阅读原文

سابِق|تال

استخراج خطوط ميزات سحابة نقاط السقف بواسطة الكشف عن مثلثات الحدود والترحيل الثنائي الاتجاه المتراكب

ملخص

خطوط الميزات السقفية هي ميزات هيكلية رئيسية على سطح المبنى. نظرًا لوجود مشاكل مثل تعقيد الخوارزمية، انخفاض الصلابة، والاعتماد الكبير على دقة تقسيم سطح السقف في طرق استخراج خطوط الميزات السقفية الحالية، تقدم هذه الورقة طريقة لاستخراج خطوط الميزات السقفية تجمع بين كشف المثلثات الحدودية والترحيل الثنائي الاتجاه المتراكب. أولاً، يتم استخدام تقسيم ديلاني المثلثي لإنشاء نموذج شبكة مثلثية لسحابة نقاط السقف، مع إنشاء هيكل بيانات الغابة المتساوية العمق (E-forest) لتخزين واستعلام سريع لمعلومات الجوار لكل مثلث؛ ثانيًا، بناءً على علاقات الجوار التي يوفرها الـ E-forest، يتم تحديد النقاط الحدية عبر الحد المستقل في نموذج الشبكة المثلثية، ويتم ترحيل نقاط مركز كل مثلث في اتجاهات المتجه الطبيعي لأعلى ولأسفل، ومن خلال إحصاء عدد المقاطع النقطية ضمن مجال الكرة لكل نقطة بعد الترحيل، يتم تحديد نقاط الخط الرفعي؛ وأخيرًا، يتم توليد خطوط حدود السقف والخط الرفعي باستخدام خوارزمية D-P وخوارزمية المربعات الصغرى، ويتم تنقيح نقاط نهاية كل خط ميزة من خلال إحداثيات تقاطع الخطوط المتعددة وارتفاع النقاط الأصلية المحلية لإكمال استخراج خطوط الميزات على سطح السقف. تم اختبار الطريقة على 12 مجموعة من سحب نقاط الأسطح النموذجية في مجموعتي بيانات Building3D وVaihingen، وتمت المقارنة مع طرق استخراج الخطوط الميزات الحالية. أظهرت النتائج أن القيمة المتوسطة للخطوط المستخرجة بواسطة هذه الطريقة حوالي 1 ضعف متوسط مسافة النقاط، مع LSM أعلى من 85٪. الطريقة بشكل عام مستقرة وموثوقة، ذات صلابة عالية، وقادرة على تلبية متطلبات استخراج معظم خطوط ميزات أسطح المباني.

مفهوم

استخراج خطوط الميزات;الترحيل الثنائي الاتجاه المتراكب;نموذج شبكة المثلثات;خوارزمية D-P;خوارزمية DBSCAN

اقتباس

المباني هي جزء مهم من البناء في المناطق الحضرية . في السنوات الأخيرة ، مع التطور السريع في التحضر ، أنواع وكميات من المباني التي تم تجديدها في كثير من الأحيان ، وجمع وتحديث هذه المعلومات المتغيرة يتطلب قدرا كبيرا من الموارد البشرية والمادية والمالية )王竞雪等，2012نYang等，2017نDu等，2017نSalehi和Mohammadzadeh，2017. لا من أجل تحسين الوضع الحالي ، وكفاءة عالية في الحصول على المعلومات وتجهيزها من المباني أصبحت نقطة ساخنة في البحث الحالي .Dos等，2019Feng et al . , 2019 ;王竞雪等，2014. لا يدار المحمولة جوا ( ليدار ) التكنولوجيا يمكن الحصول على دقة عالية 3D المعلومات مباشرة ، ولكن بسبب اختلاف ظروف الحصول على البيانات ، مثل مراقبة المسافة ، انعكاسية الجسم ، والبيئة المناخية ، وهلم جرا ، وبناء سحابة نقطة الحصول عليها من ليدار المحمولة جوا وعادة ما تكون غير موحدة الكثافة ) .Yang等，2021) ; وعلاوة على ذلك ، فإن البيانات سحابة نقطة منفصلة في حد ذاتها ، كل نقطة تفتقر إلى ما يلزم من العلاقات طوبولوجي )文学东等，2019. لا ولذلك ، فإنه لا يزال يشكل تحديا كبيرا في بناء سقف ميزة استخراج خط على أساس جوا ليدار سحابة نقطة البيانات .

على أساس الاختلافات في موقف وسمات سقف خط مميزة ، يمكن تقسيمها إلى خط الكنتور ، ريدج خط وخطوة خط . من بينها ، كفاف هو خط الحدود على سطح المبنى ، وعادة ما يقع في محيط السطح . ريدج هو خط تقاطع بين اثنين من الأسطح المجاورة ، وعادة ما تقع داخل السطح . خطوة خط هو السطح المجاور قطعة في الاتجاه الأفقي ، الذي يتقاطع مع هيكل عمودي على شكل زوج من خط شرائح مع ارتفاع القفز .

هناك ثلاثة أنواع من طرق استخراج كفاف من سقف المبنى : القصدير على أساس شبكة الثلاثي غير النظامية ، كفاف ميزة وعمق التعلم . القصدير على أساس أساليب تشمل الأشكال ألفا ، بدن محدب ، الخ .惠振阳等，2022. لا ألفا الأشكال هي الأكثر استخداما على نطاق واسع كفاف استخراج الأساليب .沈蔚等（2008）في هذه الورقة ، طريقة استخراج صورة ظلية على السطح من سحابة نقطة غير منظم بناء على أساس خوارزمية ألفا الأشكال لأول مرة . من أجل تعزيز تطبيق ألفا الأشكال الخوارزمية ،伍阳等（2021）من خلال تقسيم 2D الشبكات وحساب نعومة الحدود الشبكات ، ونحن تصميم متغير قطرها ألفا الأشكال الخوارزمية ، والتي يمكن أن تحسن بشكل ملحوظ على التكيف مع كثافة سحابة نقطة غير موحدة ، ولكن الخطأ في تقسيم الحدود الشبكات قد يؤدي إلى فقدان نقاط الحدود المحلية . بدن محدب خوارزمية يستخدم لربط النقاط في محيط الخارجي نقطة قليلة لتشكيل المضلعات المحدبة التي تمثل حدود نقطة قليلة )Lv等，2022ولذلك ، فإن القدرة على استخراج كفاف من هذه الخوارزمية محدودة . خوارزميات تعتمد على ميزة استخراج كفاف تشمل حي اتجاه التوزيع )Kong等，2023الحد الأدنى من الحدود المستطيل ( حصر )Coiffier等，2021شبكة افتراضية )Sun和Salvaggio，2013الخوارزمية .Kong等（2023）طريقة استخراج سقف كفاف من بناء على أساس توزيع حي الاتجاه هو أكثر مناسبة لأنّ بناء مع كثافة مختلفة ومعقدة الشكل المحلي سحابة نقطة ، من السهل تحديد المعلمات ، ولكن لا يمكن استخراج كفاف من الاكتئاب في المنطقة ، وكفاءة استخراج منخفضة نسبيا .Coiffier等（2021）كفاف المستخرجة من حصر طريقة مضلع قائم الزاوية ، والتي لا يمكن التعبير عن شكل غير منتظم من الحدود . الشبكة الافتراضية المقترحة من قبل الشمس et al . يمكن استخراج محيط المبنى من خلال بناء شبكة افتراضية على سحابة نقطة ، ولكن هذا النوع من الأسلوب يتأثر طول حافة الشبكة ، واستخراج نقاط التحول إلى داخل المبنى ، مما يؤدي إلى استخراج كفاف أقل من المبنى الفعلي في الحدود . جنبا إلى جنب مع تطوير التعلم العميق ، إطار الشبكة التي يمكن استخدامها لاستخراج المعلومات من بناء محيطBazazian和Parés（2021）edc-net الإطارZhang等（2020）إن 3-d-gmrgan الإطار المقترح يمكن استخراج المعلومات من بناء محيط سحابة نقطة واسعة النطاق على نحو فعال ، ولكن النتيجة هي عدم وجود علاقة طوبولوجي كفاف نقطة المجموعات التي تحتاج إلى معالجتها للحصول على نقطة سلسلة كفاف استخراج النتائج .

