识别建筑测绘构件的点云智能化切分方法

技术领域

本发明涉及一种建筑点云智能化切分方法，特别涉及一种识别建筑测绘构件的点云智能化切分方法，属于点云智能化切分技术领域。

背景技术

地面激光点云是一种利用激光雷达测距进行地物三维信息获取的手段，与传统的皮尺测距等手段相比，地面激光点云属于非接触测量手段，不伤及测量目标，不干扰被测物的状态，同样属于非接触测量手段的摄影测量，虽然能够快速进行数据获取，但是其数据载体为二维图像，在恢复被测目标的三维信息需要模型连接、前方交会等步骤，本质上是将三维目标投影到二维图像，再由二维图像反算被测目标三维信息的过程。而地面激光扫描是直接获取被测目标三维信息的测量手段，避免了在数据获取过程中投影产生的精度和信息损失，另外同车载激光扫描与机载激光扫描相比较，车载激光扫描与机载激光扫描用于对建筑外部环境的测量，包括建筑立面与建筑顶部等，而无法获取室内环境数据。因此，地面激光点云在建筑室内测绘领域的研究和应用价值凸显。

在建筑测绘中，地面激光点云数据处理包括点云配准、点云切分、几何建模等步骤，由于通视条件和扫描距离等因素的限制，在对一个场景或者目标进行数据获取时，需要在不同位置多次扫描。点云配准的目的是将多个扫描站获取的点云数据统一至同一个坐标系下，得到场景或者目标完整的点云数据，其本质是对单站点云数据的扫描坐标系进行旋转、平移刚体变换的过程，点云切分可理解为一个对点云分类的过程，将具有相同或者相近性质且空间上邻近的若干点归为一类，因此点云切分与建筑构件识别本质上是对点云进行分类，只是层次不同，点云切分是根据扫描点本身的性质进行分类和标注，而建筑构件识别是对处在同一建筑构件上的扫描点归为一类。先根据点云的颜色、法向量、曲率、几何分布等特征进行切分，再根据一定的规则进行建筑构件的识别。

然而，当前在对地面激光点云数据处理自动化程度并不高，导致地面激光扫描数据在实际工程中并没有完全发挥出其特征和优势，实际工程中需要大量人工参与，费时费力，主要有以下三点原因：一是单站地面激光扫描数据就包含数以千万计的激光扫描点，而且这些扫描点是离散且无组织的，因此逐点进行运算或者进行遍历和搜索将会耗费大量时间；二是在数据获取过程中，不可避免的要对一些噪声进行处理，除去扫描仪本身产生的噪声之外，室内外环境还不可避免的会加入一些影响数据处理的噪声，例如行人、桌椅等物体的旋转和位移；三是地面激光扫描数据中只能够记录扫描点的三维坐标、颜色、强度等信息，而仅靠这些信息难以完成建筑测绘工作，因此，在对地面激光扫描数据处理的相关算法进行研发时，要使其适用于建筑测绘工作，必须要考虑上述问题。

综上所述，有效的点云智能化切分方法，能够极大的提高地面激光扫描数据处理效率，使其更高效的支持地面激光扫描在建筑测绘领域的各类应用，同时，部分算法也可以在一定程度上拓展至其它类型点云数据的处理方法中。

点云切分可理解为对点云分类的过程，将具有相同或者相近性质且空间上邻近的若干点归为一类。现有技术的RANSAC在对点云数据进行处理或者计算时可以发挥重要作用，Rabbani提出了一种利用光滑度约束的点云切分方法，该方法面向工业设备环境扫描数据。再后出现了基于点云数据的三维公路信息提取方法，但是该方法过度依赖人机交互，不适用于更为复杂的城市区域，当使用基于平面的切分算法对点云数据进行处理时，很容易导致过度切分。

建筑构件识别是在点云切分的基础上根据建筑构件的特征，对分布在特定建筑构件上的扫描点进行判定和提取，利用语义信息在点云中提取建筑部件和构建建筑立面的方法，通过建筑部件的尺寸、方向以及拓扑关系定义语义特征约束，能够在一定程度上自动提取墙、屋顶、窗、门、凸起、凹进等多种建筑特征。结合地面激光扫描和图像的建筑物立面自动构建方法通过将点云数据强度信息生成的灰度图像和高分辨率数字图像进行配准，生成效果逼真的三维模型。结合点云数据和图像生成建筑物立面模型的方法利用图像和点云数据中提取出的特征线将二者配准，完成从图像到点云数据的纹理映射，由于推理规则过于简单直观，这类方法适用于规则建筑物立面的构建，目前还无法用于复杂建筑物的建筑部件识别和构建。

现有技术依然没有从根本上解决建筑测绘构件的点云自动切分的难题，现有技术的难点和本发明解决的问题主要集中在以下方面：

第一，点云切分是将具有相同属性、空间位置邻近的扫描点进行聚类或者标注，现有技术的做法是对扫描点进行构网或者法方向、曲率计算，然后根据计算出的几何属性对扫描点聚类或者标注，但针对建筑室内场景的三维点云数据，场景中主要以建筑构件为主，建筑构件的结构相对简单，在点云数据中表现为由各类规则的平面或者曲面组成，点云切分是为建筑构件识别和建模工作提供支持，但进行构网、法方向估算处理适合描述光滑曲面，例如各类自然表面，而对以各类建筑构件为主的建筑室内场景，这类方法一方面计算效率低，而且在一些严格的参数和规则设定下，会造成很多过度切分的现象，由于未考虑建筑室内场景及其中的建筑构件的特征，而只是根据扫描点的几何特征进行切分，以构网、法方向估算方法为基础，直接通过区域增长方式进行点云切分，会使后续建筑构件识别、室内环境建模工作变得更加复杂，建筑测绘识别的点云切分效果很差；

