基于包围盒车载激光点云自动建模算法研究.docVIP

基于包围盒车载激光点云自动建模算法研究 　　摘 要 随着城市的规模不断增大，城市网络和城市建筑的复杂性也在不断地增加，为了方便城市信息的管理和服务大众并配合数字城市乃至智能城市的建立，高精度大规模可量测的建筑物模型是必要的。在前人的研究过程中，已经出现了多种建模的方法，但是对于车载激光点云数据，这些建模方法并不完全适用。由车载激光点云扫描系统获得的数据会出现包括对于地物遮挡造成的点云空隙，由于其难以填补导致建筑物表面大范围缺失的问题，以及构建三角网拓扑关系复杂而使得视觉效果不够理想。本文提出了一种基于八叉树的点云自动建模算法，通过集成由惯性导航单元（IMU），GPS接收机，以及激光扫描仪获得的数据，结合已有的城市地图信息，利用获取的车载激光点云扫描数据和相应的算法，从而得到一定范围内的建筑物模型。 　　关键字 包围盒；八叉树；车载激光点；云数据；建筑物建模 　　中图分类号TU3 文献标识码A 文章编号 1674-6708（2014）109-0215-02 　　0 引言 　　为了满足逐渐增大的地图数据需求，车载移动测量系统进入了人们的视野，为了实现车载数据的建模，激光扫描仪被加入到载荷中。由车载激光扫面系统获得的数据能够从统计上直观的反映建筑物的外观，可以很好地作为建模辅助数据。 　　本文研究一种新的点云建模方法通过获取的点云数据，进行数据范围的确定和划分，对区域内有无点云的判断，从而去除或保留某一区域内的边角点信息，通过不断重复的过程，从而完成点云的建模。本文主要解决的问题有： 　　1）点云中关键建筑边角点的寻找； 　　2）车载点云数据中建筑物表面空隙的填补； 　　3）车载点云数据拓扑关系的重构； 　　4）包围盒大小的控制及终止条件的判定。 　　通过其可获得城市中海量的激光点云数据。根据其获得的数据进行如下步骤的处理： 　　获取车载激光点云数据，并对激光数据进行预处理 　　建立可将该区域激光点云数据完全包含的包围盒，将包围盒从XYZ轴三个方向进行平分，然后进行判断，若该区域中包围盒中存在点云数据则进行该区域的保留，重复步骤3直到满足终止条件 　　根据判断条件，进行包围盒子的修补和冗余包围盒的合并。 　　记录最终边角点及拓扑关系，输出模型文件。 　　具体步骤如图1所示： 　　图1 包围盒算法的流程 　　车载移动激光测量系统包含了多个载荷，本次研究中所用的数据来自于首都师范大学自主研发的激动测量系统（MMS）。该系统包括的主要载荷有激光扫描仪（Laser Scanner）型，惯性测量单元（IMU），及GPS接收机，以及全景相机。 　　1 基于八叉树的算法思想 　　1.1车载激光点云数据的分割及拓扑关系重构 　　激光点云数据为一组记录了三维坐标点的数据，往往以极坐标形式或空间直角坐标系的形式存储，本次所选用的数据为一组在空间直角坐标系中显示的以xyz表示的空间直角坐标： 　　Di=（Xi， Yi， Zi） 　　则点云为表示为 　　C={D1，D2，D3……Di} 　　根据这些空间点，进行点云数据的分割。 　　具体步骤如下： 　　确定整体包围盒的大小和位置：遍历整个点云文件，从中找到所有点中X，Y，Z的最大和最小数值。从而确定包围盒子的的八个定点坐标。即为： 　　（Xmin，Ymin，Zmin），（Xmin，Ymax，Zmin）， 　　（Xmax，Ymin，Zmin），（Xmax，Ymax，Zmin）， 　　（Xmin，Ymin，Zmax），（Xmin，Ymax，Zmax）， 　　（Xmax，Ymin，Zmax），（Xmax，Ymax，Zmax） 　　在这里，用obj格式将该包围盒存储，三维显示处理软件中显示并编辑该模型，obj格式为一种无需文件头的三维数据存储格式。 　　在最极端的情况下，最终分割的包围盒结果为每个激光点云中单个的点，这样的结果是不理想且是无意义的，因此必须进行条件的限定。最小包围盒大小最小确定方法如下： 　　L=2*Pi*R/f*n （1） 　　其中R为激光扫描仪到目标物的距离，f为激光扫描仪每转一圈时候发射激光脉冲的个数。n为抽析的比率。考虑到激光点正好落到两个扫描盒之间的情况，实际选取时最小包围盒长度L应大于理论值。 　　L 　　3） 被记录三次的点：此种点出现在建筑物的边上凹陷的地方，是需要填补的位置； 　　4）被记录四次的点：此种点出现在建筑物的面上，是不需要填补的位置。具体如图2所示： 　　图2 中被填色的方框为空，即需要填补的部分 　　如图5种数字所示，分别对应了在表面位置上被记录了1次，2次，3次，4次的点，并可以看出，被记录三次的点为建筑物表面空缺的部分，而被其他记录次数的点则为正常记录。根据这一特点，进行填补。