基于激光点云数据的房屋轮廓线提取方法

解霜

（西安市房产测量事务所有限公司，陕西 西安 710002）

0 引言

作为城市三维建模中的关键数据，建筑轮廓线的提取速度和精确度的提高，对于智慧型城市的建设意义重大，研究建筑轮廓线的提取方法成为当务之急。目前，工作人员积极应用机载LiDAR 点云数据、遥感影像数据等方法，但在应用遥感影技术提取建筑物轮廓线时，时常受到地面物体因素影响，降低其数据提取效率。因此，工作人员要利用遥感影像数据和机载LiDAR 点云数据，实时提取建筑物轮廓线的数据信息，能有效收集各种数据资源，全部提升提取效果，但因采集数据量过于庞大，无形中增加数据处理的难度系数，提高工作人员工作负担，很多研究人员对其的研究程度有待提升。

针对该种情况，工作人员要应用高偏差平衡滤波法提取建筑物轮廓，但值得注意的是，该种方法很难确定窗口大小和种子点数，要工作人员进行反复验证，操作难度系数较高。要通过RANSAC 算法建设建筑物平面模型，提取建筑物轮廓，这种方法适用性较低，在应用中要验证各种信息数据。基于此，本文是以激光点云数据为前提，创设新型房屋轮廓线提取方法，全面搜索平面距离最远的两个激光点，以其中一个激光点为起始点，检测屋顶边缘点数据，采用最小二乘直线拟合方法，真实模拟各种轮廓线，加强分组边缘点的合理性；通过计算车顶角点坐标，选择最外侧轮廓线的激光点，平移轮廓线交叉相邻的轮廓线。实验结果显示，通过检测更多屋顶边缘点的数量，这种算法可以明显提高操作效率，提升建筑物顶部轮廓线的精确度[1]。

1 建筑物轮廓提取技术

1.1 地面点滤波

点云滤波主要作用是筛选非地面激光点和地面激光点。在使用渐进形态学点云滤波方法时，要检测出环境中全部非圆形物体，全程采用开操作运算。该点云滤波算法能持续执行工作任务，提高滤波窗口大小操作的科学性，在原始点云数据基础上标注出突出地面的目标点云。对于高地势顶面移除难度系数较高的难题，场景中的建筑体现为最外侧的高程凸起。在开通运营前，需要增加一个门槛较高的限制条件。

式中：起重Hpt——高差阈值；Hp——滤波前点位的高程；H′p——滤波后点位高程，有利于准确判断滤波前后高程差异值。如果差异值超过高差阈值，即ΔHp＞Hpt时，其属于非地面点云；如果差值低于高差阈值，即ΔHp≤Hpt时，则是地面点云。

1.2 建筑物点云提取

通过采用渐进式的学点云滤波法来进行滤波操作，可以将非地面的点和地面的点提取到点云数据中。而想要得到完整的建筑物轮廓点云数据，要科学分类非地面点云数据，HOUGH 变换能收集特征边界中的空隙，避免它被图像杂讯因素影响。随着空间三维信息技术快速发展，进一步优化HOUGH 变换功能，从既有二维向三维方向发展，但需要耗费大量的计算资源和时间，因为传统的三维HOUNGH 变换的提取效率太低。因此，本文优化Houngj 变换，能提高工作人员建筑平面轮廓提取效率。同时，在非地面点云数据中，树木和建筑点云特征相似程度最高，所以如何区分建筑物点云和树木点云之间的差异性，是提取建筑物点云的关键点。在检测非地面点云数据的平面区域后，要保证建筑物顶部的激光点均处于相同平面上，其顶部点云高程变化幅度较大的高大树木，应采用面积阈值的方法，将建筑物的激光点云与树木的激光点云进行准确区隔[2]。

1.3 提取建筑物轮廓

放样是在很多个横截面间建立三维实体，由于放样横截面形状趋于多样化，如非平面、者平面等形状，有利于放样操作制作运行渠道，加强工作人员放样形状控制能力。但值得注意的是，放样路径要将首个横截面平面为起点，直到最后横截面所在平面。在计算横截面顶点数据后，要根据要求存储上述数据，相邻横截面的对应顶点相互结合，形成一个小平面，整个平面利用圆形进行填充。在整个放样过程中是以圆形为基础，来建立建筑物表面，无数个圆形相互连接形成圆柱体，随着圆形数量不断增加，最终成为圆柱面[3]。在提取建筑物轮廓时，最常用边缘点检测算法，通过设置固定半径的圆绕点云进行移动，形成完整的建筑物轮廓，该种算法被广泛应用到医学图像、网络生产等方面。图1 为建筑物轮廓点提取，通过分析图1 内容，发现其是将算法应用到建筑物轮廓提取方面，固定半径是通过三维Hough 变换取得，是不同点位间距的2～3 倍。

本文利用α-shape 提取建筑物轮廓，提取流程如下。

（1）采用二维平面投影全部建筑物点云，在点云中选择任意一点P1，圆半径为2α，P1 点平面坐标设置为中心点，向周围进行点云搜索。同时，将所有搜索的点云相互结合，组成信息点集S1，在点集S1 中选择任意点P2，计算P1 点到P2 点的圆心坐标P0。

（2）计算点集S1 中全部点位距离圆心P0 点的数据，如果点集中所有点位到P0 点数据低于α，则自动跳过到步骤3；如果点集中所有点到P0 距离均超过α，则将P2 和P1 点作为轮廓点，接下来进行步骤4。