第二，建筑构件是组成一个建筑物的各组成构件，包括基础、墙体、柱子、屋顶，这些建筑构件组成建筑的基本结构，所以在对建筑进行三维构建时，以建筑构件为单位进行建模，在建筑测绘工作中，以建筑构件作为建筑测绘的基本单元，但这些建筑构件的定义通常包含用途、材料、内部结构属性，而地面激光扫描点云数据无法提供建筑构件的内部信息，所以这些建筑构件的定义无法用于通过地面激光扫描获取的三维点云数据，现有技术无法根据三维点云数据的特征对建筑构件进行解构，不适合点云切分及基于三维点云数据的建筑构件识别，现有技术建筑构件点云切分方法十分不稳定，无法达到理论效果；

第三，对贯通可见空间上下边界进行提取时，首先根据三维点云数据的覆盖范围在X-O-Y平面上建立一个栅格，然后在每个栅格范围内分别按照竖直向上和竖直向下的方向，对贯通可见空间及其边界进行搜索和判定，在三维点云数据中，对每个栅格范围内按照自下而上的方向对贯通可见空间及其边界进行搜索，对贯通可见空间的下边界进行判定，再在三维点云数据中，对每个栅格范围内按照自上而下的方向对贯通可见空间及其边界进行搜索，对贯通可见空间的上边界进行判定，但根据假设及判定策略对扫描点进行上下边界检测对于某些扫描范围以外的贯通可见空间及其边界的判定有可能出现错误，例如在进行上边界检测时，每个栅格对应的范围内Z值最小的扫描点上方也被判定为上边界，而在进行下边界检测时，每个栅格对应的范围内Z值最大的扫描点被判定为下边界，但实际上，由于贯通可见空间边界有一些没有被扫描到的部分，这样对这些扫描点进行判定并不可靠，现有技术缺少相应的分析解决方案；

第四，现有技术对地面激光点云数据处理自动化程度不高，导致地面激光扫描数据在实际工程中并没有完全发挥出其特征和优势，实际工程中需要大量人工参与，费时费力，包括：一是单站地面激光扫描数据就包含数以千万计的激光扫描点，这些扫描点是离散且无组织的，逐点进行运算或者进行遍历和搜索将会耗费大量时间；二是在数据获取过程中，不可避免的要对一些噪声进行处理，除去扫描仪本身产生的噪声之外，室内外环境还会加入一些影响数据处理的噪声；三是地面激光扫描数据中只能够记录扫描点的三维坐标、颜色、强度等信息，而仅靠这些信息难以完成建筑测绘工作，在对地面激光扫描数据处理的相关算法进行研发时，没有考虑使其适用于建筑测绘工作。

发明内容

针对现有技术的不足，本发明提出的识别建筑测绘构件的点云智能化切分方法，创新点主要集中在对建筑构件和室内空间进行重新定义，提出了一种适用于建筑构件识别的智能化切分方法，避免了对点云的过度切分，另外，本发明提出的点云智能化切分方法中，避免了对整个扫描点集的法方向估算、曲率估算、构网等工作，大幅减少了遍历扫描点集的次数，使三维点云数据处理更加高效。

为达到以上技术效果，本发明所采用的技术方案如下：

识别建筑测绘构件的点云智能化切分方法，首先基于建筑室内环境中建筑构件的几何特征及建筑构件之间的关系，结合三维点云数据的特征，对建筑构件进行解构，基于贯通可见空间与闭塞内部空间，认定建筑室内场景的内部空间为贯通可见空间，而室内场景中的各类实体对象的内部都为闭塞内部空间，地面激光扫描数据能够获取扫描对象的表面信息，无法获取闭塞内部空间的信息，所以将扫描点作为贯通可见空间的边界点，而没有扫描点的区域都作为是贯通可见空间，将建筑构件解构为由一个或者多个由相同或者不同类型的边界按照一定规则构成的表面，将面向建筑构件识别的点云切分转化为贯通可见空间边界的分类及同类边界的切分问题；

根据典型建筑室内场景中建筑构件的特征，将贯通可见空间的边界分为上边界、下边界和侧边界，然后对这些边界分别进行提取和切分，在贯通可见空间上边界和下边界进行提取和切分过程中，在竖直方向上对上边界和下边界分别进行搜索和提取，然后利用区域增长方法对上下边界中的扫描点分别进行标注，在完成贯通可见空间上下边界的提取与切分之后，剩余的扫描点都作为贯通可见空间的侧边界，对于竖直平面，采用基于Hough变换提取直线段的方式，通过区域增长进行切分并标注，对于其它竖直曲面，通过在竖直平面提取和切分结果的基础上再进行一次区域增长，进而得到完整的切分结果；

识别建筑测绘构件的点云智能化切分方法包括基于贯通可见空间的建筑构件解构和区域增长驱动的点云自动切分，区域增长驱动的点云自动切分又包括贯通可见空间的上下边界提取与切分和贯通可见空间的侧边界提取与切分，本发明首先提出贯通可见空间与闭塞内部空间的概念，并从贯通可见空间的角度解析点云数据对建筑室内场景的表达，然后根据贯通可见空间的概念对建筑构件进行解构，提出点云数据中的建筑构件作为一组贯通可见空间边界组成的表面，在此基础上根据建筑室内场景中建筑构件的特征，将贯通可见空间边界分为上边界、下边界和侧边界，并分别对贯通可见空间上边界、下边界和侧边界进行提取和切分。

识别建筑测绘构件的点云智能化切分方法，进一步的，基于贯通可见空间的建筑构件解构：根据三维点云数据的特征对建筑构件进行解构，以其几何特征为基础，将其分解为若干要素，并对其进行描述，使其更加适合点云切分及基于三维点云数据的建筑构件识别；

