一种基于K-plane算法的建筑物顶面点云数据分割方法

摘要

本发明公开了一种基于K-plane算法的建筑物顶面点云数据分割方法。利用格网化方法，得出建筑物顶面点云数据的高程图像；通过对建筑物顶面点云数据的高程图像中各个像素的邻域法向量进行分类分析，将高程图像分割为一系列与建筑物顶面内各个几何平面相对应的区域，将这些区域的最小二乘拟合平面作为K-plane算法的初始聚类中心平面；利用K-plane算法，通过计算建筑物顶面点云数据中各个激光脚点与其各自所被分配的类的聚类中心平面之间的距离之和的最小值，得出点云数据的分类结果，实现对建筑物顶面点云数据进行分割。

主权项

一种基于K‑plane算法的建筑物顶面点云数据分割方法，其特征在于包括以下五个步骤：步骤一、对建筑物顶面点云数据进行格网化处理,生成高程图像；在笛卡尔三维xyz坐标系内，将建筑物顶面点云数据沿z轴方向映射到xoy平面上，选取建筑物顶面点云数据的扫描线平均间距和扫描线内扫描点平均间距两者之中的较大值作为格网尺寸，构建正方形格网对点云数据进行分割，当格网内仅包含一个激光脚点时，采用该激光脚点的高程值作为格网的高程值，当格网内包含一个以上激光脚点时，采用这些激光脚点的高程平均值作为格网的高程值，当格网内不包含激光脚点时，采用该格网的最小邻域内所有格网的高程平均值作为其高程值，将所得到的包含高程值的格网作为图像的像素点，得出建筑物顶面点云数据的高程图像；步骤二、计算高程图像内各个像素点的邻域法向量；将高程图像中各个像素点的高程值作为其z轴坐标，利用各个像素点及其最小邻域内各像素点的x轴、y轴和z轴坐标计算出各个像素点邻域的最小二乘拟合平面，将所得到的最小二乘拟合平面的法向量作为各个像素点邻域的法向量；步骤三、对高程图像内像素点的邻域法向量的各坐标轴的参数进行图像化表示；对高程图像内像素点的邻域法向量的三个坐标轴的参数分别进行阈值滤波处理，利用尺度变换的方法将滤波后的三个坐标轴参数分别映射至图像灰度值的定义域[0,255]内，通过对所得到的参数进行取整处理，得到分别对应法向量x轴、y轴和z轴的三个灰度值矩阵，将这三个矩阵作为彩色图像的三原色矩阵，对其进行组合，得出建筑物顶面点云数据高程图像中像素点邻域法向量的彩色图像；步骤四、对图像化表示后的法向量进行阈值分类，根据分类结果对建筑物顶面的高程图像进行分割，将分割得到的各个区域的最小二乘拟合平面设置为K‑plane算法中的初始聚类中心平面；利用阈值分类方法对图像化表示后的法向量三个坐标轴的参数分别进行分类，利用各个坐标轴参数的分类结果对高程图像进行分割，利用分割得到的各个区域内像素点的三维坐标计算各个区域的最小二乘拟合平面，将得到的拟合平面设置为K‑plane算法中的初始聚类中心平面；步骤五、利用K‑plane算法对建筑物顶面点云数据进行聚类运算，得出点云分割结果；利用K‑plane算法对建筑物顶面点云数据进行聚类运算，将获得的聚类运算结果作为点云数据的分割结果进行输出。