سقف خط استخراج يمكن تقسيمها إلى اثنين من خطوط السقف استخراج على أساس تقاطع الطائرة العالمية ميزة التحليل .蒋星（2019）موقف خط السقف يتحدد من خلال تقاطع الطائرة التي تم الحصول عليها عن طريق تركيب المربعات الصغرى ، و نقطة تقاطع خط الحدود بين المبنى يعتبر نقطة النهاية من خط السقف .吴华意等（2007）تحسين 3D تحويل هاف و التحليل العنقودي تستخدم للحصول على المعلمات من أسطح المنازل ، من خلال تجميع النقاط في مستوى واحد من أسطح مختلفة يمكن تقسيمها إلى عدة قطع منفصلة ، والتي يمكن استخراج أكثر تعقيدا من أسطح المنازل .朱琴等（2018）على الرغم من أن سقف سحابة نقطة مجزأة من قبل عينة عشوائية متسقة توافق العينات العشوائية ( توافق العينات العشوائية ) الخوارزمية ، هناك منافسة من ريدج نقطة ، مما يؤدي إلى انحراف أو انحراف في استخراج سقف خط . من أجل تجنب الاعتماد على استخراج خط ريدج على سطح تقسيم الدقة ،Cai等（2023）من خلال تحليل انحناء السطح ، طريقة استخراج خط السقف على أساس تسلق الجبال هو المقترح الذي يتطلب كثافة النقاط على خط السقف و لا ثقوب في سحابة نقطة .陈华伟等（2019）من خلال تحديد نقاط التحول من انحناء ، ونحن الحصول على مجموعة من النقاط على خط السقف الأولي ، ثم استخدام خوارزمية الحفر إلى صقل مجموعة من النقاط الأولية ، في هذه العملية ، مع تفاوت كثافة سحابة نقطة ، نقطة مجموعات من خطوط مميزة قد كسر بعد التآكل ، مما يؤدي إلى فقدان الخصائص المحلية خطوط .Yu等（2024）في هذه الورقة ، فإننا نقترح خوارزمية استخراج خط السقف على أساس توزيع النقاط المجاورة في الفضاء ثلاثي الأبعاد . هذه الخوارزمية يمكن أن تتكيف مع أنواع مختلفة من سقف سحابة نقطة ، ولكن استخراج تأثير ريدج نقطة تعتمد كثيرا على زاوية العتبة .

في الوقت الحاضر ، العديد من الأساليب المستخدمة في استخراج خطوط الخطوة من طائرات مختلفة مع اختلاف الارتفاع في نفس الارتفاع . من أجل استخراج خطوط خطوة موثوق بها ،赵传（2020）من خلال تركيب سلسلة من النقاط المجاورة مع فرق كبير في الطول ، ثلاثي الأبعاد سلسلة من النقاط المجاورة ، بما في ذلك طول الطائرة العادية ناقلات محور ض > أكبر من عتبة معينة ، تعتبر حقيقية خطوة خط .高广（2014）ثم ، يتم بناء منطقة عازلة على الشبكة ، وخطوط الخطوة يتم إنشاؤها بواسطة دمج عناصر الشبكة المجاورة مع ارتفاع مفاجئ و طريقة المربعات الصغرى ، ولكن في حالة عدم وجود سحابة نقطة على السطح الأصلي نقطة على خط الخطوة ، وخطوط الخطوة غالبا ما تكون مكسورة .

وخلاصة القول ، من أجل حل المشاكل القائمة في بناء سقف خط ميزة استخراج الخوارزميات ، مثل دقة محدودة ، وعدم كفاية قوة ، اعتمادا كبيرا على السطح تجزئة النتائج ، تقترح هذه الورقة خوارزمية الكشف عن حافة المثلث على أساس المساواة في عمق الغابات ريدج نقطة استخراج على أساس ثنائي الاتجاه تراكب الترجمة ، ويحقق سقف خط ميزة استخراج خالية من السطح تجزئة .

طرق البحث

في هذه الورقة ، طريقة استخراج ميزة خط سقف المبنى المقترح ، الذي يجمع بين الكشف عن حافة المثلث و ثنائية الاتجاه التراص والترجمة ، وينقسم إلى ثلاث مراحل : البيانات وتجهيزها ، ميزة نقطة استخراج ميزة خط توليد ( 1 ) البيانات وتجهيزها المرحلة : حساب متوسط نقطة تباعد سحابة نقطة بناء سقف المبنى ، باستخدام تثليث ديلاوني لبناء القصدير ، وإنشاء الغابات equideep ( الغابات e-forest ) التي يمكن بسهولة الاستعلام عن علاقة المثلث المجاور . ( 2 ) ميزة نقطة استخراج المرحلة : تستفسر عن حافة كل مثلث في القصدير من خلال e-forest واستخراج نقاط الحدود التي تحتوي على طوبولوجيا العلاقة . من خلال تحويل مركز كل مثلث في القصدير في اتجاهين على طول الاتجاه الطبيعي ناقلات ، يمكننا الحصول على نقطة قليلة بعد الترجمة ، ثم يمكننا الحصول على نقطة في تقاطع على طول الاتجاه المعاكس من مجموع ناقلات من اتجاهين متعديين . ( 3 ) ميزة خط توليد المرحلة : في عملية توليد خط الحدود ، وفقا للعلاقة طوبولوجي بين نقاط الحدود ، خط متعدد المراحل المغلقة التي تم إنشاؤها بواسطة ترتيب منظم . في عملية توليد خط السقف ، بعد الحصول على نقطة مجموعات من كل خط السقف من خلال ثنائية الاتجاه التراص والترجمة ، معالم خط السقف يتم الحصول عليها باستخدام طريقة المربعات الصغرى . وأخيرا ، النقاط المستخرجة من خط الحدود و ريدج خط يتم معالجتها بدقة ، و ميزة خطوط سقف المبنى يتم استخراجها . في هذه الورقة ، ميزة استخراج خط على أساس سحابة نقطة على سطح مبنى جوا ليدار ويرد .Fig. 1كما هو مبين .

Fig. 1 Extraction process of building roof feature lines

في هذه الورقة ، طريقة استخراج ميزة خط سقف المبنى المقترح ، الذي يجمع بين الكشف عن حافة المثلث و ثنائية الاتجاه التراص والترجمة ، وينقسم إلى ثلاث مراحل : البيانات وتجهيزها ، ميزة نقطة استخراج ميزة خط توليد ( 1 ) البيانات وتجهيزها المرحلة : حساب متوسط نقطة تباعد سحابة نقطة بناء سقف المبنى ، باستخدام تثليث ديلاوني لبناء القصدير ، وإنشاء الغابات ( equideep equideep الغابات ) . ( 2 ) ميزة نقطة استخراج المرحلة : تستفسر عن حافة كل مثلث في القصدير من خلال e-forest واستخراج نقاط الحدود التي تحتوي على طوبولوجيا العلاقة . من خلال تحويل مركز كل مثلث في القصدير في اتجاهين على طول الاتجاه الطبيعي ناقلات ، يمكننا الحصول على نقطة قليلة بعد الترجمة ، ثم يمكننا الحصول على نقطة في تقاطع على طول الاتجاه المعاكس من مجموع ناقلات من اتجاهين متعديين . ( 3 ) ميزة خط توليد المرحلة : في عملية توليد خط الحدود ، وفقا للعلاقة طوبولوجي بين نقاط الحدود ، خط متعدد المراحل المغلقة التي تم إنشاؤها بواسطة ترتيب منظم . في عملية توليد خط السقف ، بعد الحصول على نقطة مجموعات من كل خط السقف من خلال ثنائية الاتجاه التراص والترجمة ، معالم خط السقف يتم الحصول عليها باستخدام طريقة المربعات الصغرى . وأخيرا ، النقاط المستخرجة من خط الحدود و ريدج خط يتم معالجتها بدقة ، و ميزة خطوط سقف المبنى يتم استخراجها . في هذه الورقة ، ميزة استخراج خط على أساس سحابة نقطة على سطح مبنى جوا ليدار ويرد .Fig. 1كما هو مبين .

2-1 البيانات وتجهيزها

تتأثر بعوامل موضوعية مثل ارتفاع الطيران ، ونوع المعدات ، والظروف المناخية ، وكثافة سحابة نقطة ليدار يختلف من طائرة إلى أخرى . من أجل ضمان التكيف مع كثافة مختلفة من سحابة نقطة ، يعني المسافة بين كل نقطة و أقرب نقطة في السطح سحابة نقطة تعتبر نقطة متوسط المسافة بين نقطة و سحابة نقطة < < د > .