（3）重复开展步骤1 和步骤2，准确判断点集S1 中全部点位。

（4）如果工作人员将所有点集S1 中点位判断完成，要继续重复步骤1 至步骤3，一直全部点位全部判断后，才能结束计算。

1.4 规则化轮廓线

由于建筑物相邻的边缘线是互相垂直的关系，因此，使用本计算方法得到不规则建筑物轮廓线数据，因此，提取轮廓线后，将提取的轮廓线转换成平行的关系，就需要使用规则化的方法。因此，本文采用线段加权的方式，对建筑物的边缘线进行规则化处理，将抽取出来的轮廓线分成正向和反向两个方向，确保两个方向都是纵向的。计算出加权平均方向，将不同线段长度作为权数。假设正方向上存在：

式中：D——加权平均负方向；li——第i 个正方向轮廓线长度；di——第i 个正方向轮廓线方向；L——正方向轮廓长度。

工作人员要将建筑物轮廓最长边作为最初正方向，且将其编号为1，其他轮廓线根据顺时针方向进行编号；定义数字是偶数和奇数分别代表轮廓线是正方向。对两个方向的数据进行科学调整，在计算正负加权平均方向后，确保自己的数据符合两个方向的垂直角度要求。等到垂直修改完成后，要将模拟轮廓线沿着中心进行旋转，转到指定位置[4]。

2 实验分析

2.1 试验过程

为了检验本文建筑物轮廓提取方法的实用性，注重分析衡阳市某区域机载激光点云数据，采用M600Pro+Rigel 激光扫描系统，将其和无人机相互配合，帮助其收集试验数据。目前，试验区域涉及范围较广，如建筑物、道路、高植被、低植被等，地面物体种类较为丰富，具有明显的地势起伏[5]。

首先，要应用渐进形态学滤波算法处理原始点云数据，结合参数测试和测区特征，将滤波窗口数值设置为20m，阈值为0.2m，保证其能达到预期的测量效果。在应用渐进形态学滤波算法时，明确非地面点和地面点的具体覆盖范围，其中非地面点主要包括建筑物点云、低矮植被、高大植被等。为了合理控制非地面点中植被给建筑物轮廓提取的准确度，要以地面点云为基础，科学设置高程阈值，剔除出地面点中的车辆点云和低矮植被点云，经过工作人员持续试验，发现将高程阈值设置为3m，所得到的提取效果最佳。

其次，在解决低矮植被、车辆点云后，剩下建筑物点云和高植被点云，工作人员要通过三维Hough 变换软件收集建筑物平面数据，计算建筑物平面数据，判断各点位到平面的具体距离，距离低于阈值的点位，将其作为相同平面。但值得注意的是，在计算过程中将高大植被应用在平面点集中，能通过判断局部领域中点方向一致，解决平面中高植被点云数据。

最后，将建筑物轮廓点云数据应用到二维平面，结合Hough 变化规律，计算出准确的平面点云数据，其完全覆盖平面中的立面点云。同时，为了加强建筑物轮廓提取效果，要解决平面中的立面点云数据。在正常情况下，是采用点法向量方向数据进行处理，利用算法提取建筑物轮廓，在建筑物平面点云投射到二维平面后，将建筑轮廓设定为0.5m 的圆半径，规则化处理所提取的建筑物轮廓[6]。

2.2 数据扫描

在将二维图形转变为三维图形过程中，其具有较强灵活性特征，只需要简单扫描图形设计，就能自动生成三维图形。根据截面和路径个数不同，工作人员可将扫略面分为多路径单截面线、多路径多截面线、但路基多截面线的扫略面，只需输入沿路径方向的截面形状曲线和路径曲线，就能自动生成完整的建筑物轮廓。同时，在获取路径定义数据时，要利用实体选择函数收集路线曲线，通过实体函数进入实体数据库，检索整个数据库内容，找到不同顶点字实体的空间位置坐标。但值得注意的是，在路径上线路主要包括弧线段和直线段类型，工作人员要针对不同线段提出对应处理方法，等分弧线段，明确等分点坐标和切线方向，将其作为沿路径方向截面的位置坐标。在计算截面形状曲线定义数据时，由于截面形状曲线属于全封闭曲线，在计算出截面所有顶点数据后，要根据标准顺序存储顶点数据，对多边形的中心点进行计算，并以此为基础进行形体变换。工作人员要通过图形变换将截面形状曲线的顶点坐标，当曲线转移到特定截面的顶点坐标，保证该截面法线方向和切线方向基本相同，从而构建所需的建筑物[7]。

2.3 结果分析

为了检验本文方法的正确性，从平均轮廓线角度差定量、平均轮廓线长度差、平均轮廓区面积差等几个方面入手，将高清卫星影像数据和建筑轮廓数据进行对比，明确其从渐进式形点云滤波法提取的建筑轮廓误差。其中，轮廓线长度差值的平均值，是影像资料和轮廓线边长之间的差值。轮廓区域差值平均值为影像资料与本文所提取的轮廓线边长差值除以边数，轮廓角度差值平均值为影像资料与提取轮廓变化角度差值平均值。建筑物轮廓提取验证结果统计如表1 所示。

表1 建筑物轮廓提取验证结果统计

3 结语

综上所述，本文采用多种优化算法，利用LiDAR 点云数据得到详细的建筑轮廓，是将原始点云数据的中非地面点与地面点，用渐进式的数学形式滤波算法进行区分。应用优化后的三维HOUGH 算法，将建筑物点状云数据应用到非地面点云数据中，从而对建筑物的轮廓进行提取；最后，以线段长度加权方向方法规则化处理建筑物轮廓，设计建筑物相邻的边线进行垂直。同时，以衡阳市某区域为主要研究对象，分析其采集的机载LiDAR点云数据，积极引进先进的方法，提取完整的建筑物轮廓，采用高清卫星影像数据检验提取结果。经过试验表示，该种计算方法能控制建筑物提取误差，加强提取效果。但随着建筑物建设趋于多样化，工作人员要持续优化提取方法，从而满足异性建筑物轮廓提取要求。