李玉兵

(濟(jì)南市房產(chǎn)測繪研究院，濟(jì)南 250002)

0 引言

隨著智慧城市、智慧住建的需求不斷迫切，如何對建筑物進(jìn)行精細(xì)化三維重建是當(dāng)下研究的熱點(diǎn)之一[1-2]。三維激光掃描技術(shù)作為一種新型的測量技術(shù)，具有數(shù)據(jù)獲取速度快、精度高、非接觸等優(yōu)勢，已被廣泛地應(yīng)用于城市規(guī)劃、智慧交通等方面[3-4]。三維激光掃描技術(shù)已成為快速獲取城市建筑三維信息的重要途徑，但其獲取的點(diǎn)云數(shù)據(jù)具有無序、離散、海量等特點(diǎn)，因此在三維激光掃描數(shù)據(jù)中快速、準(zhǔn)確地分割出建筑物立面點(diǎn)云是當(dāng)前的研究熱點(diǎn)。

針對建筑物點(diǎn)云分割，許多學(xué)者已經(jīng)開展了大量的研究。Bauer等[5]提出的RANSAC(random sample consensus)算法通過隨機(jī)抽樣消除噪聲的影響，構(gòu)建一個由局內(nèi)點(diǎn)組成的子集，從而將各個具有面特征的建筑物立面分割開來。隨后文獻(xiàn)[6-8]對RANSAC點(diǎn)云分割方法進(jìn)行改進(jìn)，取得了較好的效果。但該類方法在分割過程中過于依賴閾值，人為設(shè)定閾值會產(chǎn)生過分割或欠分割的情況。文獻(xiàn)[9-10]利用Hough變換對建筑物立面實(shí)現(xiàn)了分割，但Hough變換算法在分割過程中易產(chǎn)生偽平面造成精度損失，同時計(jì)算量大，效率低。文獻(xiàn)[11-12]從建筑物點(diǎn)云的結(jié)構(gòu)入手，依據(jù)點(diǎn)坐標(biāo)、法向量和表面粗糙度等屬性制定生長規(guī)則完成不同立面的生長分割。這類區(qū)域生長法只需要少量種子點(diǎn)和規(guī)則就能實(shí)現(xiàn)立面分割，但種子點(diǎn)的選擇以及規(guī)則的設(shè)定會直接影響分割結(jié)果[13]。

針對三維激光點(diǎn)云數(shù)據(jù)中建筑物立面遮擋較多、周圍噪聲干擾多、易漏分割、過度分割等問題，本文提出了一種顧及立面幾何特征的建筑物分割方法。該方法深入分析建筑物立面激光點(diǎn)云在二維及三維空間中的幾何形態(tài)，根據(jù)立面幾何形狀確定生長方向，最后通過聚類生長完成立面分割。

1 研究方法

1.1 建筑物立面點(diǎn)云粗分割

點(diǎn)云數(shù)據(jù)中含有各種各樣的地物類別。從研究對象角度來說，點(diǎn)云中的地物類別可以分為建筑物與其他地物2大類，如表1所示。建筑物立面點(diǎn)云與其他地物最主要的區(qū)別有2個方面：三維空間和二維投影平面。

表1 建筑物與非建筑物空間形態(tài)對比

按照空間分布差異，將建筑物立面劃分為建筑物主體立面和陽臺小立面2個部分。首先，對建筑物主體立面分割：創(chuàng)建建筑物的二維格網(wǎng)與三維格網(wǎng)，以格網(wǎng)內(nèi)點(diǎn)云特征作為立面分割的依據(jù)，通過確定種子格網(wǎng)進(jìn)行立面格網(wǎng)區(qū)域生長。本文將立面種子格網(wǎng)分為平直立面格網(wǎng)和拱形彎曲立面格網(wǎng)。