من أجل حل مشكلة عدم وجود علاقة طوبولوجي جوا ليدار سحابة نقطة البيانات ، تثليث ديلاوني الخوارزمية المستخدمة لبناء شبكة الثلاثي نموذج سحابة نقطة على سطح المبنى . من أجل الحد من تشكيل منطقة المثلث مثل الاكتئاب ، خطوة هيكل ، هذه الورقة يحدد متوسط المسافة بين النقاط مع أقصى طول الجانب مرات ، وهذا هو ، i > .

على الرغم من أن بناء سقف الثلاثي مش على أساس نموذج سحابة نقطة البيانات يمكن أن تمثل بدقة معقدة سطح السقف ، هيكل البيانات طوبولوجي العلاقة المعقدة ، مما يؤدي إلى انخفاض كفاءة الاستعلام )张雨禾等，2015. لا من أجل تحسين كفاءة الاستعلام ، العديد من الباحثين استخدام هياكل البيانات المختلفة لبناء حي مؤشر المكانية ، مثل شجرة دينار كويتي )杨丽娟等，2023و R-tree（龚俊等，2011و Octree（张蕊等，2018من أجل تحسين كفاءة البحث وتحديد المثلث في المنطقة المحلية . على الرغم من أن هذه هياكل البيانات تحسين كفاءة البحث ، وبناء وصيانة عالية التكلفة . لحل هذه المشكلة ، فإن هذه الورقة تقدم المساواة في عمق الغابات ( equideep الغابات ) التي هي مريحة في الاستعلام عن علاقة الجوار الثلاثي ، مع كل مثلث مستقل الجذر ، بعض الأشجار مع عمق 3 يتم إنشاؤها .Fig. 2كما هو مبين .

Fig. 2 Diagram of the different types neighborhood relationship tree

من أجل التمييز بين مختلف علاقات الجوار بين المتاخمة مثلثات ، مثلثات المتاخمة مع اثنين من القمم المشتركة سجلت في مثلث مشترك ، المتاخمة مثلثات مع واحد فقط مشترك القمم سجلت في نقطة واحدة مثلثات . مجموع الدرجة الثانية من الفروع في الغابات الإلكترونية يساوي عدد المثلثات المجاورة ، حيث درجة من اليسار subnodes يمثل عدد المثلثات المشتركة في المثلث الحالي حي . درجة الحق subnode يمثل عدد من مثلثات في نفس النقطة في المثلث الحالي حي . مثلFig. 2كما هو مبين في المثلث T6 ، ما مجموعه 12 مثلثات المتاخمة لها ، بما في ذلك 3 مثلثات و 9 مثلثات مشتركة ؛ في حين أن المثلث T8 يقع على الحدود ، هناك اثنين فقط من مثلثات مع نفس الجانب في الحي .

ميزة استخراج نقطة

في هذا القسم ، طريقة استخراج ميزة النقاط على أساس بناء سقف نقطة سحابة هو المقترح . أولا ، الحدود مثلثات مع درجة أقل من 3 من اليسار subnode وجدت في الغابات الإلكترونية ، ثم عدد من القمم في مثلثات مع حواف مشتركة تحسب . من أجل استخراج نقاط مميزة على طول خط ريدج ، كل مركز المثلث في القصدير هو تحول صعودا وهبوطا على طول الاتجاه الطبيعي ناقلات ، ثم نقطة قليلة على طول خط تقاطع يمكن الحصول عليها ، ثم نقطة على طول خط تقاطع يمكن ترجمتها على طول الاتجاه المعاكس من مجموع ناقلات في اتجاهين متعاكسين ، ثم نقطة على بناء خط ريدج يمكن الحصول عليها . وأخيرا ، ميزة استخراج النقاط على سطح المبنى هو الانتهاء .

استخراج نقاط الحدود على أساس الكشف عن الحافة المستقلة

على أسطح المباني مع هيكل الخطوة ، أطول حافة القيود المستخدمة في بناء نموذج الشبكة الثلاثية قد تقسيم سقف المبنى الثلاثي شبكة نموذج في مجموعات متعددة من القصدير المستقلة ، مما يؤدي إلى نقاط على الحدود من القصدير بما في ذلك الخطوط الكنتورية وخطوات .

الثلاثي مش نموذج سقف المبنىFig. 3في هذه الورقة ، كفاف نقطة والخطوة نقطة في شبكة الثلاثي نموذج يسمى نقطة الحدود من كل مجموعة من القصدير ، و حافة تتكون من اثنين من نقاط الحدود المتاخمة وصفت بأنها مستقلة الحافة . لأن هناك واحد أو اثنين من حواف مستقلة في المثلث حيث توجد نقاط الحدود ، مما يؤدي إلى عدد من المثلثات المشتركة أقل من 3 ، وهذا هو ، درجة من اليسار subnode المقابلة شجرة في e-forest المثلث هو أقل من 3 .

Fig. 3 Boundary point extraction for triangular mesh models

( 1 ) عبور كل شجرة في الغابات الإلكترونية ، وتسجيل شجرة مع ترك الطفل عقدة درجة أقل من 3 مثل شجرة الحدود ، كل شجرة تحتوي على حافة المثلث .

اختيار عشوائي شجرة الحدودإحصائياتعدد من القمم التي تتكرر في مثلث مشترك من المثلث ، القمم التي تتكرر مرات أقل من 2 تعتبر نقاط الحدود .

( 3 ) كرر الخطوة ( 2 ) ، اجتياز جميع الحدود الأشجار ، وحذف نقاط الحدود المتكررة ، والحصول على مجموعة من نقاط الحدود من شبكة الثلاثي النموذج .

( 4 ) تسلسل بين نقاط الحدود مصممة على أساس الربط بين حواف مستقلين في نقطة واحدة الحدود مثلثات و الربط بين اثنين من نقاط مستقلة على حواف مستقلين ، وبالتالي الحصول على عدد من خطوط متعددة المراحل التي تتكون من نقاط الحدود مغلقة من البداية إلى النهاية .

استخراج خط السقف على أساس ثنائي الاتجاه التراص والترجمة

بناء خط ريدج هو تقاطع خط اثنين من السطوح المجاورة ، والتي يمكن تقسيمها إلى خط ريدج محدبة مقعرة خط ريدج حسب ارتفاع خط ريدج مقارنة مع اثنين من السطوح المجاورة . . . . . . .Fig. 4بواسطةFig. 4يمكننا أن نرى أن اثنين من أسطح المنازل المجاورة في خط السقف المحدب يمكن ترجمتها نزولا على طول الاتجاه الطبيعي ناقلات ، خط متقاطع يمكن الحصول عليها بالقرب من خط السقف المحدب . من .Fig. 4ومن الواضح أن اثنين من السطوح المجاورة في سقف مقعر خط يمكن أن تتحرك صعودا على طول الاتجاه الطبيعي ناقلات ، خط متقاطع يمكن الحصول عليها بالقرب من سقف مقعر خط . إذا كان سقف نقطة قليلة تتحرك في نفس المسافة على طول اتجاه الترجمة من سطح قطعة ، ثم نقطة بالقرب من خط ريدج تقع أيضا على تقاطع خط ، في هذا الوقت ، كثافة الترجمة نقطة على تقاطع خط تتضاعف بالمقارنة مع كثافة الأصلي سقف نقطة قليلة .

Fig. 4 Translation diagram of neighboring roof patches

في هذه الورقة ، المتجهات الطبيعية من كل مثلث في سقف شبكة الثلاثي نموذج يستخدم الترجمة الاتجاه .المسافة بالحركةحيث ك > متعددة من متوسط المسافة بين النقاط < أنا > د مركز كل مثلث يتحرك صعودا وهبوطا على طول اتجاه كل المتجهات العادية ، على التوالي .Fig. 5كما هو مبين . ومن الناحية المثالية ، فإن المسافة بين كل نقطة التحول هو نفسه .نقطة ، مع ترجمة نقطة مثل مركز المجال ، نصف قطرهاالمجال . هناك عدد لا يحصى من التعميم عبر الأقسام في كل منطقة كروية ، ولكن فقط ترجمة النقاط التي يتم توزيعها بشكل متجانس ومستمر على كل مقطع عرضي . هناك واحد فقط نقطة عبر الباب في المجال ، مثلFig. 5أحمر متوسط المقطع العرضي . في حين أن المجال كروي من نقطة تقاطع موجود في اثنين من نقطة عبر الأقسام ، مثلFig. 5الأزرق المتوسط عبر الباب . في هذه الورقة ، فإننا نعتبر ترجمة النقاط في المجال > 1.5 < ن > نقطة على تقاطع ، حيث ن > أنا تحسب على النحو التالي式（1）كما هو مبين .

