面向室内场景点云的对象重建

doi:10.13474/j.cnki.11-2246.2017.0187

测绘通报 ›› 2017, Vol. 0 ›› Issue (6): 45-48,93.doi: 10.13474/j.cnki.11-2246.2017.0187

面向室内场景点云的对象重建

杨泽鑫¹, 程效军^1,2, 丁琼³, 程小龙¹

1. 同济大学测绘与地理信息学院, 上海 200092;
2. 现代工程测量国家测绘地理信息局重点实验室, 上海 200092;
3. 广东工业大学测绘工程系, 广东广州 510006

收稿日期:2016-11-15 修回日期:2017-01-23 出版日期:2017-06-25 发布日期:2017-07-03
作者简介:杨泽鑫(1994-),男,硕士生,主要研究方向为点云处理及三维建模。E-mail:zxyang15@163.com
基金资助:
国家自然科学基金（41671449）

Objects Reconstruction Oriented to Indoor Scene Point Cloud

YANG Zexin¹, CHENG Xiaojun^1,2, DING Qiong³, CHENG Xiaolong¹

1. College of Surveying and Geo-Informatics, Tongji University, Shanghai 200092, China;
2. Key Laboratory of Advanced Engineering Surveying of NASMG, Shanghai 200092, China;
3. Department of Surveying and Mapping, Guangdong University of Technology, Guangzhou 510006, China

Received:2016-11-15 Revised:2017-01-23 Online:2017-06-25 Published:2017-07-03

摘要/Abstract

摘要： 针对当前逆向工程中对象提取及模型重建效率较低的问题，提出了一种面向室内场景点云的对象重建方法。首先构建直通滤波器，采用改进的RANSAC算法剔除非对象点云，然后根据欧氏聚类提取算法分割出各个对象点云，最后基于α-shape理论批量重建出对象模型。试验结果表明，该方法能够从散乱的室内场景点云中快速、自动地重建出代表真实对象的三维模型，具有较高的实用价值。

关键词: 室内场景点云处理技术, 点云分割, 三维重建

Abstract: This paper presents an algorithm of reconstructing objects from indoor scene point cloud for solving the low efficiency problem of object extraction and reconstruction in reverse engineering. The steps of this approach are as follows:firstly, the non-object clouds are removed by using pass-through filter and the improved RANSAC algorithm; then the object clouds are segmented according to Euclidean Cluster Extraction algorithm; finally, the object models are reconstructed based on the α-shape theory. The experimental result shows that the proposed method, which is of high practical value, can quickly and automatically reconstruct the 3D models representing real objects from unorganized indoor scene point clouds.

Key words: indoor scene point cloud processing technology, point cloud segmentation, 3D reconstruction

中图分类号:

P208

杨泽鑫, 程效军, 丁琼, 程小龙. 面向室内场景点云的对象重建[J]. 测绘通报, 2017, 0(6): 45-48,93.

YANG Zexin, CHENG Xiaojun, DING Qiong, CHENG Xiaolong. Objects Reconstruction Oriented to Indoor Scene Point Cloud[J]. 测绘通报, 2017, 0(6): 45-48,93.

