-
题名基于改进RANSAC算法的复杂建筑物屋顶点云分割
被引量：18
- 1
-
-
作者
刘亚坤
李永强
刘会云
孙渡
赵上斌
-
机构
河南理工大学测绘与国土信息工程学院
江苏省太仓市自然资源和规划局港区分局
-
出处
《地球信息科学学报》
CSCD
北大核心
2021年第8期1497-1507,共11页
-
基金
国家自然科学基金项目(41771491、41701597、U1810203)
中国博士后科学基金项目(2018M642746)。
-
文摘
屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义。针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法。算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效,从有效邻域中选取标准差值最小的3个点为初始模型。利用RANSAC算法对屋顶点云进行分割。利用K近邻算法统计误分类点与面片的距离降低误分类,优化过分割面片并进行连通性分析,利用距离及法向量一致性检验的方法重分配非平面内点。为验证本文算法有效性,选取芬兰Helsinki地区的3栋相互独立的复杂建筑物屋顶以及上海某小区的6栋建筑物群屋顶作为实验数据。在2组数据中,本文提出的改进RANSAC算法分割屋顶面片的平均准确率分别为92.17%、87.82%,78%的建筑物屋顶不存在过分割。在第2组数据中,所有分割面片上的点与其对应的最佳拟合平面的距离的标准差的平均值为0.030 m。实验结果表明,本文算法分割建筑物屋顶面片的准确率较高,较好的抑制了过分割现象,且抗噪能力强。
-
关键词
机载LIDAR
屋顶点云
RANSAC算法
种子点选取
屋顶点云分割
误分类判定
面片优化
点云重分配
-
Keywords
airborne LiDAR
roof point cloud
RANSAC algorithm
seed selection
roof point cloud segmentation
judging the point of misclassification
patch optimization
point cloud redistribution
-
分类号
TU198
[建筑科学—建筑理论]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