في الصيغة ، أنا > ن هو عدد من النقاط على نقطة واحدة عبر الباب في المجال ، ص > نصف قطر المجال ، د > متوسط المسافة بين النقاط على سطح المبنى .

Fig. 5 Bidirectional superimposed translation and density analysis of triangle center points

النظر في المسافة بين كل نقطة في سحابة نقطة مختلفة ، متوسط المسافة بين كل نقطة و أقرب نقطة يعني المسافةد = > لا توجد عادة في حي نصف قطرها إلا نقطة الوسط . من أجل نقطة قليلة مع كثافة غير موحدةفي هذه الورقة ، فإننا توسيع دائرة نصف قطرها من أجل الكشف عن＝3d。 وبالإضافة إلى ذلك ، نقطة تقاطع بالقرب من نقطة تقاطع ينتمي إلى عدد من التقاطعات ، مثلFig. 5المنطقة في المربع الأسود يظهر ، مما يؤدي إلى تقاطع بالقرب من نقطة تقاطع من الصعب تحديد الملكية . من أجل تحديد عكس اتجاه الترجمة من النقاط على التقاطعات المختلفة ، هذه الورقة أولاً إزالة نقاط التقاطع في حي التقاطعات ، ثم تجميع نقاط التقاطع المتبقية في مجموعات متعددة من النقاط التي تمثل مختلف التقاطعات بشكل مستقل ، وذلك لتحديد عكس اتجاه الترجمة من كل مجموعة من التقاطعات .

لأن نقطة التقاطع يتكون من ثلاثة على الأقل من السطح بعد الترجمة ، هناك ما لا يقل عن ثلاث نقاط عبر الأقسام في المجال التي شيدت من قبل نقطة التقاطع مثل مركز المجال . ولذلك ، فإن هذه الورقة تعتبر نقطة التقاطع الأولي في مجال الترجمة مع عدد من النقاط أكثر من 3 > < ن / i .ثم ، dbscan الخوارزمية المستخدمة في تجميع نقاط التقاطع المتبقية للحصول على عدة مجموعات من نقاط التقاطع التي تقع على مختلف خطوط التقاطع ، في هذه الحالة ، فإن النقاط في كل مجموعة من نقاط التقاطع هي الترجمة نقاط اثنين المتاخمة السطوح . بسبب احتمال تشوه السطح من أسطح المباني ، خطأ في الحصول على البيانات المحمولة جوا ليدار ، هناك بعض الانحراف بين مختلف الثلاثي المتجهات الطبيعية على نفس السطح ، ولكن هذا الانحراف هو أقل بكثير من الانحراف بين الثلاثي المتجهات الطبيعية على مختلف السطوح . في هذه الورقة ، من خلال حساب زاوية انحراف بين اثنين من نقطة التحول الطبيعي ناقلات ، ونحن إضافة نقطة تحول في تقاطع خط المجموعة التي هي أقل من β > فرعية إلى نفس المجموعة . من خلال تحليل الزوايا بين المتجهات الطبيعية المشتركة المتاخمة أسطح المنازل ، يمكننا أن نرى أن الزوايا بين المتجهات الطبيعية المتاخمة أسطح المنازل عادة ما تكون أكثر من 10 درجة )王竞雪等，2023في هذه الورقة ، فإننا نعتبر < أنا > ر > β < 10 ° عتبة زاوية الترجمة .

Fig. 6عرض الجانب من سحابة نقطة على السطح الخلفي للترجمة . بيناثنين من اتجاهات الترجمة الحالية نقطة تقاطع المجموعة هي على التواليو .， ثيتا في الفضاء ثلاثي الأبعادمع .نصف الزاوية . ويل بوينتفي الاتجاه المعاكس من مجموع ناقلات على طول اتجاه الترجمةترجمة < أنا > للحصول على نقاط على السطحالذيومن خلال ترجمة كل مجموعة من نقاط التقاطع في عكس اتجاه الترجمة ، يمكننا الحصول على العديد من مجموعات مستقلة من نقاط التقاطع .

Fig. 6 Reverse translation of the intersection points

2-3 توليد خطوط مميزة

في هذه الورقة ، دوغلاس بوكر d-p ( دوغلاس بوكر ) و الأقل مربع تركيب خوارزمية تستخدم لتوليد خط الحدود و ريدج خط سقف المبنى ، على التوالي . من أجل استخراج خطوط الحدود ، نقطة الحدود هو اختيار عشوائي على القصدير ، وغيرها من نقاط الحدود ترتبط مع بعضها البعض في تسلسل من خلال الجمع بين علاقة الجوار المشترك بين مثلثات . من خلال تبسيط d-p الخوارزمية ، مفتاح نقطة انعطاف من خط الحدود يتم الحصول عليها . من أجل استخراج خط السقف ، ونحن استخدام طريقة المربعات الصغرى لتناسب كل مجموعة من نقاط خط السقف ، والحصول على المعلمات من خط ثلاثي الأبعاد حيث خط السقف يقع . في هذه الورقة ، عتبة مزدوجة مقيدة تقاطع خط ميزة اختيار نقطة تقاطع خط ميزة تستخدم ميزة جديدة نقطة النهاية .

2-3-1 توليد خطوط الحدود على أساس خوارزمية d-p

لأن هناك الكثير من نقاط الحدود المنفصلة على مقربة من خط متعدد المراحل التي تم الحصول عليها من الكشف عن الحافة المستقلة ، فإنه لا يساعد على تمثيل وسيطي سقف الحدود . ولذلك ، d-p خوارزمية مع الترجمة والتناوب الثابتية هو المعتمد في هذه الورقة إلى تبسيط الحصول على مفتاح نقطة انعطاف ، والتي ترتبط بدورها إلى سقف خط الحدود .

لأن d-p التقليدية خوارزمية يستخدم لتصفية نقطة انعطاف رئيسية مغلقة متعددة خط ، اختيار نقطة النهاية هو عشوائي ، الافتراضي نقطة النهاية هي نقطة انعطاف رئيسية ، مما يؤدي إلى تصفية نقطة انعطاف رئيسية غالبا ما تكون زائدة عن الحاجة . في هذه الورقة ، فإننا إضافة زاوية القيد إلى حافة المستقلة المجاورة ، واختيار نقطة النهاية من حافة مستقلة في غير زاوية الرأس والذيل نقطة النهاية . أخذFig. 7وعلى سبيل المثال ، فإن الخطوات المحددة للتنفيذ هي كما يلي :

Fig. 7 D-P algorithm to simplify polylines

( 1 ) اختيار حافة مستقلة بشكل عشوائي في الأولي خط الحدود ، وحساب زاوية بين حافة مستقلة ومتصلة اثنين من حواف مستقلة في الفضاء ثلاثي الأبعاد ، على التوالي .مع .إذاوإذا كانت درجة الحرارة أكثر من 150 درجة ، ثم اثنين من نقاط الحدود من حافة المستقلة الحالية تعتبر نقطة النهاية . بدلا من ذلك ، يتم اختيار حواف منفصلة أخرى حتى يتم استيفاء الشروط . خطوط مستقيمة حيث حواف منفصلة تلبية الشرط الأول تسجل في الجزء الأول من خط الأساس . مثلFig. 7كما هو موضح أعلاه ، الأزرق خط حقيقي مع نقطة 1 و 12 نقطة النهاية الأولى والأخيرة هي الرائدة في خط المرجعية .

( 2 ) في الفضاء ثلاثي الأبعاد ، المسافة العمودية من كل نقطة الحدود بين طرفي خط الأساس إلى خط الأساس تحسب .حذف خط الأساس الحالي مباشرة . خلاف ذلك ، نقطة المقابلة تسجل مفتاح نقطة انعطاف . المراجع洪绍轩等（2020）اختيار عتبةاثنين من خطوط مرجعية جديدة مبنية على التوالي من خلال ربط اثنين من نقاط الحدود على خط المرجعية مع نقطة انعطاف رئيسية ، الأصلي خطوط مرجعية يتم حذفها . أخذFig. 7على سبيل المثال ، نقطة 7 هو أبعد نقطة الحدود من خط الأساس ، والمسافة العمودية أكبر منوهكذا ، فإن خط مستقيم من نقطة 1.7 و 7.12 تسجل على التوالي خط الأساس ، و أول خط الأساس هو حذفها .