圖1 平直立面投影擬合點(diǎn)及中心格網(wǎng)夾角示意圖

確定種子格網(wǎng)后，選擇種子格網(wǎng)的中心坐標(biāo)(x，y)作為初步擬合點(diǎn)。本文采用DBSCAN算法對初步擬合點(diǎn)進(jìn)行去噪，獲得最終擬合點(diǎn)。確定擬合點(diǎn)后，根據(jù)擬合點(diǎn)在XOY平面內(nèi)的分布，采用最小二乘法進(jìn)行投影線擬合，確定生長方向，將建筑物立面點(diǎn)云以種子擬合點(diǎn)為中心沿生長方向進(jìn)行約束聚類生長，完成對立面的粗分割，如圖2所示。

平直立面擬合如式(1)所示。

(1)

拱形彎曲立面擬合如式(2)所示。

(2)

圖2 立面約束聚類生長示意圖

完成建筑物主立面點(diǎn)云的粗分割后，部分建筑物含有外部陽臺，也需要對該建筑物進(jìn)行陽臺立面分割。由于主立面點(diǎn)云已分割完畢，因此剩下的為陽臺小型立面，其分割與主立面分割過程基本相同，只是在確定種子格網(wǎng)的規(guī)則上略有區(qū)別。相對于建筑物主體立面，陽臺立面點(diǎn)云較少，高差較小，因此不需要添加高差和密度2個約束條件，只需要檢查種子格網(wǎng)內(nèi)點(diǎn)云中心到2個鄰域格網(wǎng)內(nèi)點(diǎn)云中心的向量是否滿足共線條件，然后按照立面約束進(jìn)行區(qū)域生長。

1.2 建筑物立面點(diǎn)云精分割

經(jīng)粗分割后的建筑物平直立面點(diǎn)云周圍仍存在一些高密度噪點(diǎn)，如掃描儀采集到的窗簾、空調(diào)機(jī)等。這些噪聲點(diǎn)的特點(diǎn)與主立面點(diǎn)云的特點(diǎn)相似，都具有一定的高度和密度，在粗分割時往往會被判斷為立面點(diǎn)云。為此，應(yīng)對粗分割后的建筑物各個立面進(jìn)行精細(xì)化分割。

針對粗分割后仍存在較多高密度噪點(diǎn)問題，本文采用建筑物分層立面精分割策略。首先，對粗分割后的點(diǎn)云根據(jù)劃分的三維格網(wǎng)進(jìn)行分層；然后，逐層進(jìn)行最佳擬合平面探測，根據(jù)先驗(yàn)知識設(shè)置平面擬合閾值，從粗分割后的點(diǎn)云中快速、精細(xì)地分割出建筑物平直立面，剔除噪聲點(diǎn)。對分層后的各層建筑物立面分割完畢后，需要將上下層屬于同一主立面的點(diǎn)云合并。由于各層陽臺是分開獨(dú)立的，因此，陽臺立面并不需要合并。一般情況下，建筑物為立面垂直于地面的規(guī)則目標(biāo)。因此，各層主立面上下各層滿足一一對應(yīng)關(guān)系，由此設(shè)定的合并策略為逐層、逐立面合并，具體如下。

1)由于花草樹木的遮擋，造成建筑物立面點(diǎn)云存在一定程度的缺失。因此，首先對點(diǎn)云個數(shù)進(jìn)行統(tǒng)計(jì)，找出各層建筑物點(diǎn)云完整率最高的一層作為基準(zhǔn)層。

2)如圖3所示，假定紅色線為基準(zhǔn)層立面在XOY面上的投影擬合線，藍(lán)色線為另一層立面點(diǎn)云的投影擬合線，2層在空間上是上下對應(yīng)的關(guān)系，所以2條線的間距需處于一定的閾值范圍內(nèi)。假設(shè)圖中a、b、c分別為藍(lán)色線的2端點(diǎn)以及中點(diǎn)，則3點(diǎn)到基準(zhǔn)層投影線(紅色線)的距離均應(yīng)小于閾值Δd。

3)對各層建筑物點(diǎn)云的立面按上述方法判斷是否與基準(zhǔn)層的立面為同一立面，并將屬于同一立面的點(diǎn)云上下合并。

4)建筑物各層主立面點(diǎn)云合并完畢后，將未合并的各個陽臺立面合并入對應(yīng)的層數(shù)中，完成建筑物點(diǎn)云整體的分割流程。

圖3 相同立面合并示意圖

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)數(shù)據(jù)與參數(shù)

