三维点云室内平面要素提取与优化

doi:10.13474/j.cnki.11-2246.2021.0266

测绘通报 ›› 2021, Vol. 0 ›› Issue (9): 15-20,27.doi: 10.13474/j.cnki.11-2246.2021.0266

三维点云室内平面要素提取与优化

宋锦阳¹, 钱建国¹, 汤圣君^2,3,4,5, 王伟玺^2,3,4,5, 李晓明^2,3,4,5

1. 辽宁工程技术大学测绘与地理科学学院, 辽宁阜新 123000;
2. 深圳大学建筑与城市规划学院智慧城市研究院, 广东深圳 518061;
3. 自然资源部城市国土资源监测与仿真重点实验室, 广东深圳 518061;
4. 深圳市空间信息智能感知与服务重点实验室, 广东深圳 518061;
5. 广东省城市空间信息工程重点实验室, 广东深圳 518061

收稿日期:2020-09-01 出版日期:2021-09-25 发布日期:2021-10-11
作者简介:宋锦阳(1995-),男,硕士生,研究方向为室内三维重构和激光点云数据处理。E-mail:543603701@qq.com
基金资助:
自然资源部城市国土资源监测与仿真重点实验室开放基金（KF-2019-04-010）；国家自然科学基金（41801392；41901329；41971354；41971341）；深圳市科技计划基础研究（自由探索）（JCYJ20180305125131482）；深圳大学高水平大学建设2期（000002110335）

3D point cloud indoor plane element extraction and optimization methodology

SONG Jinyang¹, QIAN Jianguo¹, TANG Shengjun^2,3,4,5, WANG Weixi^2,3,4,5, LI Xiaoming^2,3,4,5

1. School of Geomatics, Liaoning Technical University, Fuxin 123000, China;
2. Institute of Smart City, School of Architecture and Urban Planning, Shenzhen University, Shenzhen 518061, China;
3. Key Laboratory of Urban Land Resources Monitoring and Simulation, Ministry of Natural Resources, Shenzhen 518061, China;
4. Key Laboratory of Spatial Information Intelligent Perception and Service, Shenzhen 518061, China;
5. Key Laboratory of Urban Spatial Information Engineering, Guangdong Province, Shenzhen 518061, China

Received:2020-09-01 Online:2021-09-25 Published:2021-10-11

摘要/Abstract

摘要： 室内平面要素的准确提取与关系恢复是室内模型自动化语义重建的重要基础，本文提出了一种面向复杂三维点云的室内平面要素提取与优化方法。该方法首先利用区域增长和RANSAC平面混合分割方法分割室内点云数据；其次利用室内语义部件的空间位置信息及包围盒和法向量信息，对分割后的平面进行平面要素的精确提取；然后对提取的墙面进行优化，实现共享墙面的合并，解决室内墙面冗余的问题；最后利用门与墙的空间位置信息，恢复门墙关联关系。试验部分采用了两组试验数据：一组是深圳大学某层教学楼的激光点云数据，另一组是国际摄影测量与遥感学会（ISPRS）的标准数据，通过对试验结果进行评估，验证了本文方法的有效性和可靠性。

关键词: 室内点云, 平面混合分割, 平面要素提取, 共享墙面合并, 门墙关联关系

Abstract: The accurate extraction and relationship restoration of indoor plane elements is an important basis for the automatic semantic reconstruction of indoor models. This paper proposes an indoor plane element extraction and optimization method for complex three-dimensional point clouds, which firstly uses area growth and RANSAC planar hybrid segmentation methods to segment indoor point cloud data; and then uses spatial location information of indoor semantic components as well as bounding box and normal vector information, the planar elements of the segmented plane are extracted accurately; then the extracted walls are optimized to achieve the merging of shared walls and solve the problem of indoor wall redundancy; finally, the spatial location information of doors and walls is used to restore the door-wall association relationship. In the experimental part, two sets of experimental data are used:one set is the laser point cloud data of a teaching floor of Shenzhen University, the other set is the standard data of International Society for Photogrammetry and Remote Sensing (ISPRS), and the validity and reliability of the method of this paper are verified by evaluating the experimental results.

Key words: indoor point clouds, plane hybrid segmentation, plane element extraction, shared wall merging, door-wall correlations

中图分类号:

P237

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.

SONG Jinyang, QIAN Jianguo, TANG Shengjun, WANG Weixi, LI Xiaoming. 3D point cloud indoor plane element extraction and optimization methodology[J]. Bulletin of Surveying and Mapping, 2021, 0(9): 15-20,27.