参考文献

[1] 闫阳阳, 李永强, 王英杰, 等. 三维激光点云联合无人机影像的三维场景重建研究[J]. 测绘通报, 2016(1):84-87.
[2] 化蕾, 黄洪宇, 陈崇成, 等. 基于激光点云数据的客家土楼三维建模[J]. 遥感技术与应用, 2015, 30(1):115-122.
[3] 龚跃健, 毛文博, 毕建涛, 等. 基于移动LiDAR点云数据的室内全要素三维重建[J]. 测绘工程, 2015, 24(11):33-38.
[4] 卢小平, 王玉鹏, 卢遥, 等. 齐云塔激光点云三维重建[J]. 测绘通报, 2011(9):11-14.
[5] 龚珍, 胡友健, 董恒, 等. 无序三维点云重建技术研究[J]. 测绘通报, 2016(9):17-19.
[6] 刘佳, 张爱武, 杨丽萍. 室内场景激光点云数据的三维建模[C]//《测绘通报》测绘科学前沿技术论坛摘要集. 南京:测绘出版社, 2008.
[7] SHAO T, XU W, ZHOU K, et al. An Interactive Approach to Semantic Modeling of Indoor Scenes with an RGBD Camera[J]. ACM Transactions on Graphics, 2012, 31(6):136-142.
[8] NAN L, XIE K, SHARF A. A Search-classify Approach for Cluttered Indoor Scene Understanding[J]. ACM Transactions on Graphics, 2012, 31(6):1-10.
[9] KIM Y M, MITRA N J, YAN D, et al. Acquiring 3DX Indoor Environments with Variability and Repetition[J]. ACM Transactions on Graphics, 2012, 31(6):138.
[10] CHEN K,LAI Y,WU Y,et al.Automatic Semantic Modeling of Indoor Scenes from Low-quality RGB-D Data Using Contextual Information[J]. ACM Transactions on Graphics, 2014, 33(6):208.
[11] FISCHLER M A, BOLLES R C. Random Sample Consensus:A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography[J]. Communications of the ACM, 1981, 24(6):381-395.
[12] RUSU R B,MARTON Z C,BLODOW N,et al. Towards 3D Point Cloud Based Object Maps for Household Environments[J]. Robotics & Autonomous Systems, 2008, 56(11):927-941.
[13] RUSU R B. Semantic 3D Object Maps for Everyday Manipulation in Human Living Environments[J]. KI-Künstliche Intelligenz,2010,24(4):345-348.
[14] EDELSBRUNNER H, KIRKPATRICK D, SEIDEL R. On the Shape of a Set of Points in the Plane[J]. IEEE Transactions on Information Theory, 1983, 29 (4):551-559.
[15] EDELSBRUNNER H, MVCKE E P. Three-dimensional Alpha Shapes[J]. ACM Transactions on Graphics, 1994, 13(1):43-72.

面向室内场景点云的对象重建

Objects Reconstruction Oriented to Indoor Scene Point Cloud

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]	贺彪, 郭仁忠, 张琛, 马丁, 王伟玺, 洪武扬, 陈业滨. 面向数字孪生城市的自然场景构造方法[J]. 测绘通报, 2022, 0(7): 87-92.
[2]	于广瑞, 刘兴春, 时春霖, 王智超. 一种稳健的无人机影像三维重建方法[J]. 测绘通报, 2022, 0(6): 76-81.
[3]	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.
[4]	孙保燕, 周鑫, 覃禹程, 韦龙华, 葛广昊. 空地多数据互辅融合技术在大型牌式古建筑重建的应用[J]. 测绘通报, 2022, 0(1): 121-127,132.
[5]	张守权, 李大军, 郭丙轩, 刘丹, 彭哲. 一种快速高效的无缝纹理匀光方法[J]. 测绘通报, 2021, 0(4): 98-104.
[6]	李志远, 李迪贵, 王健, 宋羽. 旧城改造中建筑物立面快速提取方法[J]. 测绘通报, 2021, 0(2): 164-166.
[7]	许浩, 程亮, 伍阳. 利用层间连接和平滑策略重建屋顶三维模型[J]. 测绘通报, 2020, 0(6): 104-110.
[8]	杨俊, 王志鹏, 祝凯, 李淑红, 焉石, 胡春梅. 激光扫描与无人机一体化控制下的复杂体育场馆高精度三维重建[J]. 测绘通报, 2020, 0(12): 21-26.
[9]	杨海舰, 徐二帅, 陈文佳, 许志华. 四元组标靶辅助下的RGB-D室内点云配准[J]. 测绘通报, 2020, 0(12): 32-36.
[10]	卞敏, 徐亮, 骆元鹏, 周晓波, 赵慧峰, 杨化超. 空地一体精细化三维模型构建方法[J]. 测绘通报, 2019, 0(7): 83-86.
[11]	贺亦峰, 胡荣, 邹进贵. 利用三维激光扫描数据进行建筑物立面点云分割算法分析[J]. 测绘通报, 2019, 0(4): 26-31.
[12]	李智程, 王伟玺, 李晓明, 卞雨凡, 钱建国, 汤圣君. 多源影像融合的建筑物三维模型无遮挡纹理自动贴图方法[J]. 测绘通报, 2019, 0(3): 36-40.
[13]	刘斌, 唐雅玲, 马晨燕, 白少云. 无人机倾斜摄影三维模型在城市雨洪风险评估中的应用[J]. 测绘通报, 2019, 0(10): 46-50,66.
[14]	徐光禹, 杜宁, 王莉, 裴书玉, 李丰旭, 罗辑. 多源数据融合技术在古建筑三维重建中的应用[J]. 测绘通报, 2019, 0(10): 77-82.
[15]	吕扬, 周庆, 侯庆明, 李兵. 三维地理信息在辅助冬奥会规划设计决策中的应用——以2022年冬奥会延庆赛区为例[J]. 测绘通报, 2019, 0(10): 133-137.