( 3 ) كرر الخطوة 2 باختيار خطوط مرجعية أخرى إلى أن لا توجد خطوط مرجعية على الحدود الأولية الحالية .

( 4 ) حذف نقطة النهاية ، وفقا للترتيب بين النقاط على خط الحدود الأولي ، تبقى نقطة انعطاف رئيسية ترتبط بدورها ، مما أدى إلى تبسيط خط الحدود .

توليد خط السقف على أساس أقل المربعات المناسب

بعد الحصول على نقطة مميزة مجموعات من كل خط السقف من خلال ثنائية الاتجاه التراص والترجمة ، ونحن استخدام خوارزمية المربعات الصغرى لتناسب مجموعات من النقاط من كل خط السقف ، وتوليد المعلمات من خط ثلاثي الأبعاد حيث خط السقف يقع . أخذFig. 8على سبيل المثال ، مجموعة من النقاط على خط السقفمن أجل تركيب خطوط مستقيمة ثلاثية الأبعاد التي تم الحصول عليها من سقف خط نقطة المجموعة باستخدام طريقة المربعات الصغرى ، كل نقطة في سقف خط نقطة المجموعة المتوقع أنالحصول على مجموعة من النقاط< ي > هو عدد من النقاط في منتصف سقف خط . حسابالمسافة بين كل نقطتين في الفضاء ثلاثي الأبعاد .وتعتبر نهاية سقف خط .

Fig. 8 Determination of ridge line endpoints

2-3-3 صقل خط النهاية

في هذه الورقة ، سقف خط الحدود و خط السقف يتم استخراجها باستخدام استراتيجيات مختلفة خطوة بخطوة ، دون النظر في العلاقة بينهما ، مما يؤدي إلى استخراج خط الحدود و خط السقف مستقلة عن بعضها البعض ، لا تتفق مع سقف المبنى الحقيقي ميزة خط ، لذلك نحن بحاجة إلى مزيد من الصقل من نقطة النهاية من كل ميزة خط .

لأن هناك نقطة النهاية المشتركة بين تقاطع خطوط مميزة على السطح ، يجب أن يكون هناك نقطة النهاية القريبة من نفس الاسم بين تقاطع خطوط مميزة - وبغية منع تقاطع خطوط مميزة قريبة من التوازي من بعيد جدا ، ونحن الجمع بين المسافة عتبة < أنا > و < م > < / أنا > و > و > و > ن > < / أنا > و > ن > < < / أنا > و > و > و > و > ن > < / أنا > < < / أنا > و > و > و > < / أنا > < / أنا > و > < / أنا > و > < و > < / أنا > و > < / أنا > < ن دون > < و > < / أنا > تقاطع خطوط مميزة تستخدم نقطة النهاية الجديدة على النحو التالي .

< < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < ل > sub 2 > تعتبر اثنين من خطوط مميزة المتاخمة مع تقاطع .

( 2 ) إسقاط < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < < أنا > 2 sub > إحداثيات نقطة النهاية بالقرب من نقطة التقاطع .

( 3 ) كرر الخطوات 1-2 ، اجتياز جميع مجموعات من خطوط مميزة ، والانتهاء من التصحيح الأولي من نقطة النهاية .

لأن ثلاثة أو أكثر من ثلاثة خطوط مميزة قد تتقاطع في سقف حقيقي ، العديد من نقاط النهاية مع نفس الاسم قد تنشأ في عملية التصحيح الأولي ، مثلFig. 9كما هو مبين . ولذلك ، تحتاج إلى دمج وتطبيع عدة نقاط النهاية بنفس الاسم . في هذه الورقة ، فإننا نعتبر نقطة النهاية مع مسافة أقل من < < و < م و < و < س و < < و < و < < و < و < و < و < و < و و بعد التطبيع ، المجال مع نصف قطرها < < و م و و و و < و < و < و < < تم إنشاؤها باستخدام إحداثيات محور و ض > و و و و < و < و و < و < < i > و و و و >

Fig. 9 Initial optimization results for feature line endpoints

في هذه الورقة ، فإننا نستخدم حجم مختلفة من < و < م على التوالي ، من أجل اختيار المناسب غرامة عتبة خط النهاية .Fig. 9في هذه الورقة ، الأولي الأمثل نتيجة مميزة خط النهاية يتم معالجتها .Fig. 10كما هو مبين . من خلال تحليل مختلف القيم و < < / م > < و < < < م > < و3 < أنا > د ، لأن الحد الأدنى من المسافة بين نقطة النهاية من نفس الاسم تتقاطع خطوط مميزة أقل من عتبة < أنا > < و > < / م > الفرعية ، مما أدى إلى كسر في نقطة النهاية من بعض خطوط مميزة ، مثلFig. 10المنطقة في المربع الأسود هو مبين . عندما < < و < < < < 4 د > نقطة النهاية من خط ميزة تتقاطع و الأمثل .

Fig. 10 Optimization results of feature line endpoints under different F_m

النتائج التجريبية ودقة التحليل

3-1 البيانات التجريبية

من أجل التحقق من صحة الطريقة المقترحة في هذه الورقة ، 12 مجموعات من بناء سحابة نقطة مع مختلف هياكل السقف تم اختيار مجموعة بيانات الاختبار ، كل مجموعة من بناء سحابة نقطة سجلت b1-b12 تباعا . من بينها ، B1 - B8 يأتي من بناء 3D مجموعة البيانات )Wang等，2023إن building3d مجموعة البيانات ( isprs 2022 ) لديها أعلى كثافة نقطة و نقطة الحدود كاملة نسبيا . b1-b8 مختارة تغطي جميع أنواع المباني المشتركة في building3d مجموعة البيانات . b9-b12 من vaihingen مجموعات البيانات المقدمة من isprs ( المجتمع الدولي للمسح التصويري والاستشعار عن بعد ) ، مقارنة مع building3d مجموعات البيانات ، نقطة كثافة vaihingen مجموعات البيانات غير متكافئة ، كل مجموعة من البيانات في حالة محددة و الإطار النموذجيFig. 11كما هو مبين .

Fig. 11 Test data set

3-2 تأثير معايير مختلفة ك على استخراج نقاط خط السقف

استخراج نقاط بناء خط ريدج يمكن تحديد الخصائص الهيكلية سقف المبنى في المقام الأول ، الذي هو أساس الجيل القادم من ميزة خط . عندما سقف خط النقاط المستخرجة على أساس ثنائي الاتجاه التراص الترجمة ، متوسط المسافة بين النقاط في ك > مرات تستخدم الترجمة بالجو من مركز المثلث .من أجل مقارنة تأثير مختلف المعالم ك > على استخراج النتائج من سقف خط نقطة ، ثلاث مجموعات من ممثل سحابة نقطة السطح B7 ، B8 ، B9 تم اختيار البيانات التجريبية .Fig. 12كما هو مبين .

Fig. 12 The extraction results of points on the ridge line under different k values

Fig. 12نتائج استخراج نقاط مختلفة من خط السقف < أنا > ك > القيم . عندمالأن الترجمة مسافة قصيرة ، نقطة عبور الترجمة ليست واضحة ، مما يؤدي إلى استخراج خط ريدج نقطة قليلة نسبيا ، لا يمكن أن تغطي تماما كل خط ريدج ، ريدج خط في منطقة مستطيلة سوداء واضحة في عداد المفقودين )Fig. 12( ب ) و ( ب ) ) ؛ عندماكثافة خط ريدج النقاط في منطقة مستطيلة سوداء زيادة كبيرة ، ثم الحصول على خط ريدج النقاط يمكن أن تسجل تماما المعلومات الهيكلية الداخلية سقف خط مميزة )Fig. 12و ( د ) ) ؛ مع زيادة قيمة < ك مجموعة من النقاط في خط ريدج اتسعت تدريجيا ، ولكن القدرة على التعبير عن ميزة خط لم تتحسن بشكل ملحوظ أو حتى استخراج ميزة خط المجموعة أصبحت أقصر )Fig. 12. لا وباختصار ، فإن هذه الورقة يختار < أنا > ك 4.0 لتحديد دقة استخراج نقاط ريدج و كفاءة توليد ميزة خطوط .حجم المعلمة .

