孫憲龍，韓李濤,2，周麗娟，郭 佳

(1.山東科技大學(xué) 測(cè)繪科學(xué)與工程學(xué)院，山東 青島 266590；2.山東省基礎(chǔ)地理信息與數(shù)字化技術(shù)重點(diǎn)實(shí)驗(yàn)室，山東 青島 266590)

在室內(nèi)導(dǎo)航服務(wù)過(guò)程中，房間、廊道、樓梯、門(mén)窗等建筑構(gòu)件是用來(lái)導(dǎo)航的重要元素，這些要素的提取為室內(nèi)定位、路徑分析、實(shí)時(shí)導(dǎo)航等各種室內(nèi)導(dǎo)航功能的實(shí)現(xiàn)提供了數(shù)據(jù)和模型支持[1]。目前，室內(nèi)導(dǎo)航要素提取的數(shù)據(jù)來(lái)源主要有CAD建筑設(shè)計(jì)平面圖[2]、CityGML[3]、BIM數(shù)據(jù)[4]、激光點(diǎn)云數(shù)據(jù)[5]等。相對(duì)于其他數(shù)據(jù)類(lèi)型，點(diǎn)云數(shù)據(jù)能夠直接提供被掃描目標(biāo)的高精度三維坐標(biāo)信息，而且對(duì)室內(nèi)結(jié)構(gòu)發(fā)生變化的室內(nèi)環(huán)境可重新進(jìn)行數(shù)據(jù)采集，保證數(shù)據(jù)信息的現(xiàn)勢(shì)性。然而，點(diǎn)云數(shù)據(jù)存在數(shù)據(jù)量大、冗余信息多、點(diǎn)云間無(wú)連接性、無(wú)結(jié)構(gòu)化屬性、不承載語(yǔ)義信息等問(wèn)題[6]。因此，從海量點(diǎn)云中提取出建筑物室內(nèi)可導(dǎo)航元素(房間、門(mén)、窗等)是當(dāng)前室內(nèi)三維建模領(lǐng)域的研究熱點(diǎn)之一。

室內(nèi)可導(dǎo)航元素提取的第一步是樓層劃分[7]。最常用的方法是點(diǎn)云密度峰值分割方法，其主要依據(jù)樓層存在的地方會(huì)有大量Z值相同的點(diǎn)，利用這一性質(zhì)提取樓板分割空間[8-9]。在同一樓層中，需要提取房間、門(mén)、窗等可導(dǎo)航元素，其中房間的提取最為關(guān)鍵，而墻線(xiàn)提取是房間提取的關(guān)鍵環(huán)節(jié)。目前，房間的提取大致可分為直接提取方法和間接提取方法。直接提取方法通過(guò)聚類(lèi)的方式，將同一測(cè)站的點(diǎn)粗略合并歸結(jié)為一個(gè)房間，合并之后執(zhí)行迭代重新標(biāo)記過(guò)程來(lái)更新指向房間的點(diǎn)[10]。間接提取方法將單個(gè)房間視為由墻體圍成的獨(dú)立可導(dǎo)航區(qū)域，通過(guò)對(duì)墻體的提取，將單樓層中大片的可導(dǎo)航區(qū)域劃分為一個(gè)個(gè)獨(dú)立的房間。Oesau[11]通過(guò)直方圖對(duì)空間進(jìn)行劃分，利用垂直點(diǎn)分布定位水平結(jié)構(gòu)，并通過(guò)Hough變換檢測(cè)垂直墻體結(jié)構(gòu)，最終通過(guò)圖割公式提取曲面。Ochmann[12]利用墻段的分段性檢測(cè)垂直平面作為墻面的候選面，然后將它們投影到水平面上，投影后的直線(xiàn)即為墻線(xiàn)，該方法可以獲得墻壁厚度和房間面積，并且可以用于門(mén)窗識(shí)別。Fichtner[9]首先利用八叉樹(shù)結(jié)構(gòu)劃分子空間，通過(guò)點(diǎn)云密度峰值圖檢測(cè)出樓層，然后在單一樓層中利用墻面處點(diǎn)云密度會(huì)在垂直方向形成峰值提取墻體。劉明蕾等[13]將墻視為由兩個(gè)墻面及中間不被掃描的墻體組成，利用區(qū)域生長(zhǎng)算法獲取墻面角點(diǎn)，從而獲得房間內(nèi)部的更精細(xì)邊緣，但該方法不適用于弧形墻面或墻角不為直角的墻面。

