基于离散点云数据的复杂多层建筑物三维模型快速重建

Discrete point clouds are very convenient for the automatic reconstruction of building three dimensional model because they contain the three dimensional coordinates of each objects’ surface. However, it is still a hard work due to the characteristics of the point clouds such as discretion, irregulation, and random sampling, especially for the precisely reconstruction of the complex multi-storey buildings or the automatic and high efficient processing of point clouds with a large area or big size of data..This research focuses on the automatic reconstruction of building three dimensional model from discrete point clouds based on the characteristics analysis of point clouds and the building structure in the discrete space. In order to improve the efficiency and automation of reconstruction, the method of automatic building region segmentation from point clouds with different coverage situations is researched; in order to quickly reconstruct the building contour and roof structure，the degradation models of the building are researched starting from the studying of building structure characteristics in discrete point clouds; after analysing the influence of reconstruction precision from every kind of error, the symmetry rule is introduced to realize the optimization of the building 3D vector model; a comprehensive solution of building model reconstruction from discrete point clouds is proposed to provide reliable theory and technology support for the practical application.

离散点云数据包含目标表面的三维空间坐标，便于实现建筑物三维模型的自动化重建，然而点云数据的离散性、不规则性及随机采样特性一定程度上增加了建筑物重建的难度，对于复杂多层结构建筑物的高精度重建、大区域大数据量点云数据的高效自动化处理等仍是现阶段亟待解决的技术难题。.本项目综合分析离散点云数据特点及离散空间中的建筑物结构特性，研究基于离散点云数据的建筑物三维模型自动化重建技术。针对大数据量点云数据研究不同区域环境下的建筑物区域自适应分割技术，提升重建的效率与自动化程度；从离散点云中的建筑物结构特性入手，分析建筑物结构的特征退化模式，研究复杂多层建筑物三维轮廓及屋顶结构的快速重建方法；分析各类型误差对重建精度的影响，引入对称性准则实现建筑物三维矢量模型的整体优化，进一步提高模型重建精度；提出一套完整的基于离散点云数据的建筑物模型重建技术方案，为实际应用提供可靠的理论和技术支持。

离散点云数据包含目标表面的三维空间坐标，便于实现建筑物三维模型的自动化重建，然而点云数据的离散性、不规则性及随机采样特性一定程度上增加了建筑物重建的难度，增大了对于复杂多层结构建筑物的高精度重建难度。同时，随着各类型点数数据获取系统与技术手段的不断发展和进步，高密度、大数据量点云数据的快速获取已成为当前发展趋势，数据处理效率低下的问题已经极大制约了点云数据的应用与技术发展，成为当前亟待解决的技术难题。.本项目综合分析离散点云数据特点及离散空间中的建筑物结构特性，研究了基于离散点云数据的建筑物三维模型自动化重建技术。针对大数据量点云数据研究了不同区域环境下的建筑物区域自适应分割技术，提升了重建的效率与自动化程度；从离散点云中的建筑物结构特性入手，分析建筑物结构的特征退化模式，研究了复杂多层建筑物三维轮廓及屋顶结构的快速重建方法；分析各类型误差对重建精度的影响，引入对称性准则实现建筑物三维矢量模型的迭代优化处理，进一步提高了模型重建精度；提出了一套完整的基于离散点云数据的建筑物模型重建技术方案，为实际应用提供可靠的理论和技术支持。研究证明：项目采用的大数据量点云数据区域分割方法可以顾及点云覆盖区域的地形地貌特征，处理过程不破坏区域边界的建筑物结构，实现区域的自动化分割处理；采用的建筑物模型重建策略，利用屋顶结构与轮廓三维模型的迭代优化处理，以多层建筑物屋顶点云数据及初始轮廓点作为模型精度约束，能够很好地兼顾重建后建筑物矢量模型的空间精度与模型结构特征。.本项目从大数据量点云数据处理、建筑物点云数据的空间特性分析、复杂建筑物点云模型重建策略展开研究，从点云区域分割、建筑物提取与模型重建、建筑物自身几何特性约束下的矢量模型对称性优化等多个方面凝练问题核心和关键点，具有较强的创新性和应用价值，相关研究成果可以为复杂多层建筑物三维重建工作提供必要的理论和技术支撑。