车载LiDAR点云中建筑物的自动识别与立面几何重建

【摘要】：激光雷达(Light Detection And Ranging, LiDAR)或激光扫描系统是一种非接触主动式的对地观测系统。LiDAR技术在三维空间信息的实时获取方面产生了重大突破,为高时空分辨率地球空间数据的获取提供了一种全新的技术手段。随着传感器、电子、光学、计算机等技术的发展,以车辆为搭载平台综合利用GPS、IMU、激光扫描仪、CCD相机,在多传感器同步集成与控制的基础上构建的车载LiDAR测量系统,已成为一种快速的空间数据获取手段,广泛运用于基础测绘、城市规划、交通、环保等领域。车载LiDAR系统能够在高速移动状态下获取道路以及道路两侧建筑物、树木等地物的表面数据。一方面而言,它具有数据获取速度快、点云密集、场景目标丰富的特点；另一方面,其获取的数据具有海量特性(激光扫描仪每秒可获取上万个点),且带有噪声并存在遮挡,这给车载LiDAR点云数据的处理方法带来了巨大的挑战。 目前车载LiDAR点云数据处理的主要问题在于：场景复杂、目标丰富,不同目标的自动分类与识别智能化程度低；建筑物面片结构复杂,立面细节特征丰富,造成建筑物立面几何三维重构的自动化程度低。 针对以上问题,本文重点研究了车载LiDAR点云数据中不同目标的快速有效自动分类与识别方法以及具有窗户细节特征的建筑物点云立面几何三维重建方法。具体研究内容如下： 1、介绍了LiDAR技术的发展以及车载LiDAR系统在三维街景环境数据快速获取中的重大作用,针对现有车载LiDAR点云数据处理方面的不足和难点,确定了本文的研究目标。 2、针对当前的车载LiDAR测量系统,详细介绍了其传感器组成与工作原理,并分析了当前国内外知名的商用车载LiDAR系统的组成、传感器搭载模式及相关技术指标。从数据量、数据排列方式、噪声、强度信息、多次回波信息、遮挡情况、点云密度、点云空间分布、扫描方式、场景复杂性、立面结构以及透射与孔洞等方面,详细说明了车载LiDAR点云数据与传统的机载LiDAR点云数据之间的异同。对目前国内外车载LiDAR点云目标的分类与识别、点云建筑物立面的几何重建两方面的相关研究进行了综述,归纳总结了目前车载LiDAR点云数据目标提取方面的不足及其发展趋势。 3、分析了常用的辅助图像在车载LiDAR点云目标分类与识别中应用的不足,提出了一种区别于传统的距离图像、强度图像和CCD图像,且能够反映车载LiDAR点云数据中不同目标几何属性的地理参考点云特征图像生成方法。通过车载LiDAR点云数据生成扫描区域的地理参考点云特征图像,并对生成的图像的参数设置进行了详细分析,讨论了格网采样间隔与权值系数对生成的地理参考点云特征图像的影响。 4、针对车载LiDAR点云目标分类与识别的迫切需求,提出了一种基于地理参考点云特征图像的车载LiDAR点云中建筑物目标的自动识别方法。采用由粗到细的策略,通过对地理参考点云特征图像进行阈值分割、目标轮廓边界提取,实现了原始车载LiDAR散乱点云中地面目标与非地面目标的分离。在点云空间中通过分析目标点云的空间分布特征,采用剖面分析与特征值分析相结合的方法,实现了非地面目标中建筑物目标点云的自动识别。通过实例数据验证了本文提出的建筑物目标自动识别方法,并对其识别准确率以及其与相关算法进行了分析比较。 5、针对车载LiDAR点云数据中提取的建筑物点云,从立面几何位置边界、立面细节几何特征以及面片拓扑结构等三个方面入手,重点介绍了建筑物点云面片分割、立面细节的几何特征与语义描述以及面片之间的拓扑关系,提出了立面几何位置边界的自动提取方法,通过窗户、门洞等细节的几何特征与语义描述自动识别了建筑物点云中的不同几何结构面片,并提出了基于立面栅格图像和立面三角网的矩形窗户特征提取方法,通过构建建筑物面片之间的几何拓扑关系恢复了建筑物面片结构,实现了建筑物点云立面几何重建。