基于現(xiàn)有研究，本文結(jié)合建筑物點(diǎn)云幾何特征，通過(guò)數(shù)據(jù)降維簡(jiǎn)化建筑幾何特征提取復(fù)雜性，提出一種基于室內(nèi)點(diǎn)云數(shù)據(jù)提取建筑物墻線(xiàn)的方法。即先利用特定方向投影點(diǎn)云數(shù)據(jù)直方圖進(jìn)行點(diǎn)云分割，然后對(duì)分割出來(lái)的墻體點(diǎn)云利用Hough變換進(jìn)行直線(xiàn)檢測(cè)，并將檢查出來(lái)的直線(xiàn)與墻體點(diǎn)云二值圖進(jìn)行疊加，完成墻線(xiàn)的準(zhǔn)確提取。提取的墻線(xiàn)為后續(xù)房間的識(shí)別提供了基礎(chǔ)。

1 室內(nèi)點(diǎn)云分割

對(duì)于建筑物室內(nèi)點(diǎn)云數(shù)據(jù)，Okorn等[8]認(rèn)為天花板、地板等水平結(jié)構(gòu)在掃描時(shí)會(huì)產(chǎn)生大量高度相同的樣本?；谶@種思想，將點(diǎn)云向Z軸投影生成點(diǎn)云密度直方圖，天花板、地板等水平結(jié)構(gòu)就會(huì)顯示為點(diǎn)云密度直方圖的峰值，由此分離出天花板和地板數(shù)據(jù)。如圖1所示，縱坐標(biāo)表示點(diǎn)的數(shù)量，橫坐標(biāo)表示點(diǎn)的高度(Z坐標(biāo)分量)，將點(diǎn)云數(shù)據(jù)按照0.1 m間隔生成點(diǎn)云統(tǒng)計(jì)直方圖。提取直方圖峰值所在點(diǎn)的索引，就可以得到構(gòu)成天花板面、地板面的點(diǎn)云。

圖1 天花板和地板點(diǎn)云分割

在單層樓中，去除天花板和地板數(shù)據(jù)，就可以得到墻體和門(mén)窗的點(diǎn)云數(shù)據(jù)，如圖2所示。從圖中可以看出，仍有少許地板面和天花板面數(shù)據(jù)存在，但由于其數(shù)量較少，向地面豎直投影后對(duì)整體房間的影響可忽略不計(jì)。

圖2 墻體和門(mén)窗點(diǎn)云

2 建筑墻線(xiàn)提取

Hough變換可用于提取圖像中特定形狀的特征，運(yùn)用兩個(gè)坐標(biāo)空間之間的變換，將圖像空間中具有相同形狀的直線(xiàn)或曲線(xiàn)，映射到另一個(gè)參數(shù)坐標(biāo)空間的一個(gè)點(diǎn)上形成峰值，從而把檢測(cè)任意形狀的問(wèn)題化為統(tǒng)計(jì)峰值的問(wèn)題[11]。然而，Hough變換提取出的僅僅是圖像中的直線(xiàn)特征，且噪聲較多，沒(méi)有包含語(yǔ)義信息。因此，當(dāng)利用墻體點(diǎn)云數(shù)據(jù)來(lái)提取墻線(xiàn)時(shí)，本文提出首先利用Hough變換進(jìn)行直線(xiàn)檢測(cè)，然后對(duì)提取的直線(xiàn)特征進(jìn)行交點(diǎn)計(jì)算和墻體語(yǔ)義識(shí)別，從而準(zhǔn)確提取墻線(xiàn)。

2.1 直線(xiàn)檢測(cè)

首先將墻體點(diǎn)云數(shù)據(jù)向地面投影分塊，生成點(diǎn)云分布矩陣；然后將點(diǎn)云分布矩陣轉(zhuǎn)化為灰度圖，并進(jìn)行二值化處理；最后，基于二值圖利用Hough變換進(jìn)行直線(xiàn)檢測(cè)。流程圖如圖3所示。

圖3 Hough變換提取直線(xiàn)流程

算法實(shí)現(xiàn)的詳細(xì)步驟如下：

1)讀入墻體點(diǎn)云數(shù)據(jù)，存儲(chǔ)為N行兩列的矩陣A，一二列存儲(chǔ)點(diǎn)云X,Y坐標(biāo)，N表示點(diǎn)云數(shù)量；

2)利用矩陣A中存儲(chǔ)的個(gè)點(diǎn)的X，Y坐標(biāo)，計(jì)算X和Y方向的最大值和最小值，并確定分塊個(gè)數(shù)；

3)統(tǒng)計(jì)各分塊區(qū)域的點(diǎn)云數(shù)量，根據(jù)各分塊區(qū)域的點(diǎn)云數(shù)量，生成點(diǎn)云分布矩陣，獲得點(diǎn)云分布圖；