3-3 سقف المبنى ميزة استخراج وتحليل النتائج

من أجل إثبات مزايا الخوارزمية المقترحة في استخراج خطوط مميزة鲍娣（2017）وYu等（2024）في هذه الورقة ، على النقيض من طريقة استخراج خط ميزة ، من خلال تقييم دقة الكلاسيكية مؤشر أداء هذه الخوارزميات الثلاث يتم تحليلها كميا ونوعيا ، على التوالي ، من أجل تقييم دقيق مزايا هذه الخوارزمية مقارنة مع القائمة ميزة استخراج خط الأسلوب ، والبحث عن إمكانية تحسين الفضاء .

التحليل النوعي ميزة استخراج خط

باستخدام خوارزميات مختلفةFig. 11وتظهر النتائج أن 12 مجموعات من البيانات سحابة نقطة على سطح المبنى يتم استخراجها .Fig. 13كما هو مبين . من أجل ضمان دقة إشارة ميزة خط ، خط سقف الإطار الذي تم توفيره من قبل مجموعة البيانات المستخدمة كمرجع ميزة خط .

Fig. 13 Feature line extraction results of different algorithms

بالنسبة للمباني مع سقف هيكل أكثر تعقيدا ، على سبيل المثال ، B4 ، B12 السهم الأسود يشير إلى السطح في وقت واحد يحتوي على خطوط ريدج ريدج محدبة مقعرة خطوط ، هذه الخوارزمية يستخدم طريقة الترجمة في اتجاهين على التوالي استخراج ريدج محدبة مقعرة خطوط ، لضمان أن كل خط ريدج يمكن استخراج أكثر كثافة خط ريدج نقطة ، والحد من التداخل بين مختلف خطوط ريدج في نقطة تقاطع ، لضمان أن خوارزمية معقدة سقف أعلى من الشمولية . بسبب鲍娣（2017）طريقة استخراج سقف خط يعتمد كثيرا على نتيجة تقسيم السطح ، تحتاج إلى القاضي العلاقة الطوبولوجية بين كل سطح قطعة لتحديد خط تقاطع بين المتاخمة سطح قطعة . على سبيل المثال ، B2 هو أقل دقة ، مما يؤدي إلى انحراف خط النهاية في المنطقة السوداء . وعلاوة على ذلك ، فإن انحراف زاوية بين اثنين من أسطح المنازل التي تشكل B5 صغيرة جدا ، مما يؤدي إلى أن أسطح المنازل تعامل على أنها نفس السطح عندما تكون مقسمة ، مما يؤدي إلى فقدان خط ريدج في إطار أسود . . . . . . .

علاوة على ذلك鲍娣（2017）عند الجمع بين أنواع مختلفة من ميزة خط النهاية ، نقطة النهاية المشتركة بين الداخلية والخارجية ميزة خط مصممة مباشرة في الفضاء ثلاثي الأبعاد - بسبب خطأ في الارتفاع من كل نقطة في سحابة نقطة ، كل نقطة النهاية المشتركة بعد دمج في الفضاء ثلاثي الأبعاد سوف تغرق أو تطفو ، كما هو مبين في الإطار الأزرق المناطق B6 و B8 . على السطح مع هيكل خطوة ، لأنYu等（2024）شبكة ثنائية الأبعاد في الاتجاه الأفقي لا يمكن تحليل خطي توزيع النقاط على خط الخطوة في الفضاء ثلاثي الأبعاد ، مما يؤدي إلى عدم وجود خطوط الخطوة في استخراج النتائج ، مثل B3 ، B11 الأرجواني السهم يدل على المنطقة . ولكن بالنسبة للهياكل خطوة أبعد في الاتجاه الأفقي ، مثل بناء B10 ،Yu等（2024）أنها يمكن أن تكون فعالة في استخراج جميع خطوط مميزة من سقف المبنى .

في هذه الورقة ، طريقة دمج نقطة النهاية في 2D الطائرة واستعادة نقطة النهاية الارتفاع في الفضاء ثلاثي الأبعاد هو المعتمد ، والتي يمكن أن تقلل من تأثير ارتفاع سحابة نقطة المحلية تقلب على ميزة استخراج خط ، وضمان أن ميزة استخراج خط أقرب إلى السطح الحقيقي . . . . . . . تحت غطاء من الأشجار والمباني الملحقة ، سحابة نقطة على سطح المبنى عادة ما تكون غائبة أو متفرق . المناطق التي توجد فيها نقاط الحدود في عداد المفقودين ، على سبيل المثالFig. 13المنطقة في المربع الأرجواني الأوسط鲍娣（2017）باستخدام خوارزمية ألفا الأشكالYu等（2024）حي نقطة الاتجاه الخطي خوارزمية تحليل مستقل حافة خوارزمية الكشف المستخدمة في هذه الورقة لا يمكن إلا أن تحليل نقاط الحدود القائمة ، لا تنظر في ما إذا كانت نقطة مجموعة الحدود هي الحدود الحقيقية للمباني ، حتى ثلاثة خوارزميات استخراج المنطقة الحالية من ميزة خطوط بعض الانحراف . بالنسبة للمناطق مع نقاط الحدود قليلة نسبيا ، كما هو مبين في المربع الأحمر في منطقة B7 ،Yu等（2024）عند تقسيم الشبكة ، الشبكة مع عدد أقل من النقاط تعتبر إزالة الضوضاء ، مما يؤدي إلى انحراف الحدود المستخرجة ، مما يؤدي إلى ميزة استخراج خط النتائج لا تتفق مع الواقع . في هذه الورقة ، طريقة استخراج نقاط الحدود تعتمد على حواف مستقلة في مثلث الحدود ، وخصائص حافة مستقلة في كثافة المنطقة متفرق هي نفسها كما في كثافة المنطقة .

وعموما ، فإن الطريقة المقترحة يمكن استخراج خطوط مميزة من المباني التي تحتوي على أنواع مختلفة من سقف الهياكل . استخراج خطوط مميزة عالية النزاهة و درجة عالية من المناسب مع الأصل نقطة قليلة .

التحليل الكمي ميزة استخراج خط

من أجل تقييم كمي استخراج النتائج من أسطح المباني ، ميزة استخراج خطوط مقارنة مع إشارة ميزة خطوط . إشارة ميزة خطوط في building3d و vaihingen البيانات المقدمة من سقف الإطار ، مثلFig. 11الجزء الأحمر في في هذه الورقة ، فإننا نستخدم نقطة النهاية تنسيق الانحراف يعني خط الجزء التجميعي تشابه LSM ( خط similarity measure ) على التوالي .崔巍等，2003اثنين من مؤشرات التقييم المستخدمة في التحليل الكمي استخراج النتائج . في السابق ، يعني الانحراف بين إحداثيات نقطة النهاية من كل ميزة خط و إحداثيات نقطة النهاية من المقابلة إشارة ميزة خط .

نوعمع .على التواليثلاث نقاط النهاية و نقطة النهاية المرجعية ميزة استخراج خط ، < و ب > / i > تمثل نقطة النهاية و نقطة النهاية المرجعية ميزة استخراج خط ، على التوالي .مسافة إقليدية نقطتين في الفضاء ثلاثي الأبعاد ،عدد النقاط المميزة لسقف المبنى .

هذا الأخير يأخذ في الاعتبار ثلاثة جوانب من خط الوسط ، وطول وزاوية من التشابه بين LSM لاستخراج ميزة خط إشارة تشابه درجة ، الصيغة الحسابية هي كما يلي :

إدارة المشتريات والتوريدات ، LNSM ، OSM تمثل إدارة المشتريات والتوريدات ( نقطة similarity ) LNSM ( طول similarity ) و ( زاوية similarity اسم similarity ) ، على التوالي .4( أ )6كما هو مبين . في هذه الورقة ، على التوالي ، قيمة الوزن من إدارة المشتريات والتوريدات ، LNSM ، OSM هو 2 ، 1 ، 2 .

أنا > د > يعني المسافة بين النقاط على السطح ، إذا أنا > < ي > < i( بين )هو التكيف قيمة ) يعتبر أن اثنين من شرائح مستقلة .

في الصيغة ، أصغر الفرق بين اثنين من خطوط الطول ، أقرب اثنين من خطوط الطول ، وأكثر احتمالا أن اثنين من خطوط تمثل نفس الخصائص الداخلية خط .