使用多个扫描站获取的三维点云数据并进行配准，得到的扫描点是被测对象表面的信息，而且有一些处于扫描死角的表面无法被完整的扫描，地面激光扫描仪在进行扫描获取点云数据时，获取的除去位于被测目标表面的空间信息，还有由扫描中心到扫描点的通视信息，即除去扫描点提供的实体表面信息之外，扫描点到扫描中心之间没有扫描点的区域提供空间信息，而点云数据处理只关注扫描点提供的实体表面信息，本发明基于贯通可见空间和闭塞内部空间，并利用其进行建筑室内环境的几何建模，在贯通可见空间和闭塞内部空间的基础上对建筑室内场景进行描述和解析，并对建筑构件进行解构。

识别建筑测绘构件的点云智能化切分方法，进一步的，本发明中的贯通可见空间是指室内场景中建筑构件实体目标可见的外部空间，闭塞内部空间是指在建筑构件实体目标不可见的内部空间，而由多站激光扫描点云数据配准得到的点云数据，理解为对建筑室内场景中贯通可见空间的表达，将室内扫描范围以外的空间都视为闭塞内部空间，直接利用点云数据对贯通可见空间进行建模，并利用贯通可见空间模型进行建筑的三维构建，以大量简单的走廊和房间为主的建筑室内结构简单，遮蔽较少，获取的点云数据封闭性很好，可以直接使用以上方法；

但针对点云数据由于建筑结构较复杂，扫描站架设条件有限，得到的三维点云数据并没有形成一个理想的封闭空间，在数据获取和数据处理中，点云数据无法封闭的情况无法避免，不能简单的认为扫描范围外的空间都是闭塞内部空间，并只依靠贯通可见空间对建筑室内结构进行表达，激光扫描点作为是贯通可见空间与闭塞内部空间之间的边界，则建筑构件表面在室内场景中，看作是一组贯通可见空间与闭塞内部空间之间的边界组合而成的；本发明在贯通可见空间和闭塞内部空间的概念基础上，通过局部区域内贯通可见空间的边界对建筑构件进行解构和描述；

在建筑构件识别时，首先对一些简单、基础的建筑构件进行识别，在此基础上再进行进一步的复杂建筑构件识别，建筑室内场景中建筑构件的识别按照识别过程的复杂程度逐步进行，本发明面向建筑构件识别的点云切分方法，为建筑构件识别提供最基础的组成单元；

在室内场景中，建筑构件的表面都视作贯通可见空间的边界，对建筑构件进行解构本质上为对贯通可见空间中不同种类边界的划分，对于普通的建筑室内场景，最基本的建筑构件就是地面、墙面和天花板，普通建筑都有竖直的墙面，地面激光扫描点云数据的Z坐标竖直向上，因此将贯通可见空间的边界按照竖直方向和水平方向进行划分，由此将贯通可见空间边界分为上边界、下边界和侧边界，天花板主要由贯通可见空间的上边界构成，地面主要由贯通可见空间的下边界构成，墙面主要由贯通可见空间的侧边界构成，这样对建筑构件进行解构成为贯通可见空间的边界后，用不同类型的边界对复杂的建筑构件进行描述。

识别建筑测绘构件的点云智能化切分方法，进一步的，本发明将建筑构件视为不同种类的贯通可见空间边界，或者多个相同或者不同种类的贯通可见空间边界按一定规则组合而成，由此首先分别对贯通可见空间中包括上边界、下边界和侧边界的三种不同边界进行提取，然后再根据空间分布特征对同种类的边界进行切分。

识别建筑测绘构件的点云智能化切分方法，进一步的，区域增长驱动的点云自动切分：基于对贯通可见空间及其边界的定义，所有扫描点都可视为在贯通可见空间的边界上，对贯通可见空间的边界进行分类时，首先对上下边界进行提取和切分，再对侧边界进行提取和切分，对于某一类贯通可见空间边界点的切分，采用区域增长驱动的方法进行处理。

识别建筑测绘构件的点云智能化切分方法，进一步的，贯通可见空间的上下边界提取与切分：对贯通可见空间的上下边界进行提取时，基于一部分边界没有被完整扫描以及实际建筑室内场景并不是封闭空间的情况，本发明假设在每一个扫描点的上方和下方都可能存在贯通可见空间，每一个扫描点都有可能是一个贯通可见空间的上边界或者下边界，该扫描点具体是上边界还是下边界需要根据不同情况进行进一步判定，首先对竖直方向上的贯通可见空间进行检测，对于每个扫描点，根据一定的水平区域范围，在竖直方向上进行搜索，设定一定的距离临界值，在这一竖直距离内搜索有扫描点时，则判定这两个扫描点间是闭塞内部空间，在竖直方向上，如果在该扫描点下方是闭塞区域，而该点上方在距离临界值内没有任何扫描点时，则该扫描点为这一贯通可见空间的下边界；相对的，如果在该扫描点上方是闭塞区域，而该点下方在距离临界值内没有任何扫描点时，则该扫描点为这一贯通可见空间的上边界；若扫描点上方下方都是闭塞内部空间，则认为该扫描点不是这一贯通可见空间的上边界或者下边界；

对贯通可见空间上下边界进行提取时，首先根据三维点云数据的覆盖范围在X-O-Y平面上建立一个栅格，然后在每个栅格范围内分别按照竖直向上和竖直向下的方向，对贯通可见空间及其边界进行搜索和判定，在三维点云数据中，对每个栅格范围内按照自下而上的方向对贯通可见空间及其边界进行搜索，对贯通可见空间的下边界进行判定，再在三维点云数据中，对每个栅格范围内按照自上而下的方向对贯通可见空间及其边界进行搜索，对贯通可见空间的上边界进行判定。

识别建筑测绘构件的点云智能化切分方法，进一步的，点云切分策略中，根据一定法方向梯度临界值对相邻的三角网或者扫描点进行检测，以迭代的方式不断在空间中进行聚类和分裂，在区域增长中确定一定数量的种子点，作为进行聚类和分裂的初始输入，种子点即为迭代搜索聚类及分裂的初始点，本发明利用贯通可见空间检测的可靠性分别选择贯通可见空间上边界和下边界的种子点，然后进行区域增长，再在区域增长结果中，根据各区域内上边界种子点和下边界种子点的数量消除对贯通可见空间上下边界判定的歧义；