4)將點(diǎn)云分布矩陣轉(zhuǎn)化為灰度圖像，為獲取更加簡(jiǎn)潔的點(diǎn)云分布描述，設(shè)定閾值對(duì)灰度圖像進(jìn)行二值化處理，對(duì)于高于閾值的區(qū)域存儲(chǔ)其值為1，其余存儲(chǔ)為0，生成點(diǎn)云分布二值圖；

5)對(duì)二值圖利用霍夫變換算法檢測(cè)直線(xiàn)。其中，霍夫變換峰值點(diǎn)閾值的選擇尤為重要，只有大于該閾值的點(diǎn)才認(rèn)為可表示直線(xiàn)或曲線(xiàn)，霍夫矩陣H是以峰值點(diǎn)為元素組成的矩陣，峰值點(diǎn)閾值默認(rèn)取該矩陣內(nèi)最大元素的1/2，即0.5Hmax。

2.2 墻線(xiàn)識(shí)別

墻線(xiàn)識(shí)別的原理:將2.1中提取的直線(xiàn)特征(直線(xiàn)方程)進(jìn)行求交，從而獲得交點(diǎn)分割的直線(xiàn)段作為備選墻線(xiàn)，這些備選墻線(xiàn)有些與墻線(xiàn)重合，有些介于兩墻之間的房間內(nèi)部，因此本文提出將備選墻線(xiàn)與墻線(xiàn)二值圖進(jìn)行疊加，剔除非墻線(xiàn)線(xiàn)段，從而識(shí)別出真正的建筑墻線(xiàn)，如圖4所示，圖中綠色直線(xiàn)段為被剔除備選墻線(xiàn)。

圖4 墻線(xiàn)識(shí)別原理

算法實(shí)現(xiàn)的詳細(xì)步驟如下：

1)計(jì)算2.1中檢測(cè)出的各直線(xiàn)方程，并求取直線(xiàn)交點(diǎn)。

2)依次連接位于同一直線(xiàn)上的各交點(diǎn)組成直線(xiàn)段，作為備選墻線(xiàn)。

3)將獲取的備選墻線(xiàn)與墻線(xiàn)點(diǎn)云二值圖疊加，若備選墻線(xiàn)兩端點(diǎn)間無(wú)點(diǎn)云存在，則該備選墻線(xiàn)上的各像素點(diǎn)坐標(biāo)在二值圖中的值應(yīng)為0。因此，將各備選墻線(xiàn)逐級(jí)二等分，本文中分為三級(jí)，取各分段處像素點(diǎn)坐標(biāo)，判斷該坐標(biāo)在二值圖中的值。若皆為0，則剔除該備選墻線(xiàn)，反之保留為最終墻線(xiàn)。

3 實(shí)驗(yàn)結(jié)果及分析

本文選用國(guó)際攝影測(cè)量和遙感協(xié)會(huì)提供的公共基準(zhǔn)數(shù)據(jù)集TUB2(Technische University Braunschweig, Germany)[14]進(jìn)行實(shí)驗(yàn)驗(yàn)證。原始點(diǎn)云如圖5所示，共包含21 991 918個(gè)點(diǎn)，其中地板、天花板等水平面與XOY平面平行，墻面與XOZ，YOZ平面平行。建筑的一層有14個(gè)房間、23扇門(mén)和8個(gè)窗戶(hù)，二層有10個(gè)房間、28扇門(mén)和13個(gè)窗戶(hù)。

由于點(diǎn)云數(shù)據(jù)量較大，實(shí)驗(yàn)利用CloudCompare軟件對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行分塊和抽稀處理，并選取較為復(fù)雜的2部分區(qū)域?qū)Ρ疚姆椒ㄟM(jìn)行驗(yàn)證。實(shí)驗(yàn)區(qū)域如圖6所示，各部分點(diǎn)云可視化如圖7所示。

圖5 原始點(diǎn)云

在單層樓中，根據(jù)2.1中的方法，將利用第1節(jié)方法分割出的墻體點(diǎn)云數(shù)據(jù)向地面進(jìn)行投影，利用Hough變換提取直線(xiàn)。實(shí)驗(yàn)選擇3種形狀不同的房間，這3個(gè)房間邊緣細(xì)節(jié)各不相同，代表性較強(qiáng)。如圖8所示，房間1形狀較為規(guī)整，且點(diǎn)云信息完整，二值圖與原始房間差異較小，峰值點(diǎn)閾值選取默認(rèn)值，提取的直線(xiàn)與房間墻線(xiàn)吻合。