為了證明本文方法的適用性，選取2處典型建筑物點(diǎn)云進(jìn)行立面分割。建筑物1周圍存在空調(diào)外機(jī)、窗簾等非建筑物點(diǎn)，共672 390個點(diǎn)；建筑物2周圍存在樹木、健身器材等非建筑物點(diǎn)，共8 535 372個點(diǎn)，如圖4所示。

圖4 實(shí)驗(yàn)數(shù)據(jù)

表2 建筑物立面分割所用參數(shù)

2.2 實(shí)驗(yàn)結(jié)果與分析

從圖5可以看出，對于彎曲立面與平直立面組成的建筑物點(diǎn)云，本文方法可以有效分割。圖5(a)紅色方框中為第2層陽臺點(diǎn)云中的彎曲立面，顯示該彎曲立面被完整地分割出來，與周圍其他立面分離度較高，輪廓清晰，周圍噪點(diǎn)較少；圖5(b)內(nèi)部以及外部噪聲點(diǎn)均被去除，各個立面的分割效果良好。文獻(xiàn)[13]中的方法，對彎曲陽臺立面不能進(jìn)行準(zhǔn)確分割，部分點(diǎn)云被誤分割為噪聲點(diǎn)，如圖6(a)中紅色方框所示；部分外部噪聲點(diǎn)被錯誤地分割為立面點(diǎn)云，如圖6(b)中橢圓形框所示。從圖7可以看出，本文方法對不同類型的建筑物進(jìn)行分割時能夠有效地分割出建筑物立面，但由于部分立面被樹木遮擋嚴(yán)重，點(diǎn)云質(zhì)量較差，少數(shù)立面存在漏分割現(xiàn)象。

圖5 本文算法實(shí)驗(yàn)結(jié)果

圖6 文獻(xiàn)[13]算法實(shí)驗(yàn)結(jié)果

圖7 本文算法實(shí)驗(yàn)結(jié)果俯視圖

為進(jìn)一步說明本文算法的準(zhǔn)確性，對實(shí)驗(yàn)數(shù)據(jù)分割出的立面面片數(shù)量進(jìn)行統(tǒng)計(jì)，通過人工交互提取實(shí)驗(yàn)數(shù)據(jù)立面數(shù)量，同時采用文獻(xiàn)[13]的方法進(jìn)行提取，通過比較立面分割的準(zhǔn)確率(accuracy rate，AR)，對建筑物立面提取結(jié)果進(jìn)行評價。AR定義為：各方法提取的立面數(shù)量/人工交互識別的立面數(shù)量×100%。對比結(jié)果如表3所示。本文算法提取的建筑物1的立面分割準(zhǔn)確率為95.00%，建筑物2的立面分割準(zhǔn)確率為94.59%；文獻(xiàn)[13]算法提取的建筑物1的立面分割準(zhǔn)確率為75.00%，建筑物2的立面分割準(zhǔn)確率為83.78%。文獻(xiàn)[13]的方法無法區(qū)分處于鄰近同一水平位置的陽臺平直立面和卷簾門點(diǎn)云，因而會造成漏分，且有部分窗簾噪點(diǎn)存在，對一些因遮擋造成面積較小的立面也不能有效識別，故而本文的方法準(zhǔn)確率高。

表3 2種分割結(jié)果定量分析

3 結(jié)束語

本文充分挖掘了三維激光點(diǎn)云中建筑物點(diǎn)云在二維及三維空間中的形狀特性，提出了一種立面特征規(guī)則約束的建筑物立面分割方法。首先，根據(jù)立面特征選取建筑物立面擬合種子格網(wǎng)，確立初始擬合點(diǎn)；然后，依據(jù)立面投影特征約束生長方向，完成立面粗分割；最后，對粗分割立面進(jìn)行精細(xì)化處理，完成建筑物立面精分割。研究結(jié)果表明，本文方法能有效地分割出建筑物主體立面與陽臺立面，同時對建筑物中平直立面與拱形彎曲立面的分割質(zhì)量較高，具有較強(qiáng)的適用性和魯棒性。