识别建筑测绘构件的点云智能化切分方法，进一步的，从点云数据中提取出的贯通可见空间上边界和下边界，按照对应贯通可见空间是否有界分为两类，一类是贯通可见空间的上边界和下边界都有对应扫描点，另一类是贯通可见空间只有上边界或者下边界有对应扫描点，第一类贯通可见空间是封闭的，对应的上下边界点判定结果是相对更加可靠的，将此类贯通可见空间对应的扫描点设为种子点，对每个种子点按照一定的范围对其它同类种子点进行邻域搜索，若该种子点邻域范围内的同类种子点数量少于某一临界值，认定该点为贯通可见空间上下界的噪声，剔除该种子点，在进行区域增长的过程中，从种子点开始，对其周围一个较小邻域内的同类边界点进行搜索聚类，并以这些同类边界点作为新的起始点进行聚类，按照该方式进行迭代计算，完成区域增长的聚类过程，其中不连通的边界区域在区域增长的过程中得到切分；

分别完成贯通可见空间上边界和下边界的区域增长后，对于部分仍然无法判定是贯通可见空间上边界还是下边界的区域，通过分别统计该区域内包含上边界种子点和下边界种子点的数量进行判定，一个区域内如果上边界种子点数量更多，认定这一区域为贯通可见空间上边界的可能性更高，则这一区域内的边界点都为上边界点，如果下边界种子点数量更多，认定这一区域为贯通可见空间下边界的可能性更高，则这一区域内的边界点全部为下边界点，最后为了算法稳定和后续的处理，去除包含扫描点数量过少的区域。

识别建筑测绘构件的点云智能化切分方法，进一步的，贯通可见空间的侧边界提取与切分：在完成贯通可见空间的上下边界提取与切分之后，在剩余的扫描点中对贯通可见空间的侧边界进行提取与切分，本发明中贯通可见空间的侧边界是指贯通可见空间在水平方向上的边界，边界本身是竖直的，这些竖直平面在水平平面上的分布为直线段，本发明首先根据此规律对贯通可见空间的侧边界进行提取与切分，然后再对其它情况进行补充；

贯通可见空间的上下边界，直接通过区域增长完成切分，贯通可见空间的侧边界能使上下边界相互连通，其本身也是连通的，保证整个贯通可见空间封闭，但如果直接利用区域增长对贯通可见空间侧边界进行提取和切分不利于后续的建筑构件识别，所以需要对侧边界进行进一步的切分，本发明对每个水平切片内的侧边界进行提取与切分，再结合直线段提取结果反映的竖直平面信息进行区域增长，完成对整个场景中贯通可见空间的侧边界提取与切分；

首先，对于在贯通可见空间上下边界的提取与切分中未被标注的扫描点，在竖直方向上按照一定间隔进行水平切片，然后根据一定采样间隔生成二值化图像序列，基于数学形态学对二值化图像序列进行骨架提取，以骨架提取结果作为边缘检测结果进行基于Hough变换的直线段提取，得到每一张二值图像中的直线段方向及其端点，然后通过设定一定的距离临界值对直线段一定邻域内的扫描点进行搜索，认定这些扫描点位于该直线段上，然后这些被认定在某条直线段上的扫描点作为种子点进行区域增长，以空间距离及所在直线段方向作为聚类和分裂的判别条件，完成对贯通可见空间侧边界的初步切分。

识别建筑测绘构件的点云智能化切分方法，进一步的，在本发明基于竖直平面提取的贯通可见空间侧边界提取与切分基础上，以竖直的曲面作为贯通可见空间侧边界提取与切分的补充；

首先以基于竖直平面提取的贯通可见空间侧边界提取结果作为种子点，保留切分结果中各个区域扫描点的标注，即每个边界种子点所在的区域，再对所有侧边界点进行一次区域增长，在区域增长时，有部分未被标注的侧边界点被来自多个切分区域内的侧边界种子点搜索到，而被归入对应的标注区域内，对于这种情况，根据得到的切分结果，计算出每个切分区域对应的竖直平面参数，然后在第二次区域增长过程中，通过扫描点与其对应平面的距离作为判定其所属区域的标准，最后为了保证结果的可靠性及算法的稳定性，将包含扫描点数量过少的区域去除。

与现有技术相比，本发明的贡献和创新点在于：

第一，普通的点云切分仅根据扫描点的空间分布以及几何性质对扫描点进行标注，而本发明提出的识别建筑测绘构件的点云智能化切分方法，旨在为建筑构件的识别、建筑的三维构建工作提供识别、判定、建模的依据，在实际应用中可行性更强，是一种简洁高效、实用性强的识别建筑测绘构件的点云智能化切分方法；

第二，本发明提出的识别建筑测绘构件的点云智能化切分方法，创新点主要集中在对建筑构件和室内空间进行重新定义，提出了一种适用于建筑构件识别的智能化切分方法，避免了对点云的过度切分，另外，本发明提出的点云智能化切分方法中，避免了对整个扫描点集的法方向估算、曲率估算、构网等工作，大幅减少了遍历扫描点集的次数，使三维点云数据处理更加高效；

第三，本发明提出识别建筑测绘构件的点云智能化切分方法中，首先提出贯通可见空间与闭塞内部空间的概念，并从贯通可见空间的角度解析点云数据对建筑室内场景的表达，然后根据贯通可见空间的概念对建筑构件进行解构，提出点云数据中的建筑构件作为一组贯通可见空间边界组成的表面，在此基础上根据建筑室内场景中建筑构件的特征，将贯通可见空间边界分为上边界、下边界和侧边界，并分别对贯通可见空间上边界、下边界和侧边界进行提取和切分。在实验分析中，主要对点云切分过程中各个步骤的处理事项和结果进行解析，验证了本发明方法中各个步骤的必要性和有效性，最后得到结论，本发明能够有效的对建筑构室内场景的地面激光扫描数据进行智能化切分，并能有效的支持建筑构件识别；