圖6 點(diǎn)云分塊示意圖

(a)房間激光點(diǎn)云(b)二值圖(c)直線(xiàn)檢測(cè)結(jié)果

如圖9所示，房間2內(nèi)部被分割為3部分，每部分間由門(mén)連通，在數(shù)據(jù)采集過(guò)程中，打開(kāi)的門(mén)會(huì)遮擋墻體，造成墻體信息采集錯(cuò)誤(二值圖中的紅色標(biāo)記部分)。對(duì)此，不同峰值點(diǎn)閾值的選擇對(duì)實(shí)驗(yàn)結(jié)果影響較大，如表1所示。從表中可知，當(dāng)墻體數(shù)據(jù)較為復(fù)雜時(shí)，閾值過(guò)大會(huì)造成墻體直線(xiàn)檢測(cè)不足，閾值過(guò)小會(huì)造成過(guò)度檢測(cè)，二者均會(huì)導(dǎo)致最終的提取結(jié)果不理想，在本次實(shí)驗(yàn)中峰值閾值取0.2Hmax。

圖9 房間2數(shù)據(jù)

表1 不同閾值對(duì)線(xiàn)段檢測(cè)的影響 m

如圖10所示，房間3墻體點(diǎn)云有大范圍孔洞，且內(nèi)部存在障礙物，房間的門(mén)處于打開(kāi)狀態(tài)(二值圖中的紅色標(biāo)記部分)。如房間2中對(duì)峰值點(diǎn)閾值進(jìn)行討論，具體情況如表2所示。從表中可以看出，當(dāng)墻體點(diǎn)云有大范圍孔洞時(shí)，應(yīng)選取較小的閾值，盡可能的獲取缺失點(diǎn)云處的墻體細(xì)節(jié)，在本次實(shí)驗(yàn)中峰值點(diǎn)閾值取0.1Hmax。

圖10 房間3數(shù)據(jù)

表2 不同閾值對(duì)線(xiàn)段檢測(cè)的影響

對(duì)上述檢測(cè)到的直線(xiàn)根據(jù)2.2中方法即可得到各房間墻線(xiàn)提取結(jié)果，如表3所示。最終得到的是圍成各房間的直線(xiàn)段。結(jié)果表明即使墻面點(diǎn)云存在缺失，本文方法仍能較為準(zhǔn)確的完成房間墻線(xiàn)提取。

表3 房間墻線(xiàn)提取結(jié)果

基于上述分析，對(duì)所選區(qū)域進(jìn)行實(shí)驗(yàn)，此處繪制出結(jié)構(gòu)較為復(fù)雜的第二部分第一層房間墻線(xiàn)提取結(jié)果，如圖11所示。從表中可以看出，最終的提取結(jié)果能夠較為完整的實(shí)現(xiàn)對(duì)原始點(diǎn)云墻線(xiàn)的表達(dá)。

(a)原始點(diǎn)云(b)二值圖(c)墻線(xiàn)提取結(jié)果

ISPRS為確保建模結(jié)果測(cè)試和對(duì)比公平，沒(méi)有公布參考模型實(shí)際尺寸[15]。因此，本文利用CloudCompare手動(dòng)對(duì)圖11中1～6號(hào)房間面積進(jìn)行人工量算，將本文算法自動(dòng)提取房間面積與量算結(jié)果進(jìn)行對(duì)比。表4為算法提取墻線(xiàn)圍成的房間面積與人工量算房間面積的對(duì)比，從中可以看出本文方法能夠較準(zhǔn)確、有效地提取建筑物墻線(xiàn)，且精度較高。

表4 墻線(xiàn)提取結(jié)果精度評(píng)定 m2

4 結(jié) 論

本文針對(duì)室內(nèi)點(diǎn)云數(shù)據(jù)，首先通過(guò)直方圖統(tǒng)計(jì)法分離出天花板、地板以及房間墻面數(shù)據(jù)，然后利用Hough變換從墻線(xiàn)二值圖中提取直線(xiàn)，最后將獲取到的備選墻線(xiàn)與墻線(xiàn)二值圖疊加獲得最終建筑墻線(xiàn)。實(shí)驗(yàn)結(jié)果表明：即使墻面點(diǎn)云存在部分缺失，當(dāng)選取合適的變換閾值時(shí)，Hough變換仍然能夠有效地提取出直線(xiàn)，進(jìn)而完成建筑墻線(xiàn)的準(zhǔn)確提取。本文提取的建筑墻線(xiàn)信息可用于室內(nèi)三維建模、室內(nèi)導(dǎo)航網(wǎng)絡(luò)生成以及室內(nèi)導(dǎo)航模型的構(gòu)建等工作，后續(xù)將進(jìn)一步研究門(mén)、窗等室內(nèi)導(dǎo)航元素的提取，從而為室內(nèi)導(dǎo)航模型提供更完整的導(dǎo)航信息。