长测距地基点云密度自适应平面分割算法.pdf
《长测距地基点云密度自适应平面分割算法.pdf》由会员分享,可在线阅读,更多相关《长测距地基点云密度自适应平面分割算法.pdf(7页珍藏版)》请在咨信网上搜索。
1、第 47 卷 第 5 期2023 年 9 月激 光 技 术LASER TECHNOLOGYVol.47,No.5September,2023 文章编号:1001-3806(2023)05-0606-07长测距地基点云密度自适应平面分割算法安奥博1,陈茂霖1,2,赵立都1,马成林1,刘祥江1(1.重庆交通大学 智慧城市学院,重庆 400074;2.自然资源部城市国土资源监测与仿真重点实验室,深圳 518038)摘要:为了解决长测距地面激光点云高密度变化的问题,采用了一种密度自适应的平面分割方法。首先基于估算理论点间距构建动态邻域搜索范围,联合内指标和香农熵确定最佳邻域并计算维度特征;然后根据最佳
2、邻域、维度特征、法向量和点面距设计区域增长规则,得到初步分割结果;最终通过面片合并优化分割结果,并在最长扫描距离为 1 km 的单站地面激光扫描数据进行了实验验证。结果表明,该方法分割准确率达到 95%,召回率达到 92%,能够准确对长测距地基点云中的建筑物平面进行分割;与传统香农熵方法相比,本文中使用动态邻域搜索范围可以显著提高算法效率。该方法能高效准确地从大场景点云中提取建筑物平面,为城市 3 维建模提供了参考。关键词:激光技术;分割;动态邻域搜索范围;最佳邻域;维度特征;区域增长中图分类号:TN958.98;V557+.4 文献标志码:A doi:10.7510/jgjs.issn.10
3、01-3806.2023.05.005Density adaptive plane segmentation from long-range point cloudAN Aobo1,CHEN Maolin1,2,ZHAO Lidu1,MA Chenglin1,LIU Xiangjiang1(1.Smart City Institute,Chongqing Jiaotong University,Chongqing 400074,China;2.Key Laboratory of Urban Land Resources Monitoring and Simulation,Ministry of
4、 Natural Resources,Shenzhen 518038,China)Abstract:To solve the problem that high density variation of long-range terrestrial laser scanning(TLS)point cloud,a density adaptive segmentation algorithm for extracting building plane was proposed in this paper.Firstly,the dynamic neighborhood search range
5、 was constructed based on the estimated theoretical point space,and the optimal neighborhood can be selected by internal indexes and Shannon entropy.Then,the dimensionality feature was calculated by using this neighborhood.Secondly,the region growing algorithm rules were set according to the optimal
6、 neighborhood,normal vector,dimensionality feature and point-to-plane distance to extract preliminary plane segmentation results.Finally,the segmentation result was optimized by patch merging,and then was tested on a single-site TLS data with scanning distance of 1 km.The result shows that the preci
7、sion reaches 95%,the recall reaches 92%.This method can segment the building plane in the long-range TLS point cloud effectively.Compared with the traditional Shannon entropy method,the dynamic neighborhood search range used in this paper can significantly improve the efficiency of the algorithm.Thi
8、s method can efficiently and accurately extract the building planes from wide scene,and provide a reference for urban 3-D modeling.Key words:laser technique;segmentation;dynamic neighborhood search range;optimal neighborhood;dimensionality feature;region growing 基金项目:国家自然科学基金资助项目(41801394);自然资源部城市国土
