从点云中提取建筑物立面的混合算法

作为捕获3D城市场景数据的领先方法,激光扫描技术已越来越多地用于特征提取,对象识别和建模任务中。 这项研究提出了一种新策略,该策略可用于快速,准确地提取基于点云的建筑物立面特征,这些点云是从激光扫描仪捕获的。 首先需要对数据进行预处理,包括构建KdOcTree混合索引以及使用主成分分析(PCA)计算点云的法线向量。 在此基础上,通过模糊聚类获得初始聚类,然后根据采样间隔在每个聚类中使用广义霍夫变换(GHT),以检测局部峰值以获得初始平面。 接下来,基于法向矢量和待处理平面的距离阈值将相似的平面合并在一起,以生成更好的平面度。 最后,通过对相邻点的辅助判断来优化提取效果,该判断用于将边界点分类到正确的平面中。 拟议的方法已通过三个不同的地面激光扫描仪(TLS)数据集进行了测试,结果表明,这种混合方法可加快建筑物立面的提取和召回速度。