(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210717889.X (22)申请日 2022.06.21 (71)申请人 西安理工大 学 地址 710048 陕西省西安市碑林区金花 南 路5号 (72)发明人 宁小娟　孙泽乾　王兰兰　王琳　 王映辉　金海燕　 (74)专利代理 机构 西安弘理专利事务所 61214 专利代理师 曾庆喜 (51)Int.Cl. G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/36(2022.01) G06V 10/762(2022.01) G06V 20/64(2022.01)G06T 17/20(2006.01) (54)发明名称 基于多特征约束的室外场景建筑物提取方 法 (57)摘要 本发明公开了基于多特征约束的室外场景 建筑物提取方法， 首先使用体素网格滤波方法对 大规模点云场景进行下采样， 对于下采样后的场 景用布料滤波算法去除地面点。 然后， 结合基于 密度聚类算法和KD树对非地面点进行聚类， 将非 地面点聚为不同的点簇。 最后， 结合点云高度、 体 积、 方向、 维度以及颜色特征将建筑物点云与非 建筑物点云进行分离， 最终从室外场景中提取出 建筑物点云。 本发明有效提高了使用传统方法提 取精度低的问题， 对室外场景中大部分建筑物都 能成功提取， 为大规模场景中的建筑物提取提供 了相应的处 理思路。 权利要求书3页 说明书8页 附图4页 CN 115170950 A 2022.10.11 CN 115170950 A 1.基于多特 征约束的室外场景建筑物提取 方法， 其特 征在于， 具体按照如下步骤实施： 步骤1， 数据预处理： 输入原始点云数据， 使用体素网格滤波方法对原始场景进行下采 样得到预处 理后的点云数据； 步骤2， 地 面点滤除： 使用布料 滤波算法将场景中的地 面点进行滤除； 步骤3， 非地面点聚类： 构 建KD树， 使用索引方法查找邻域点， 通过基于密度聚类算法实 现非地面点聚类； 步骤4， 建筑物点提取： 从点云的高度特征、 点云体积特征、 方向特征、 维度特征和颜色 特征五个方面 考虑， 区分 建筑物和非建筑物， 完成建筑物点 提取。 2.根据权利要求1所述的基于多特征约束的室外场景建筑物提取方法， 其特征在于， 所 述步骤1具体为： 步骤1.1， 计算每 个体素网格的中心点 在原始点云数据上绘制体素网格， 假设当前输入点为pi(xi,yi,zi)， 体素网格边长Lgrid， 则体素网格的中心点 坐标W(Xcen,Ycen,Zcen)为， 根据体素网格的边长和体素网格的中心点 坐标得到每个体素网格在空间中的位置； 步骤1.2， 计算每 个体素网格的重心点 假设网格的重心点为G(X,Y,Z)， 则 对于含有n个点的体素网格， 每个体素网格的重心点 表示为： 步骤1.3， 使每个体素网格的重心点替换对应体素网格 内的所有点， 过滤掉重心点以外 的剩余点， 得到预处 理后的点云数据。 3.根据权利要求2所述的基于多特征约束的室外场景建筑物提取方法， 其特征在于， 所 述步骤2具体为： 步骤2.1， 将预处理后的点云数据进行反转， 设置初始布料网格边长， 构造初始布料格 网， 假设粒子只在垂直方向上移动； 步骤2.2， 将格网粒子与点云投影到同一水平面， 找到格网中每个粒子的邻近点并记录 对应点的高程 值HIV； 步骤2.3， 对每一个可移动的粒子， 计算其位置受到重力影响后产生的移动距离， 计算 公式如式(3)； 式(3)中， X(t)表示粒子在t时刻的位置， Δt表示时间步长， G表示万有引力常数， m表示权　利　要　求　书 1/3 页 2 CN 115170950 A 2粒子质量； 步骤2.4， 将移动后粒子所在的位置与其对应近邻点的高程值HIV进行比较： 如果粒子 的所在高度小于等于邻近点的高程值HIV， 则把粒子移动到HIV高度处并设置为不可移动 点； 步骤2.5， 对于每个粒子， 计算受到内部驱动因素影响所产生的移动距离； 如果两个相 连接的粒子都为可移动粒子， 则将两粒子移动到两粒子的平均高程值处； 若一个为不可移 动点， 另一个为可移动粒子， 则移动可移动粒子； 若两个粒子都为 不可移动点， 则不移动； 粒子移动产生的距离由式(4)计算得到； 式(4)中， 表示粒子的位移向量， b表示为可移动粒子时， 该值为1否则为0， 表示可移 动粒子的位置， 表示当前 粒子邻近粒子的位置， 表示垂直方向上的单位向量； 步骤2.6， 迭代步骤2.3至2.5， 直到所有粒子的最大高程变化小于阈值Mhv或者迭代次数 到达预设的值， 则停止模拟过程； 步骤2.7： 计算点云与粒子之间的高度差异， 如果点云中的点与粒子之间的距离小于高 度阈值， 则认为 点云中的点是地 面点， 反之则认为是非地 面点。 4.根据权利要求3所述的基于多特征约束的室外场景建筑物提取方法， 其特征在于， 所 述步骤3具体为， 步骤3.1， 构建KD树； 步骤3.2， 从点 云中选取一个未被处理的点p0， 未被处理的点指未被标记已处理的点， 根 据索引查找p0ε邻域内的点， 如果邻域内至少包含Tmin个点， 证明p0为核心点， 此时， 将该点标 记为已处理并创建新簇C， 将p0的ε邻域点加入到C中， 否则将 该点标记为已处理并重新选取 新的点， 直到 选取到核心点； 步骤3.3， 遍历簇C中未被处理的点， 若遍历过程中存在点在给定的阈值下也是核心点， 则将该点的ε邻域内的所有点加入到 簇C中， 并将该点标记为已处 理； 步骤3.4， 重复步骤3.3直到没有新的点加入到 簇C； 步骤3.5， 重复步骤3.2至 3.4， 直至点云中的点都被处 理完毕， 即可完成聚类。 5.根据权利要求4所述的基于多特征约束的室外场景建筑物提取方法， 其特征在于， 所 述步骤4具体为： 步骤4.1， 使用高程值剔除场景中的低矮植被： 高程值小于2m的点簇为低矮地物， 需将 其剔除， 而高于2m的点簇为较高地物， 较高地物包括建筑物和树木， 将这些较高地物的点簇 保留进行 下一步计算， 高程 值计算如式(5)； H＝Zmax‑Zground  (5) 式(5)中， H表示高程值， Zmax表示点云在垂直于地面方向上的最大值， Zground表示点云地 面点Z坐标， 用地 面点Z坐标的平均值代替； 步骤4.2， 使用最小凸包体积剔除场景中面积较小且高度高于低矮植被但不高于建筑 物的地物： 求解聚类后点簇的最小凸包， 进一步计算最小凸包的体积来区分建筑物与其他 地物， 体积阈值Vb根据不同场景中的建筑物体积而定； 步骤4.3， 使用方向特征剔除场景中的高大树木： 构造并分析点云法向量与Z轴方向向权　利　要　求　书 2/3 页 3 CN 115170950 A 3