顾及建筑物屋顶结构的改进RANSAC点云分割算法  

An improved RANSAC algorithm for building point clouds segmentation in consideration of roof structure

作　　者：李云帆[1] 谭德宝[1] 刘瑞[2,3] 邬建伟[4,5] 

机构地区：[1]长江水利委员会长江科学院,武汉430010 [2]哈尔滨工业大学深圳研究生院,深圳518055 [3]深圳市房地产评估发展中心,深圳518040 [4]城市空间信息工程北京市重点实验室,北京100830 [5]武汉大学遥感信息工程学院,武汉430029

出　　处：《国土资源遥感》2017年第4期20-25,共6页Remote Sensing for Land & Resources

基　　金：中央级公益性科研院所基本科研业务费项目"车载激光雷达点云数据堤防地形三维重建研究"(编号:CKSF2014031/KJ);城市空间信息工程北京市重点实验室经费资助项目(编号:2015201);国家自然科学基金项目(编号:41771485)共同资助

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。An improved RANSAC algorithm was proposed for point cloud segmentation and geometric primitives extraction of buildings with multiple facets and complex roof structures,including two innovations. Firstly,the＂split-segment＂strategy combined with regional growth concept is proposed to improve the segment result and efficiency of classic RANSAC algorithm; Secondly,an improved RANSAC algorithm with variant consensus set threshold is presented. By automatically adjusting the consensus set threshold value,geometric primitives with scale difference are likely to meet the validity test,thus avoiding the over-segmentation and under-segmentation problems of classic RANSAC algorithm with fixed consensus set threshold.

关 键 词：LIDAR 区域生长 RANSAC 建筑物 点云分割 

分 类 号：TP79[自动化与计算机技术—检测技术与自动化装置]