9、资源监测与仿真重点实验室开放基金资助项目(KF-2021-06-102);重庆交通大学研究生科研创新项目(2022S0090)作者简介:安奥博(1999-),男,硕士研究生,现主要从事地面激光点云 3 维建模方面的研究。通讯联系人。E-mail:maolinchen 收稿日期:2022-07-14;收到修改稿日期:2022-08-26引 言近年来,地面激光扫描(terrestrial laser scanning,TLS)作为测绘领域的高新技术,能够高精度、高效地获取地物的空间坐标,广泛应用于古建筑物测绘和城市建模等领域1,特别是丰富的立面信息,使城市精细化建模成为可能2。由于原始点云呈现无序
10、性和散乱性,需要分割等方法识别场景中的几何基元,点云分割是建筑物提取、几何特征识别和建筑重建的重要步骤。点云分割算法分为 3 类:特征聚类3、区域增长4和模型拟合5-6。特征聚类方法分为边缘提取和聚类两个步骤,传统方法利用法向量变化来提取边缘,边缘质量受边界点法向量估算精度的影响7。为避免边界点法向量的直接估算,CHE 等人利用最近邻点第 47 卷 第 5 期安奥博 长测距地基点云密度自适应平面分割算法构建多个三角形的法向量夹角选择边界点8,MINEO等人通过邻域在投影平面上的包含路径确定真实边界点9。聚类算法有 k 均值聚类算法、k 最近邻算法(k-nearest neighbor,KNN)
11、算法和基于密度的聚类算法(density-based spatial clustering of applications with noise,DBSCAN)等10。此类方法易受噪声的影响,同时,点云密度不均匀直接影响邻域的确定。区域增长算法实质上是种子点根据判断准则(距离阈值,法向量阈值)的生长过程,其中,平面拟合残差广泛应用于此类算法中11,如 LU 等人使用主成分分析法将平面点为种子点,单独将边界点划分至分割结果,保证边界处分割的准确性12。模型拟合算法是依据预设模型与原始点云的拟合进行点云分割,使用的几何基元决定着分割精度13,其中效果较好的是霍夫变换(Hough transform
12、,HT)14和随机采样一致性(random sample consensus,RANSAC)15两种方法,后者效率和准确度较高16。尽 管 目 前 对 RANSAC 的 研 究 已 较 为 深入17-18,但时间复杂度的影响使得模型拟合算法较难应用到大场景点云中。随着扫描硬件的优化,地面激光扫描的测程不断增加,增加了激光扫描的覆盖范围、应用场景,但也带来了场景内点云密度显著变化等问题,目前已有的分割方法较少考虑和讨论密度变化对分割的影响。邻域选择是密度变化带来的影响之一,适应于低密度区域的邻域参数可能难以在高密度区域形成有效邻域19。已有方法通常通过设置固定搜索范围来解决邻域尺度不统一的问题,
13、并通过香农熵20、曲率一致性水平21等指标选择搜索范围内的最佳邻域,但算法效率易受搜索范围大小的影响,例如,在最大扫描距离为 1 km、角分辨率为 0.06的点云中,点间距从毫米级到米级,为固定邻域范围带来问题。WU 等人通过拟合半变异函数设计多尺度张量的尺度范围来解决显著密度变化的影响,尽管此范围为动态范围,但拟合半变异函数的计算对算法效率影响较大22。针对上述问题,本文中提出了一种基于动态邻域搜索范围的平面分割算法,该算法由角分辨率和扫描距离等因素动态生成邻域搜索范围以消除显著密度变化的影响;根据最佳邻域和局部几何特征(法向量、点面距和维度特征)确定种子点和生长规则,提高点云分割的质量。1
14、 基本原理本文中的算法首先通过布料模拟滤波(cloth simu-lation filter,CSF)过滤地面点,基于随机非地面点邻域估算角分辨率,并依据角分辨率和扫描距离估算理论点间距。然后面向单点理论点间距 di(i=1,2,N;N 为点云总数),设计满足局部密度的动态邻域搜索范围,为避免此范围过大影响效率,按一定间隔 di取值作为聚类半径,使用 KNN 算法聚类,在此基础上使用内指标评价聚类结果得到最佳聚类半径,以此半径为中心、di为区间左右跨度提取有效子集,并在有效子集中通过香农熵确定最佳邻域和维度特征。根据维度特征提取建筑物和种子点,在最佳邻域中依据局部几何特征(点面距,法向量)设计
15、生长规则进行平面分割,最终通过面片合并优化结果。算法流程见图 1。图 1 算法流程图Fig.1 Algorithm flow chart1.1 最佳邻域搜索1.1.1 使用随机点邻域分析的角分辨率估算角分辨率是地面激光扫描仪水平或垂直相邻激光束之间的夹角,针对扫描仪采集参数未知的情况,使用随机点邻域分析估算理论角分辨率。对于非地面点云,随机选取 n 个点 Pc(c=1,2,n),使用 KNN 算法搜索其 k 个最近邻点 Pcj(j=1,2,k),并计算出 Pcj与 Pc的水平夹角(或垂直夹角)。同时,以 为区间宽度建立直方图,统计每个区间内的点数,如图 2 所示。根据采集原理,与 Pc所在扫描
16、线相邻的扫描线上的邻近点最多23,故将点数最多区间内水平夹角(或垂直夹角)的平均值作为角分辨率。为了降低参数 对角分辨率估算的影响,区间宽度 0.005,0.015,取值间隔为 0.001,分别构建不同706激 光 技 术2023 年 9 月 下的直方图。取所有角分辨率的中间值,即为最终的角分辨率。图 2 水平夹角直方图构建Fig.2 Construction of horizontal angular interval histograms 1.1.2 动态邻域搜索范围构建地面激光点云密度与扫描距离直接相关,基于不同扫描距离下的理论点间距设计邻域是解决密度变化问题的有效思路。根据角分辨率和扫
