建筑物室内点云自动语义分割及三维结构空间模型构建

Terrestrial laser scanners are important parts of today's measurement technology. It is the bust problem to using the technology deeply and wisely that indoor point cloud semantic auto-segmentation and information modeling because of the complex indoor environments and properties of LIDAR data such as large-data, discreteness, including noise. According to the disadvantages of segmentation and the problem that 3D modeling is focus on surface modeling recently, approaches about semantic segmentation and 3D information modeling about indoor point clouds are proposed. Key studies are as follows: Study on three dimensional integrated spatial index which are compose of multi-level grid spatial index and KD-tree index for large-scale scattered point-cloud; research on point clouds semantic segmentation algorithms combined with Gauss domain and spatial domain of indoor point clouds based on the model of top-to-bottom; study on shape recognizing, character extraction and 3D reconstruction using core points; research on Multy-Level structure and topology of building indoor point clouds. Indoor terrestrial laser scanning point clouds of several styles of architecture are used to validate the feasibility and the effectiveness of management theory and methods above by the prototype system using VS2010 and VTK as development tools. The research provided supports of theory and methods for deeply application of BIM, indoor navigation, visualization, facility management, renovation, and conservation of historical buildings etc.

激光雷达技术是获取建筑物室内数据的重要手段，其获取的室内点云具有数据量大，离散化，噪声多等特点。建筑物室内点云的自动语义分割及三维结构空间模型构建成为研究热点。针对目前室内点云自动语义分割算法的不足以及三维模型构建研究集中在局部表面建模的问题，本项目提出一套建筑物室内点云的自动语义分割和具有建筑多层次结构和要素拓扑关系的模型构建方法，主要内容包括：研究基于多级格网和三维KD树的散乱点云空间索引方法；研究自上而下基于微分几何信息与回波反射强度结合在高斯域和空间域上的分割算法；研究基于核心点的形状识别、特征提取方法；研究具有建筑多层次结构和要素拓扑关系的模型构建方法。以VS2010 和VTK 为开发工具，用多类型建筑物的室内散乱点云，设计开发实验原型系统进行算法验证。本研究成果可为建筑信息模型、室内导航、可视化、设施管理、古建筑文物保护、修复等深度应用提供理论和方法支持。

激光雷达技术是获取建筑物室内数据的重要手段，其获取的室内点云具有数据量大，离散化，噪声多等特点。建筑物室内点云的自动语义分割及三维结构空间模型构建成为研究热点。针对目前室内点云自动语义分割算法的不足以及三维模型构建研究集中在局部表面建模的问题，本项目提出一套建筑物室内点云的自动语义分割和具有建筑多层次结构和要素拓扑关系的模型构建方法，主要内容包括：.（1）基于多级格网和三维KD树的散乱点云空间索引方法；.（2）自上而下基于微分几何信息与回波反射强度结合在高斯域和空间域上的分割算法；.（3）基于核心点的形状识别、特征提取方法；研究具有建筑多层次结构和要素拓扑关系的模型构建方法；.（4）具有建筑结构和要素拓扑关系的模型构建方法。.主要创新点如下：.（1） 提出了一套一体化的点云自动分割及特征提取的算法。该算法基于预定义模型及其可能的相互关系，结合高斯映射、曲率特征的聚类分析，在全局上对点云几何特征进行统计分析，在此基础上结合面分割算法完成全部点云的基准面提取。整个算法采用自顶向下模式，有效融合空间域和高斯域的分割处理，不仅有较强的抗干扰性，而且自适应性强，能够依据点云数据特点自动生成处理参数。并且可以在分割的同时获取曲面特征参数，一体化完成分割和特征拟合。.（2）提出了一种改进DBSCAN聚类算法——AQ-DBSCAN算法。该算法能自动获取空间球半径σ参数的取值，并且提出了相应的快速聚类的思路。这一思路克服了DBSCAN算法效率较低，需要通过人工选取来确定参数等问题，实现了快速密度聚类处理和参数自动估算。.（3）提出了一种新的快速索引方式——MultyGrid-KD树索引。该索引首先将点云数据按多级网格索引方式分成不同区域，然后在区域内建立KD树。这一索引方式有效结合了格网索引及KD树索引各自的优势，克服了常用于点云数据的八叉树以及KD树的缺点，为后续很多数据处理环节中涉及到的的高效邻域查询奠定基础。.（4）提出了一种面向全局的具有建筑结构和要素拓扑关系的模型构建方法。构建的地下工井模型可以全部按单元分解，做到了模型部件化，并且在墙面上建造出了管孔模型，使地下电缆工井模型内与模型间的拓扑关系更加完善。.本研究成果可为建筑信息模型、室内导航、可视化、设施管理、古建筑文物保护、修复等深度应用提供理论和方法支持。