第四，本发明提供的识别建筑测绘构件的点云智能化切分方法，根据上下边界点对贯通可见空间的上下边界分别进行区域增长的结果得出，大部分上边界和下边界都能够被正确的提取并切分，在对上下边界区域增长结果中重合的部分进行处理后，得到最终的贯通可见空间上下边界提取与切分结果，通过统计上下边界种子点数量对上下边界提取的重叠部分进行判定是有效的，并没有明显的错误分类情况发生，切分结果显示使用区域增长驱动的方式，可以有效地的贯通可见空间的上下边界进行切分，并且能够得到较好的结果，没有过度切分和切分不足的情况出现；

第五，本发明在区域增长结果基础上，以贯通可见空间侧边界区域增长结果作为种子点，又进行了一次区域增长，侧边界切分结果更加完整，出现的问题也都得到了解决，本发明提供一种建筑构件识别原理，墙面和台阶立面由贯通可见空间侧边界组成，但墙面与台阶立面与贯通可见空间上边界或者下边界以及其它侧边界都是邻接的，而其它构件所在的贯通可见空间侧边界不具备这样的性质，另外台阶立面与贯通可见空间上边界不连通，将台阶立面与墙面进行区分，本发明提出的点云切分方法能简化建筑构件识别过程。

附图说明

图1是本发明有界贯通可见空间的上下边界提取结果示意图。

图2是本发明无界贯通可见空间的上下边界提取结果示意图。

图3是本发明贯通可见空间侧边界的水平分布示意图。

图4是本发明识别建筑测绘构件的点云智能化切分结果示意图。

具体实施方式

下面结合附图，对本发明提供的识别建筑测绘构件的点云智能化切分方法的技术方案进行进一步的描述，使本领域的技术人员能够更好的理解本发明并能予以实施。

点云切分是将具有相同属性、空间位置邻近的扫描点进行聚类或者标注，普通做法是对扫描点进行构网或者法方向、曲率计算，然后根据计算出的几何属性对扫描点聚类或者标注。但本发明针对的建筑室内场景的三维点云数据，场景中主要以建筑构件为主，建筑构件的结构相对简单，在点云数据中表现为由各类规则的平面或者曲面组成，点云切分是为建筑构件识别和建模工作提供支持，但进行构网、法方向估算处理适合描述光滑曲面，例如各类自然表面，而对以各类建筑构件为主的建筑室内场景，这类方法一方面计算效率低，而且在一些严格的参数和规则设定下，会造成很多过度切分的现象，由于未考虑建筑室内场景及其中的建筑构件的特征，而只是根据扫描点的几何特征进行切分，以构网、法方向估算方法为基础，直接通过区域增长方式进行点云切分，会使后续建筑构件识别、室内环境建模工作变得更加复杂。因此本发明基于室内场景的特征和建筑构件的特征，在以建筑构件识别为服务对象的前提下，提出面向建筑测绘识别的点云自动切分方法。

本发明提出的点云智能化切分面向建筑构件识别，首先对室内场景中出现的典型建筑构件进行解析和描述，并根据贯通可见空间概念，结合三维点云数据提供的信息，对建筑构件进行解构，然后，根据对这些建筑构件的解构，分别对地面激光扫描三维点云数据中不同种类的贯通可见空间边界进行提取与切分。

一、基于贯通可见空间的建筑构件解构

建筑构件是组成一个建筑物的各组成构件，包括基础、墙体、柱子、屋顶，这些建筑构件组成建筑的基本结构，所以在对建筑进行三维构建时，以建筑构件为单位进行建模，在建筑测绘工作中，以建筑构件作为建筑测绘的基本单元，但这些建筑构件的定义通常包含用途、材料、内部结构属性，而地面激光扫描点云数据无法提供建筑构件的内部信息，所以这些建筑构件的定义无法用于通过地面激光扫描获取的三维点云数据。因此本发明根据三维点云数据的特征对建筑构件进行解构，以其几何特征为基础，将其分解为若干要素，并对其进行描述，使其更加适合点云切分及基于三维点云数据的建筑构件识别。

使用多个扫描站获取的三维点云数据并进行配准，得到的扫描点是被测对象表面的信息，而且有一些处于扫描死角的表面无法被完整的扫描，地面激光扫描仪在进行扫描获取点云数据时，获取的除去位于被测目标表面的空间信息(即扫描点的三维坐标)，还有由扫描中心到扫描点的通视信息，即除去扫描点提供的实体表面信息之外，扫描点到扫描中心之间没有扫描点的区域提供空间信息，而点云数据处理只关注扫描点提供的实体表面信息，本发明基于贯通可见空间和闭塞内部空间，并利用其进行建筑室内环境的几何建模，在贯通可见空间和闭塞内部空间的基础上对建筑室内场景进行描述和解析，并对建筑构件进行解构。

本发明中的贯通可见空间是指室内场景中建筑构件实体目标可见的外部空间，闭塞内部空间是指在建筑构件实体目标不可见的内部空间，而由多站激光扫描点云数据配准得到的点云数据，理解为对建筑室内场景中贯通可见空间的表达，将室内扫描范围以外的空间都视为闭塞内部空间，直接利用点云数据对贯通可见空间进行建模，并利用贯通可见空间模型进行建筑的三维构建，以大量简单的走廊和房间为主的建筑室内结构简单，遮蔽较少，获取的点云数据封闭性很好，可以直接使用以上方法。但本发明针对点云数据由于建筑结构较复杂，扫描站架设条件有限，得到的三维点云数据并没有形成一个理想的封闭空间。例如一个楼梯间经过配准后的点云数据，可以发现点云数据明显未围成一个封闭空间，有很多室内本身的通道或者扫描点未覆盖的区域。