نوعإذا كانت الزاوية بين اثنين من خطوط الاتجاه ناقلات أكبر مناثنين من خطوط مستقيمة .

Fig. 13يعني LSM القيم المستخرجة من كل مجموعة من البياناتTable 1و 2 كما هو مبين . من خلال التحليل ، يمكننا أن نرى أن الطريقة المقترحة في هذه الورقة هو أكثر دقة في استخراج نقطة النهاية ، وعموما أكثر مماثلة إلى إشارة ميزة خط . ملزمTable 1متوسط المسافة بين كل مجموعة من البيانات التي تم الحصول عليها من هذه الخوارزمية ، يمكننا أن نرى أن أقصى قدر من الانحراف هو ضعف متوسط المسافة بين النقاط ، و متوسط الانحراف هو ضعف متوسط المسافة بين النقاط . في المباني المعقدة ، مثل B4 و B7 ، على الرغم من أن التشابه بين ميزة خطوط المستخرجة من جميع الخوارزميات منخفضة ، الخوارزمية المقترحة يمكن أن تبقي على الأقل 85 ٪ LSM .

Table 1 The mean values of the feature line extraction results of different algorithms

数据编号	各组数据的平均点间距/m	平均值/m
数据编号	各组数据的平均点间距/m	鲍娣（2017）	Yu等（2024）	本文算法
B1	0.1480	0.1612	0.1143	0.0798
B2	0.1614	0.4571	0.3417	0.3205
B3	0.1343	0.1181	0.4274	0.0296
B4	0.1360	0.3223	0.2132	0.1862
B5	0.1287	0.2798	0.1916	0.1642
B6	0.1380	0.4260	0.2844	0.2732
B7	0.1169	0.3454	0.3002	0.2618
B8	0.1060	0.0833	0.0507	0.0364
B9	0.2364	0.1117	0.0606	0.0454
B10	0.2279	0.1630	0.2329	0.1071
B11	0.4397	0.2784	0.2576	0.1384
B12	0.2178	0.3415	0.2300	0.1232

Table 2 The LSM values of the feature line extraction results of different algorithms

数据编号	相似度/%
数据编号	鲍娣（2017）	Yu等（2024）	本文算法
B1	86.22	87.50	92.52
B2	71.82	81.75	87.45
B3	90.94	68.83	97.12
B4	74.88	82.62	86.27
B5	76.13	79.63	92.65
B6	77.45	85.11	92.51
B7	75.30	81.40	85.08
B8	92.99	96.06	98.30
B9	94.41	96.82	98.45
B10	88.16	91.90	95.07
B11	84.70	74.46	93.35
B12	86.97	90.69	94.63

بسبب鲍娣（2017）لا يمكن التعرف على ملامح السطح بدقة ( B7 ، B11 ) ، أو لا يمكن بناء علاقة طوبولوجي بين السطوح ( B5 ) بشكل صحيح في عملية تجزئة السطح ، مما يؤدي إلى استخراج النتائج من ميزة خطوط مختلفة تماما عن تلك التي من أسطح المباني الفعلية ، و التشابه بين ميزة خطوط أقل بكثير من الخوارزمية المقترحة . مقارنة مع鲍娣（2017）وYu等（2024）دقة و تشابه ميزة استخراج خط鲍娣（2017）ولكن أقل من الطريقة المقترحة . ميزة خطوط المستخرجة من الخوارزمية المقترحة في هذه الورقة هي نفسها تقريبا مع تلك التي من سقف المبنى الفعلي ، و درجة التشابه هو أعلى من ذلك بكثير ، لا سيما في حالة سحابة نقطة بيانات عالية الجودة ، مثل B6 ، B8 ، B9 ، ميزة الخطوط التي تولدها الخوارزمية المقترحة متفوقة على النقيض من الخوارزميات في الجودة و التشابه . من خلال التحليل الكمي والنوعي ، يمكننا أن نرى أن الطريقة المقترحة في هذه الورقة لديها أعلى دقة . وبالإضافة إلى ذلك ، فإن الطريقة المقترحة يمكن أن تجنب تجزئة السطح عند استخراج ميزة خط ، ويمكن أن تلبي متطلبات استخراج ميزة خط سقف معظم المباني .

بناء و تحليل أداء التخزين e-forest

من أجل التحقق من كفاءة الغابات الإلكترونية هيكل البيانات ، ونحن استخدام شبكة الثلاثي مع عدد مختلف من القمم مثل البيانات التجريبية ، مقارنة مع نصف حافة هيكل البيانات ( HEDS ) في وقت البناء و مساحة التخزين .Table 3كما هو مبين . يمكننا أن نرى أن كمية مختلفة من القمم ، والوقت اللازم لبناء الغابات الإلكترونية هيكل البيانات حوالي 43.17 ٪ من هيدس ، مساحة التخزين حوالي 31.52 ٪ هيدس .

Table 3 The construction time and space occupancy of data structures under different numbers of vertices in triangular meshes

顶点数量/个	构建时间/s		占用空间/Mb
顶点数量/个	HEDS	E-forest	HEDS	E-forest
5000	0.048	0.031	4.72	1.35
10000	0.127	0.080	9.77	3.00
15000	0.210	0.096	14.76	4.63
20000	0.337	0.159	19.89	6.30
25000	0.479	0.196	25.12	8.00
30000	0.689	0.254	30.24	9.66

مقارنة مع هيدس ، e-forest هيكل البيانات المقترحة في هذه الورقة يمكن تخزين مباشرة قمة المثلث تنسيق ، حافة مشتركة و نقطة مؤشر المثلث ، وبالتالي توفير كمية كبيرة من المعلومات التي تستخدم للحفاظ على نقطة ، نصف حافة المثلث يشير إلى العلاقة . وبالإضافة إلى ذلك ، الاستعلام عن علاقة الجوار بين المثلثات ، e-forest هيكل البيانات لا تحتاج إلى القفز من خلال مؤشر متعدد المستويات ، ويمكن استدعاء مؤشر المتاخمة المثلثات مباشرة . ولذلك ، باستخدام هيكل البيانات e-forest لإدارة علاقات الجوار بين المثلثات في مثلث الشبكة ، يمكن أن تحسن بشكل كبير من كفاءة الخوارزمية .

نظرية العقد

من أجل حل المشاكل القائمة في سقف ميزة استخراج الأساليب ، مثل خوارزمية معقدة ، وضعف قوة الاعتماد المفرط على دقة السطح تجزئة ، تقترح هذه الورقة طريقة استخراج سقف ميزة الجمع بين الكشف عن حافة المثلث و ثنائية الاتجاه تراكب الترجمة . من خلال بناء 3D مجموعة البيانات و vaihingen مجموعة البيانات ، سحابة نقطة من سقف المبنى مع مختلف مستويات التعقيد هو اختيار للتحقق . النتائج الرئيسية هي كما يلي : ( 1 ) من خلال إنشاء علاقة الجوار بين المثلثات في e-forest تخزين نموذج المثلث ، فمن السهل أن تستفسر عن العلاقة بين المثلثات المجاورة والدعوة . ( 2 ) الحصول على خط السقف مباشرة من السطح سحابة نقطة من خلال ثنائية الاتجاه التراص والترجمة ، وتجنب التدخل من السطح تجزئة الدقة إلى ميزة استخراج النتيجة . ( 3 ) الكشف عن الحافة المستقلة المعتمدة لتحديد خط الحدود الأولي من السطح ، وزاوية جديدة شرط الحكم ، والتي يمكن أن تضمن تحسين d-p خوارزمية يمكن الحصول على نقطة انعطاف رئيسية بثبات . ( 4 ) من خلال تحليل كمي يعني LSM ، يمكننا أن نرى أن أقصى قدر من الانحراف من نقطة النهاية هو ضعف متوسط المسافة بين نقطة النهاية ، متوسط الانحراف هو ضعف متوسط المسافة بين نقطة النهاية ، و التشابه العالمي بين ميزة استخراج خط إشارة ميزة خط أكثر من 85 في المائة .

الطريقة المقترحة في هذه الورقة يمكن أن تلبي متطلبات استخراج خط ميزة معظم جوا ليدار بناء سقف سحابة نقطة ، ولكن لا تزال هناك بعض القيود . من ناحية ، دقة تركيب خط السقف يتأثر شكل نقطة المجموعة . عندما خط ريدج المجموعة قصيرة ، زاوية خط السقف يمكن أن ينحرف بسهولة . من ناحية أخرى ، هناك بعض العيوب في حدود سحابة نقطة من المبنى الأصلي ، مما يؤدي إلى انحراف بين محيط المستخرجة من هذه الخوارزمية و الحدود الحقيقية . في وقت لاحق ، ونحن سوف تنظر في إدخال بيانات متعددة المصادر لاستكمال المفقودين سحابة نقطة على الحدود ، أو تصحيح كفاف للحصول على أعلى دقة من سقف المبنى ميزة .

