基于地面LiDAR數(shù)據(jù)的建筑物立面提取及建模研究.pdf

1、建筑物作為城市三維建模的重要目標，其位置邊界信息在目前地圖更新與導航、房產規(guī)劃等應用方面起著重要的作用。地面三維激光掃描儀能夠獲取大面積高分辨率的被測對象表面海量三維數(shù)據(jù)，但原始三維激光掃描數(shù)據(jù)中除了建筑物立面目標點云外，還包含一些地面、樹木、行人、車輛和城市的部分基礎設施點云等非建筑物點云數(shù)據(jù)及其他噪聲點，需要進一步提取建筑物立面信息,以便對目標建筑進行三維建模。因此，如何高效的從大量點云數(shù)據(jù)中快速準確的提取出建筑物立面，成為了許多學

2、者研究的熱點方向，是“數(shù)字城市”建設工作中的重要環(huán)節(jié)，提取準確度決定著建筑物后期模型的重建精度。
　　隨機抽樣一致性算法（Random Sample Consensus）作為一種魯棒性強的算法，在數(shù)據(jù)錯誤率超過50%時仍然能夠得到理想的處理結果，能有效抑制噪聲點的影響，提取出正確的特征線和特征面，是一種穩(wěn)健、高效的從樣本集中擬合數(shù)學要素的方法，在基礎矩陣估計、特征匹配、運動模型選擇等計算機視覺領域內有著廣泛應用。目前RANSAC算

3、法多用于機載和車載LiDAR數(shù)據(jù)處理上，在地面三維激光掃描儀獲取數(shù)據(jù)中的研究較少。傳統(tǒng)的RANSAC算法需要事先確定閾值，在進行建筑物立面信息的平面點云提取過程中，閾值的選取對平面提取準確性有很大影響。
　　論文在簡要介紹地面三維激光掃描技術的基礎上，闡述了RANSAC算法的原理，針對傳統(tǒng) RANSAC算法的特點和不足，對傳統(tǒng)的基于 RANSAC方法提取建筑物立面進行了改進。采用基于點云密度值和半徑密度優(yōu)化了RANSAC算法，通過