因为在数据获取和数据处理中，点云数据无法封闭的情况无法避免，所以不能简单的认为扫描范围外的空间都是闭塞内部空间，并只依靠贯通可见空间对建筑室内结构进行表达。激光扫描点作为是贯通可见空间与闭塞内部空间之间的边界，则建筑构件表面在室内场景中，看作是一组贯通可见空间与闭塞内部空间之间的边界组合而成的。本发明在贯通可见空间和闭塞内部空间的概念基础上，通过局部区域内贯通可见空间的边界对建筑构件进行解构和描述。

建筑室内场景中包含种类繁多的建筑构件，包括地面、门、天花板、墙、楼梯、窗，其中一些建筑构件较为复杂，由多个、多种建筑构件在空间中组合而成，并且在组合过程中需符合一定的规则，在对这类建筑构件识别时，先对其基本的组成元素进行识别，然后再根据组合规则进行判定，另外，还有一些建筑构件，虽然自身的几何结构十分简单，但在空间中依附于其它建筑构件，包括门、窗，自身的几何结构十分简单，但是其一定包含于墙体中，只有完成对墙体的识别，才能对门、窗建筑构件进行识别。在建筑构件识别时，首先对一些简单、基础的建筑构件进行识别，在此基础上再进行进一步的复杂建筑构件识别，建筑室内场景中建筑构件的识别按照识别过程的复杂程度逐步进行，本发明面向建筑构件识别的点云切分方法，为建筑构件识别提供最基础的组成单元。

在室内场景中，建筑构件的表面都视作贯通可见空间的边界，对建筑构件进行解构本质上为对贯通可见空间中不同种类边界的划分，对于普通的建筑室内场景，最基本的建筑构件就是地面、墙面和天花板，普通建筑都有竖直的墙面，地面激光扫描点云数据的Z坐标竖直向上，因此将贯通可见空间的边界按照竖直方向和水平方向进行划分，由此将贯通可见空间边界分为上边界、下边界和侧边界，天花板主要由贯通可见空间的上边界构成，地面主要由贯通可见空间的下边界构成，墙面主要由贯通可见空间的侧边界构成，这样对建筑构件进行解构成为贯通可见空间的边界后，用不同类型的边界对复杂的建筑构件进行描述，例如对于楼梯，每一级台阶的平面部分由贯通可见空间的下边界构成，立面部分由贯通可见空间的侧边界构成，楼梯扶手部分由三种边界组合而成。

综上所述，本发明将建筑构件视为不同种类的贯通可见空间边界，或者多个相同或者不同种类的贯通可见空间边界按一定规则组合而成，由此首先分别对贯通可见空间中包括上边界、下边界和侧边界的三种不同边界进行提取，然后再根据空间分布特征对同种类的边界进行切分。

二、区域增长驱动的点云自动切分

本发明已经对贯通可见空间及其边界进行了定义，所有扫描点都可视为在贯通可见空间的边界上，对贯通可见空间的边界进行分类时，首先对上下边界进行提取和切分，再对侧边界进行提取和切分，对于某一类贯通可见空间边界点的切分，采用区域增长驱动的方法进行处理。

(一)贯通可见空间的上下边界提取与切分

对贯通可见空间的上下边界进行提取时，基于一部分边界没有被完整扫描以及实际建筑室内场景并不是封闭空间的情况，本发明假设在每一个扫描点的上方和下方都可能存在贯通可见空间，每一个扫描点都有可能是一个贯通可见空间的上边界或者下边界，该扫描点具体是上边界还是下边界需要根据不同情况进行进一步判定，首先对竖直方向上的贯通可见空间进行检测，对于每个扫描点，根据一定的水平区域范围，在竖直方向上进行搜索，设定一定的距离临界值，在这一竖直距离内搜索有扫描点时，则判定这两个扫描点间是闭塞内部空间，在竖直方向上，如果在该扫描点下方是闭塞区域，而该点上方在距离临界值内没有任何扫描点时，则该扫描点为这一贯通可见空间的下边界；相对的，如果在该扫描点上方是闭塞区域，而该点下方在距离临界值内没有任何扫描点时，则该扫描点为这一贯通可见空间的上边界；若扫描点上方下方都是闭塞内部空间，则认为该扫描点不是这一贯通可见空间的上边界或者下边界。

对贯通可见空间上下边界进行提取时，首先根据三维点云数据的覆盖范围在X-O-Y平面上建立一个栅格，然后在每个栅格范围内分别按照竖直向上和竖直向下的方向，对贯通可见空间及其边界进行搜索和判定，在三维点云数据中，对每个栅格范围内按照自下而上的方向对贯通可见空间及其边界进行搜索，对贯通可见空间的下边界进行判定，再在三维点云数据中，对每个栅格范围内按照自上而下的方向对贯通可见空间及其边界进行搜索，对贯通可见空间的上边界进行判定，但根据假设及判定策略对扫描点进行上下边界检测对于某些扫描范围以外的贯通可见空间及其边界的判定有可能出现错误。例如在进行上边界检测时，每个栅格对应的范围内Z值最小的扫描点上方也被判定为上边界，而在进行下边界检测时，每个栅格对应的范围内Z值最大的扫描点被判定为下边界，但实际上，由于贯通可见空间边界有一些没有被扫描到的部分，这样对这些扫描点进行判定并不可靠，对于此问题在区域增长过程中进行分析解决。

点云切分策略中，根据一定法方向梯度临界值对相邻的三角网或者扫描点进行检测，以迭代的方式不断在空间中进行聚类和分裂，在区域增长中确定一定数量的种子点，作为进行聚类和分裂的初始输入，种子点即为迭代搜索聚类及分裂的初始点，本发明利用贯通可见空间检测的可靠性分别选择贯通可见空间上边界和下边界的种子点，然后进行区域增长，再在区域增长结果中，根据各区域内上边界种子点和下边界种子点的数量消除对贯通可见空间上下边界判定的歧义。