17、描距离,理论点间距 di表示为:di=Di(1)式中,为角分辨率对应的弧度,Di为 i 点的扫描距离。任一点的最佳邻域,其邻域半径在理论点间距的1 10 倍之间24,即任一点的动态邻域搜索范围为di,10di,该范围充分考虑局部点云密度,但仍有较多无效子集,使用香农熵查找最佳邻域的效率受无效子集影响较大,依据聚类结果的有效性评价指标去除无效子集。1.1.3 基于内部指标和香农熵的邻域评估在动态邻域搜索范围内取 I 倍的 di(I=1,2,10)为聚类半径进行聚类,通过内指标选择出最佳聚类结果对应的邻域半径,以此为中心获取有效子集,并通过香农熵计算最佳邻域和维度特征。聚类结果的有效性评价指标可以
18、分为两类:内部指标和外部指标25。内部指标仅依靠分类后数据集自身的特征对结果进行评判,外部指标需要借助数据真实情况进行对比分析,可以验证内部指标的有效性。考虑到算法效率,本文中使用戴维森-堡丁内(Davies-Bouldin,DB)指标来确定最佳倍数。若聚类结果为 C=c1,c2,cm,DB 指标25的计算如下:S=ma=1maxa bmavg(ca)+avg(cb)d(ca,cb)m(2)式中,S 表示 DB 指标大小;avg(ca)和 avg(cb)分别表示 a 类、b 类点间距的平均值;d(ca,cb)表示 a 类和 b类几何中心的距离,a,b=1,2,m,且 ab。根据 DB 指标最小
19、的原则筛选最佳聚类结果,其聚类半径对应 di的倍数为 I1。取(I1-1)di,(I1+1)di为动态邻域搜索范围内的有效子集,并在此范围内取香农熵最小值为最佳邻域。香农熵 E20的计算如下:E=-1-21ln1-21()-2-31ln2-31()-31ln31()(3)式中,1,2,3为邻域拟合平面的特征值,分别代表三轴方向的残差,且 123,在有效子集中根据E 最小的原则筛选最佳邻域,并结合 1,2和 3得到点所属维度 F:F=argmax1-21,2-31,31 ()(4)式中,F0,2,分别对应 1 维特征(线状点)、2 维特征(平面点)、3 维特征(离散点),如图 3 所示。图 3
20、维度特征Fig.3 Dimensionality feature1.2 点云分割区域增长算法的两个关键问题是种子点的选取和生长准则。传统的方法依赖于法向量和点间距,由于边界点法向量的估算精度较低,边界处分割结果有较大误差,如图 4a 所示,同时点间距直接受点云密度的806第 47 卷 第 5 期安奥博 长测距地基点云密度自适应平面分割算法影响。基于上述问题,联合最佳邻域和维度特征,改进的方法如下:(1)按每一类平面点的比例,筛选建筑物,在各建筑物中执行下述操作。(2)设置空集合,随机选取一平面点进入集合作为种子点。(3)在种子点的最佳邻域中搜索待生长点,将满足以下两个条件的平面点加入集合中。m
21、ax(nn1,nn2)(5)arccos(n1n2)(6)式中,n 表示以种子点为起点、以待生长点为终点的向量;n1、n2分别为种子点、待生长点的法向量;为点面距阈值;为法向量夹角阈值。(4)选取集合中未进行生长的点作为新的种子点,重复第(3)步过程,直至满足条件的平面点全部进入集合,即为一个平面。(5)当前建筑物中是否存在未进入任何集合的平面点?若是,则新设空集合,并从当前建筑物剩余平面点中随机选择一点进入集合作为种子点,重复第(3)、第(4)步过程。直至全部平面点已进入某一集合。平面不仅包含平面点,也包含诸如边界等的线状点,由于区域增长仅针对平面点进行设计,此时的分割结果并不包含线状点,需
22、要将每个建筑物簇中的线状点按距离分配至最近平面以得到初步平面分割结果。同时由于地物遮挡,平面部分信息丢失,存在过分割的情况,面片合并是解决此问题的常用方法,原理是基于法向量夹角阈值和最近邻距离阈值对两个邻近平面进行判断,将满足要求的面片合并,得到完整平面,如图4b 所示。图 4 边界分割结果a传统区域增长 b改进区域增长Fig.4 Edge segmentation resultatraditional region growing bimproved region growing2 实验结果与分析2.1 实验数据本文中使用最大扫描距离为 1 km 的 TLS 数据进行算法有效性的测试,数据采
23、集于重庆市来福士广场,如图 5 所示。场景中一共有 5330542 个点,建筑物平均点间距为0.012 m,0.623 m。区域、区域、区域的平均扫描距离分别为 850 m、20 m、500 m。图 5 原始数据Fig.5 Original data2.2 有效性分析重庆市地形复杂,为准确过滤地面点,根据实验经验,CSF 的参数如表 1 所示。地面点主要集中在测站点,测站处的地面滤波结果见图 6。表 1 CSF 参数Table 1 Parameters of CSFmethodcloth resolution/mclassification threshold/miterationsrigid
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 测距 地基 密度 自适应 平面 分割 算法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。