参考文献

[1] TANG S, ZHANG Y, LI Y,et al. Fast and automatic reconstruction of semantically rich 3D indoor maps from low-quality RGB-D sequences[J]. Sensors, 2019, 19(3):533.
[2] OCHMANN S, VOCK R, KLEIN R. Automatic recon-struction of fully volumetric 3D building models from oriented point clouds[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2019,151:251-262.
[3] WANG C, CHO Y K, KIM C. Automatic BIM comp-onent extraction from point clouds of existing buildings for sustainability applications[J]. Automation in Construction, 2015, 56:1-13.
[4] 王雯,任小玲,陈逍遥.一种改进的区域增长彩色3D点云分割算法[J].国外电子测量技术,2018,37(11):10-14.
[5] 王嘉鑫,赵夫群.点云数据预处理研究[J].现代信息科技,2020,4(2):129-130.
[6] 王冲,李锻能,邓君裕,等.改进法线方向的点云实时分割提取平面方法研究[J].计算机测量与控制,2018,26(5):210-213.
[7] 李宝顺,岑红燕,包亚萍,等.基于平面提取的点云数据分割算法[J].计算机应用与软件,2014,31(7):145-148.
[8] 杨泽鑫,程效军,丁琼,等.面向室内场景点云的对象重建[J].测绘通报,2017(6):45-48.
[9] 闫利,谢洪,胡晓斌,等.一种新的点云平面混合分割方法[J].武汉大学学报(信息科学版),2013,38(5):517-521.
[10] 苏云龙,平雪良,李楠.基于RANSAC三维点云的平面提取算法[J].激光与红外,2019,49(6):780-784.
[11] 周春霖,朱合华,李晓军.随机抽样一致性平面拟合及其应用研究[J].计算机工程与应用,2011,47(7):177-179.
[12] 李孟迪,蒋胜平,王红平.基于随机抽样一致性算法的稳健点云平面拟合方法[J].测绘科学,2015,40(1):102-106.
[13] MURA C, MATTAUSCH O, VILLANUEVA A J, et al. Automatic room detection and reconstruction in cluttered indoor environments with complex room layouts[J]. Computers & Graphics,2014,44:20-32.
[14] 陈正兵.基于深度图像的室内三维平面分割方法研究[J].电子设计工程,2016,24(24):158-160.
[15] KHOSHELHAM K,VILARIÑO L D, PETER M, et al. The ISPRS benchmark on indoor modelling preliminary results[J]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, 2020, XLII-B5:207-211.

三维点云室内平面要素提取与优化

3D point cloud indoor plane element extraction and optimization methodology

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]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	柳林, 孙毅, 李万武. 基于CNN海上钻井平台检测模型的构建及训练算法分析[J]. 测绘通报, 2022, 0(7): 26-32,99.
[3]	孔瑞瑶, 谢涛, 马明, 孔瑞林. CatBoost模型在水深反演中的应用[J]. 测绘通报, 2022, 0(7): 33-37.
[4]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[5]	江泽霖, 邓健, 栾海军, 李兰晖. 基于逐日夜间灯光遥感的新冠肺炎疫情变化信息快速提取——以北京市为例[J]. 测绘通报, 2022, 0(7): 43-48.
[6]	郑艳, 何欢, 卜丽静, 金鑫. 自相似性和边缘保持分解的超分辨率重建算法[J]. 测绘通报, 2022, 0(7): 54-59.
[7]	冉崇宪, 李森磊. 利用无人机多光谱影像提取树冠信息[J]. 测绘通报, 2022, 0(7): 112-117.
[8]	刘立, 董先敏, 刘娟, 文学虎. 人机融合智能的遥感解译生产新方法[J]. 测绘通报, 2022, 0(7): 118-123,137.
[9]	艾敏, 景慧, 田禹东, 郭兰勤, 裴渊杰. 近20年哈尔滨市呼兰区土地利用覆盖变化及驱动分析[J]. 测绘通报, 2022, 0(7): 124-128.
[10]	刘玉贤, 阮明浩, 闫臻. 一种基于机载激光点云的门型电塔精确提取方法[J]. 测绘通报, 2022, 0(7): 129-133.
[11]	刘国超, 彭卫平, 杨水华, 胡周文. 地质雷达+三维测量内窥镜的城市道路病害检测与应用[J]. 测绘通报, 2022, 0(7): 134-137.
[12]	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.
[13]	李佳豪, 周吕, 马俊, 杨飞, 咸凌霄. 利用PS-InSAR技术进行城市地铁沿线形变监测与机理分析[J]. 测绘通报, 2022, 0(4): 20-25.
[14]	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.
[15]	窦世卿, 陈治宇, 徐勇, 郑贺刚, 苗林林, 宋莹莹. 基于多特征融合与典型降维方法的高光谱影像分类[J]. 测绘通报, 2022, 0(4): 32-36,50.