从点云数据中提取出的贯通可见空间上边界和下边界，按照对应贯通可见空间是否有界分为两类，一类是贯通可见空间的上边界和下边界都有对应扫描点，另一类是贯通可见空间只有上边界或者下边界有对应扫描点，第一类贯通可见空间是封闭的，对应的上下边界点判定结果是相对更加可靠的，将此类贯通可见空间对应的扫描点设为种子点。为保证方法的稳定及计算效率，对每个种子点按照一定的范围对其它同类种子点进行邻域搜索，若该种子点邻域范围内的同类种子点数量少于某一临界值，认定该点为贯通可见空间上下界的噪声，剔除该种子点，在进行区域增长的过程中，从种子点开始，对其周围一个较小邻域内的同类边界点进行搜索聚类，并以这些同类边界点作为新的起始点进行聚类，按照该方式进行迭代计算，完成区域增长的聚类过程，其中不连通的边界区域在区域增长的过程中得到切分。

分别完成贯通可见空间上边界和下边界的区域增长后，对于部分仍然无法判定是贯通可见空间上边界还是下边界的区域，通过分别统计该区域内包含上边界种子点和下边界种子点的数量进行判定，一个区域内如果上边界种子点数量更多，认定这一区域为贯通可见空间上边界的可能性更高，则这一区域内的边界点都为上边界点，如果下边界种子点数量更多，认定这一区域为贯通可见空间下边界的可能性更高，则这一区域内的边界点全部为下边界点，最后为了算法稳定和后续的处理，去除包含扫描点数量过少的区域。

(二)贯通可见空间的侧边界提取与切分

在完成贯通可见空间的上下边界提取与切分之后，在剩余的扫描点中对贯通可见空间的侧边界进行提取与切分，本发明中贯通可见空间的侧边界是指贯通可见空间在水平方向上的边界，边界本身是竖直的，这些竖直平面在水平平面上的分布为直线段，本发明首先根据此规律对贯通可见空间的侧边界进行提取与切分，然后再对其它情况进行补充。

贯通可见空间的上下边界，直接通过区域增长完成切分，贯通可见空间的侧边界能使上下边界相互连通，其本身也是连通的，保证整个贯通可见空间封闭，但如果直接利用区域增长对贯通可见空间侧边界进行提取和切分不利于后续的建筑构件识别，所以需要对侧边界进行进一步的切分，本发明对每个水平切片内的侧边界进行提取与切分，再结合直线段提取结果反映的竖直平面信息进行区域增长，完成对整个场景中贯通可见空间的侧边界提取与切分。

首先，对于在贯通可见空间上下边界的提取与切分中未被标注的扫描点，在竖直方向上按照一定间隔进行水平切片，然后根据一定采样间隔生成二值化图像序列，基于数学形态学对二值化图像序列进行骨架提取，以骨架提取结果作为边缘检测结果进行基于Hough变换的直线段提取，得到每一张二值图像中的直线段方向及其端点，然后通过设定一定的距离临界值对直线段一定邻域内的扫描点进行搜索，认定这些扫描点位于该直线段上，然后这些被认定在某条直线段上的扫描点作为种子点进行区域增长，以空间距离及所在直线段方向作为聚类和分裂的判别条件，完成对贯通可见空间侧边界的初步切分。

建筑室内场景中很多贯通可见空间侧边界虽然以竖直平面为主，但是一方面，在进行贯通可见空间侧边界的提取与切分时，仅利用基于Hough变换的直线段提取结果并不能完整的竖直平面；另一方面，实际建筑室内环境中的贯通可见空间侧边界可能包含一部分竖直的曲面，仅利用基于Hough变换的直线段提取进行贯通可见空间侧边界的提取和切分时，得到的侧边界提取和切分结果既不完整、也不全面。然而完整的贯通可见空间侧边界理论上是相互连通的，因此本发明将这些曲面作为竖直平面的延伸，在本发明基于竖直平面提取的贯通可见空间侧边界提取与切分基础上，以竖直的曲面作为贯通可见空间侧边界提取与切分的补充。

首先以基于竖直平面提取的贯通可见空间侧边界提取结果作为种子点，保留切分结果中各个区域扫描点的标注，即每个边界种子点所在的区域，再对所有侧边界点进行一次区域增长，在区域增长时，有部分未被标注的侧边界点被来自多个切分区域内的侧边界种子点搜索到，而被归入对应的标注区域内，对于这种情况，根据得到的切分结果，计算出每个切分区域对应的竖直平面参数，然后在第二次区域增长过程中，通过扫描点与其对应平面的距离作为判定其所属区域的标准，最后为了保证结果的可靠性及算法的稳定性，将包含扫描点数量过少的区域去除。

三、实验分析

根据本发明提出的点云切分算法，利用配准后的点云数据进行验证，并对中间及最终点云切分结果进行评估和分析。在贯通可见空间上下边界的提取与切分中，作为区域增长种子点的贯通可见空间上下边界点，对应的贯通可见空间既有上边界也有下边界，即有界的贯通可见空间。图1为通过在竖直方向上对贯通可见空间进行检测提取出对应有界贯通可见空间的上下边界，即用于区域增长的种子点，其中虚线内的扫描点是被检测为贯通可见空间下边界的种子点，虚线外的扫描点是贯通可见空间上边界的种子点，实线内的扫描点表示既是上边界又是下边界的种子点，在图中可以看到，绝大多数种子点都在对应贯通可见空间的上边界或者下边界上，但是从种子点的分布来看有很多台阶平面、台阶上方的天花板这样的位置都并不完整，图2为根据本发明算法检测出对应贯通可见空间没有上边界或者没有下边界的扫描点。对比图1和图2能够发现，图1中的扫描点与图2中的扫描点分布很相似，但图1与图2中并没有相同的扫描点。点云数据理论上是一个表面，是没有厚度的，但在实际中，由于仪器的工作机理误差及点云配准工作产生的影响会形成一个有厚度的表面点集，在搜索贯通可见空间时，将这个表面点集的上表面判定为一个贯通可见空间的下边界，而将该表面点集的下表面判定为贯通可见空间的上边界，因此图1和图2中的扫描点分布相似，但实际上并没有相同的扫描点，而且图1中同时被判定为上边界和下边界的种子点(实线内扫描点)数量也十分少。

