 2022, 0(4): 26-31.
[6]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[7]	普东东, 丁海勇. 融合超体素与成对链接聚类的LiDAR点云分割算法[J]. 测绘通报, 2022, 0(3): 65-69.
[8]	张伯树, 张志华, 张洋. 改进的HRNet应用于路面裂缝分割与检测[J]. 测绘通报, 2022, 0(3): 83-89.
[9]	杨景玉, 贾多科, 王阳萍. 基于超像素分割与CRF的高分辨率遥感影像变化检测[J]. 测绘通报, 2022, 0(2): 25-30,49.
[10]	贾煜, 汪泓, 蔡宏, 张磊. 结合地形因子与分层策略的喀斯特地区无人机影像分类[J]. 测绘通报, 2022, 0(2): 121-127.
[11]	宋锦阳, 钱建国, 汤圣君, 王伟玺, 李晓明. 三维点云室内平面要素提取与优化[J]. 测绘通报, 2021, 0(9): 15-20,27.
[12]	郭伟, 杨春宇, 吴子若, 季翔林, 杨春洁, 赵传武, 张玉环. 无人机高分辨率影像的森林株数密度制图[J]. 测绘通报, 2021, 0(7): 29-33.
[13]	刘茂华, 李曼雯. 融合高分影像和LiDAR数据的城市道路提取[J]. 测绘通报, 2021, 0(6): 1-5,60.
[14]	武花, 张新长, 孙颖, 蔡伟男, 颜军, 邓剑文, 张建国. 融合多特征改进型PSPNet模型应用于复杂场景下的建筑物提取[J]. 测绘通报, 2021, 0(6): 21-27.
[15]	李德友, 李彩林, 李祥珅, 王柏涛. 激光雷达点云电力线自动提取算法[J]. 测绘通报, 2021, 0(6): 33-38.