References

1.
Bao D. 2017. Research on Parametric Modeling Method Of Point Cloud Based on the Data Driven Approach. Wuhan: Wuhan University
2.
Bazazian D and Parés M E. 2021. EDC-Net: edge detection capsule network for 3D point clouds. Applied Sciences, 11(4): 1833
3.
Cai Z, Ma H C and Zhang L. 2023. Extraction of roof feature lines based on geometric constraints from airborne LiDAR data. Remote Sensing, 15(23): 5493
4.
Chen H W, Yuan X C, Wu L S and Wang X H. 2019. Automatic point cloud feature-line extraction algorithm based on curvature-mutation analysis. Optics and Precision Engineering, 27(5): 1218-1228
5.
Coiffier G, Basselin J, Ray N and Sokolov D. 2021. Parametric surface fitting on airborne Lidar point clouds for building reconstruction. Computer-Aided Design, 140: 103090
6.
Cui W, Qiang W Y and Chen X L. 2003. Image dynamic matching for stereo vision based on structural information between lines. Control and Decision, 18(5): 633-636
7.
Dos Santos R C, Galo M and Carrilho A C. 2019. Extraction of building roof boundaries from LiDAR data using an adaptive alpha-shape algorithm. IEEE Geoscience and Remote Sensing Letters, 16(8): 1289-1293
8.
Du S J, Zhang Y S, Zou Z R, Xu S H, He X and Chen S Y. 2017. Automatic building extraction from LiDAR data fusion of point and grid-based features. ISPRS Journal of Photogrammetry and Remote Sensing, 130: 294-307
9.
Feng M L, Zhang T G, Li S C, Jin G Q and Xia Y J. 2020. An improved minimum bounding rectangle algorithm for regularized building boundary extraction from aerial LiDAR point clouds with partial occlusions. International Journal of Remote Sensing, 41(1): 300-319
10.
Gao G. 2014. Methods of Regularized Building Models Reconstruction from Aerial LiDAR Data. Wuhan: Wuhan University
11.
Gong J, Zhu Q, Zhang H W, Li X M and Zhou D B. 2011. An adaptive control method of LODs for 3D scene based on R-tree index. Acta Geodaetica et Cartographica Sinica, 40(4): 531-534
12.
Hong S X, Yuan F, Wang J X and Qi J J. 2020. Research on buildings boundary regularization algorithm for aerial LiDAR point clouds. Science of Surveying and Mapping, 45(7): 100-105, 125
13.
Hui Z Y, Hu H Y, Li N and Li Z X. 2022. Improved alpha-shapes building profile extraction algorithm. Laser and Optoelectronics Progress, 59(10): 1028006
14.
ISPRS. ISPRS Test Project on Urban Classification and 3D Building Reconstruction[EB/OL]. (2024-11-11)[2025-11-24]. .
15.
Jiang X. 2019. Building Change Detection Based on Urban Area Of Airborne LiDAR Point Cloud. Chengdu: Journal of Southwest Jiaotong University
16.
Kaplan G, Comert R, Kaplan O, Matci D K and Avdan U. 2022. Using machine learning to extract building inventory information based on LiDAR data. ISPRS International Journal of Geo-Information, 11(10): 517
17.
Kong Q Z, Liao L J and Yuan C. 2023. Rapid generation of editable engineering drawings from 3D point cloud reconstruction for large-scale buildings. Journal of Building Engineering, 63: 105486
18.
Lv Y X, Zhanf Y D, Dong S Y, Yang L, Zhang Z Y, Li Z R and Hu S J. 2022. A convex hull-based feature descriptor for learning tree species classification from ALS point clouds. IEEE Geoscience and Remote Sensing Letters, 19: 6501005
19.
Salehi A and Mohammadzadeh A. 2017. Building roof reconstruction based on residue anomaly analysis and shape descriptors from lidar and optical data. Photogrammetric Engineering and Remote Sensing, 83(4): 281-291
20.
Shen W, Li J, Chen Y H, Deng L and Peng G X. 2008. Algorithms study of building boundary extraction and normalization based on LiDAR data. National Remote Sensing Bulletin, (5): 692-698
21.
Sun S H and Salvaggio C. 2013. Aerial 3D building detection and modeling from airborne LiDAR point clouds. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 6(3): 1440-1449
22.
Tseng Y H and Hung H C. 2016. Extraction of building boundary lines from airborne LiDAR point clouds//The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Prague: ISPRS: 957-962
23.
Vanian V, Zamanakos G and Pratikakis I. 2022. Improving performance of deep learning models for 3D point cloud semantic segmentation via attention mechanisms. Computers and Graphics, 106: 277-287
24.
Wang J X, Song W D and Wang W X. 2012. A multi-view image matching algorithm for feature point under the moving Z-Plane constraint. National Remote Sensing Bulletin, 16(4): 691-704
25.
Wang J X, Zhu Q, Wang W X and Zhao L K. 2014. Straight line extraction algorithm by Hough transform combining edge grouping. National Remote Sensing Bulletin, 18(2): 378-389
26.
Wang J X, Jiang Y and Wang L Q. 2023. Segmentation of building roofs from airborne LiDAR point clouds using voxel-based region growing. Journal of Geo-information Science, 25(12): 2468-2486
27.
Wang R S, Huang S F and Yang H X. 2023. Building3D: An urban-scale dataset and benchmarks for learning roof structures from point clouds//International Conference on Computer Vision. Paris: ICCV: 20019-20029
28.
Wen X D, Chen W M, Xie H and Yan L. 2019. A method for building model reconstruction based on multi-source feature fusion. Geomatics and Information Science of Wuhan University, 44(5): 731-736, 764
29.
Wu H Y, Li X K and Hu Y. 2007. Approach on interactive extraction of gable-roofed building models from airborne Lidar data. Journal of Image and Graphics, 12(3): 474-481
30.
Wu Y, Wang L Y, Hu C X and Cheng L. 2021. Extraction of building contours from airborne LiDAR point cloud using variable radius Alpha Shapes method. Journal of Image and Graphics, 26(4): 910-923
31.
Yang B S, Huang R G, Li J P, Tian M, Dai W X and Zhong R F. 2017. Automated reconstruction of building LoDs from airborne LiDAR point clouds using an improved morphological scale space. Remote Sensing, 9: 14
32.
Yang J T, Kang Z Z and Akwensi P H. 2021. A label-constraint building roof detection method from airborne LiDAR point clouds. IEEE Geoscience and Remote Sensing Letters, 18(8): 1466-1470
33.
Yang L J, CuiY L, Yang Z Q, Zhai G J and Wang C. 2023. Multi-level index structure based on spatial distribution characteristics of point cloud. Laser and Infrared, 53(1): 137-145
34.
Yu J Z, Wang J X, Zang D D and Xie X. 2024. A feature line extraction method for building roof point clouds considering the grid center of gravity distribution. Remote Sensing, 16(16): 2969
35.
Zhang R, Li G Y, Wang L, Li M L and Zhou Y L. 2018. A new method of hybrid index for mobile LiDAR point cloud data. Geomatics and Information Science of Wuhan University, 43(7): 993-999
36.
Zhang Y, Liu Z, Liu T P, Peng B, Li X and Zhang Q Y. 2020. Large-scale point cloud contour extraction via 3-D-guided multiconditional residual generative adversarial network. IEEE Geoscience and Remote Sensing Letters, 17(1): 142-146
37.
Zhang Y H, Geng G H and Wei X R. 2015. Valley-ridge feature extraction from point clouds. Optics and Precision Engineering, 23(1): 310-318
38.
Zhao Z. 2020. Research on 3D Building Model Reconstruction from Airborne LiDAR Point Cloud Aided by Aerial Image. Zhengzhou: PLA Strategic Support Force Information Engineering University
39.
Zhu Q, Yang Y B and Zhang N N. 2018. Roof edge extraction and optimization based on aerial image and LiDAR. Geospatial Information, 16(4): 36-39

قراءة النص الكامل

The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website