根据图1和图2中的上下边界点对贯通可见空间的上下边界分别进行区域增长的结果得出，大部分上边界和下边界都能够被正确的提取并切分，但是上边界和下边界的切分结果中仍存在部分重合的部分，对于这种现象，在重合区域内分别统计其中上边界种子点和下边界种子点的数量，根据上下边界子点种子点来评估其为上边界或者下边界的可能性，再重新对该区域内的扫描点进行分类和标注。

在对上下边界区域增长结果中重合的部分进行处理后，得到最终的贯通可见空间上下边界提取与切分结果，通过统计上下边界种子点数量对上下边界提取的重叠部分进行判定是有效的，并没有明显的错误分类情况发生，切分结果显示使用区域增长驱动的方式，可以有效地的贯通可见空间的上下边界进行切分，并且能够得到较好的结果，没有过度切分和切分不足的情况出现。

图3中扫描点为经过贯通可见空间上下边界提取和切分后剩余的扫描点，即需要进行切分的侧边界点，在由俯视视角得到的可视化结果中，得到贯通可见空间侧边界点有明显的线性分布，这样的分布特征说明对贯通可见空间上下边界的提取方法是有效的，除去分布在直线段上的扫描点，还有一些分布在曲线上的扫描点，分布在曲线上的扫描点一部分是扫描过程中的噪声，例如图3虚线中间部分有明显的分布在一个圆上的扫描点，这种点是在扫描过程中扫描到仪器本身产生的，作为噪声，而另一部分在曲线上的扫描点看作是直线段的延伸，属于贯通可见空间侧边界的一部分。另外，点云数据中还包含一定数量的噪声点。

通过基于Hough变换的直线段提取，并认定直线段一定邻域范围内的扫描点都在该直线对应的贯通可见空间侧边界上，然后根据这些直线段方向和扫描点之间的距离，以所有直线段邻域范围内的扫描点作为种子点，进行区域增长。通过基于竖直平面提取得到的切分结果，能够使大部分贯通可见空间侧边界得到正确的切分，但是部分侧边界出现了提取不完整的情况，另外，仅依赖基于Hough变换的直线段提取进行区域增长得到的侧边界中，不包含同为贯通可见空间侧边界的竖直曲面，针对上述问题，本发明在区域增长结果基础上，以贯通可见空间侧边界区域增长结果作为种子点，又进行了一次区域增长，侧边界切分结果更加完整，出现的问题也都得到了解决。

图4为综合贯通可见空间上边界、下边界和侧边界的提取和切分结果得到的该场景的点云数据切分结果，其中不同形状的扫描点代表不同的切分区域。图4的点云切分结果显示，本发明提出的点云切分方法是切实有效的，能够对点云进行很好的切分。以图4的切分结果来看，地面、天花板、墙体这类简单的建筑构件都得到了很好的切分和标注，而楼梯这样较为复杂的建筑构件中的台阶平面、台阶立面、楼梯扶手等各个组成部分也都被分别切分出来，另外也有一部分非建筑构件的物体被切分出来，但通过自身的几何属性或者与其它边界的位置及拓扑关系就可以在建筑构件识别过程中将其与其它同样由贯通可见空间侧边界构成的建筑构件区分开。

根据以上提出的问题，本发明提供一种建筑构件识别原理，墙面和台阶立面由贯通可见空间侧边界组成，但墙面与台阶立面与贯通可见空间上边界或者下边界以及其它侧边界都是邻接的，而其它构件所在的贯通可见空间侧边界不具备这样的性质，另外台阶立面与贯通可见空间上边界不连通，将台阶立面与墙面进行区分。由此可见，本发明提出的点云切分方法能简化建筑构件识别过程。

四、发明创新点总结

本发明首先基于建筑室内环境中建筑构件的几何特征及建筑构件之间的关系，结合三维点云数据的特征，对建筑构件进行解构，基于贯通可见空间与闭塞内部空间，认定建筑室内场景的内部空间为贯通可见空间，而室内场景中的各类实体对象(建筑构件、物体等)的内部都为闭塞内部空间，地面激光扫描数据能够获取扫描对象的表面信息，无法获取闭塞内部空间的信息，所以将扫描点作为贯通可见空间的边界点，而没有扫描点的区域都作为是贯通可见空间，将建筑构件解构为由一个或者多个由相同或者不同类型的边界按照一定规则构成的表面，将面向建筑构件识别的点云切分转化为贯通可见空间边界的分类及同类边界的切分问题。

基于以上理论，本发明又根据典型建筑室内场景中建筑构件的特征，将贯通可见空间的边界分为上边界、下边界和侧边界，然后对这些边界分别进行提取和切分，在贯通可见空间上边界和下边界进行提取和切分过程中，在竖直方向上对上边界和下边界分别进行搜索和提取，然后利用区域增长方法对上下边界中的扫描点分别进行标注，在完成贯通可见空间上下边界的提取与切分之后，剩余的扫描点都作为贯通可见空间的侧边界，对于竖直平面，采用基于Hough变换提取直线段的方式，通过区域增长进行切分并标注，对于其它竖直曲面，通过在竖直平面提取和切分结果的基础上再进行一次区域增长，进而得到完整的切分结果。

实验分析中，通过对建筑室内场景地面激光扫描数据的处理和解析，对本发明提出的点云自动化切分方法进行验证解析，验证本发明的方法能够得到预想的切分结果，能够有效的支持建筑构件识别工作。