顾及建筑物屋顶结构的改进RANSAC点云分割算法

被引：15

作者：

李云帆 ^{[1
]}

谭德宝 ^{[1
]}

刘瑞 ^{[2
,3
]}

邬建伟 ^{[4
,5
]}

机构：

[1] 长江水利委员会长江科学院

[2] 哈尔滨工业大学深圳研究生院

[3] 深圳市房地产评估发展中心

[4] 城市空间信息工程北京市重点实验室

[5] 武汉大学遥感信息工程学院

来源：

国土资源遥感 | 2017年 / 29卷 / 04期

关键词：

LiDAR; 区域生长; RANSAC; 建筑物; 点云分割;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

针对传统RANSAC点云分割算法在处理多层次、多面片的复杂建筑物中的困难,提出一种改进算法对建筑物点云进行分割和几何基元的提取。首先,结合基于坡度和高差的三角形区域生长方法,对复杂建筑物的不同结构层次进行分解,提高了随机采样时的有效模型命中率,并降低了错分现象;然后,提出一种浮动一致集阈值的RANSAC算法,通过自动调整RANSAC算法中的关键参数,使算法能够适应不同尺度的几何基元。实验证明了该算法在复杂建筑物点云数据分割效果和运算效率上的有效性。

引用

页码：20 / 25

页数：6

共 8 条

[1] LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法 [J].

程亮 ;

龚健雅 .

测绘学报, 2008, (03) :391-393+399

[2] 用不变矩从机载激光扫描测高点云数据中重建规则房屋 [J].

张小红 ;

耿江辉 .

武汉大学学报(信息科学版) , 2006, (02) :168-171

[3]

Unsupervised robust planar segmentation of terrestrial laser scanner point clouds based on fuzzy clustering methods[J] . Josep Miquel Biosca,José Luis Lerma.ISPRS Journal of Photogrammetry and Remote Sensing . 2007 (1)

[4] Efficient RANSAC for point-cloud shape detection [J].

Schnabel, R. ;

Wahl, R. ;

Klein, R. .

COMPUTER GRAPHICS FORUM, 2007, 26 (02) :214-226

[5]

Segmentation of airborne laser scanning data using a slope adaptive neighborhood[J] . Sagi Filin,Norbert Pfeifer.ISPRS Journal of Photogrammetry and Remote Sensing . 2005 (2)

[6]

Random sample consensus[J] . Martin A. Fischler,Robert C. Bolles.Communications of the ACM . 1981 (6)

[7]

Surface Clustering from Airborne Laser Scanning Data .2 Filin S. ISPRS Commission III Symposium"Photogrammetric Computer Vision" . 2002

[8]

Automatic extraction of building features from terrestrial laser scanning .2 Pu S,Vosselman G. ISPRS Commission V Sympo-sium:Image Engineering and Vision Metrology . 2006

← 1 →