1 Einleitung
Gebäude sind ein wichtiger Bestandteil des Stadtbaus. Mit der rasanten Urbanisierung und der häufigen Veränderung der Gebäudearten und -zahlen in den letzten Jahren erfordert die Erfassung und Aktualisierung dieser Veränderungen erhebliche menschliche, materielle und finanzielle Ressourcen.王竞雪 等，2012；Yang等，2017；Du等，2017；Salehi和Mohammadzadeh，2017）。 Um diesen Status zu verbessern, ist der effiziente Zugang zu und die Verarbeitung von Gebäudeinformationen zu einem Hotspot der aktuellen Forschung geworden, in der die Extraktion von Gebäudedächen-Charakteristiken einer der entscheidenden Schritte ist.Dos等，2019Feng et al., 2019;王竞雪 等，2014）。 Die LiDAR-Technologie (Light Detection And Ranging) im Flugzeug ermöglicht den direkten Zugang zu hochpräzisen dreidimensionalen Geografikinformationen, aber aufgrund unterschiedlicher Datenerfassungsbedingungen wie Beobachtungsabstand, Objektreflexivität und klimatische Umgebung gibt es in der Regel ungleichmäßige Punktdichten in der Gebäudewolke, die vom LiDAR im Flugzeug erfasst wird.Yang等，2021）； Und die Punktwolkendaten selbst sind diskret und fehlen die notwendigen topologischen Beziehungen zwischen den Punkten (文学东 等，2019）。 Daher ist die Extraktion von Gebäudedachen auf der Grundlage von LiDAR-Punktwolkendaten weiterhin eine große Herausforderung.
Abhängig von der Lage und den Eigenschaften der Dachmerkmale können sie in Konturlinien, Dachrichtlinien und Stufenlinien unterteilt werden. Dabei ist die Konturlinie die Grenzlinie des Daches des Gebäudes, die sich in der Regel am Außenbereich des Daches befindet; Die Dachlinie ist eine Schnittstelle zwischen zwei benachbarten Dachflächen, die sich in der Regel innerhalb der Dachfläche befinden; Die Stufenlinie ist eine benachbarte Dachfläche in horizontaler Richtung, die sich mit der Fassadenstruktur kreuzt und ein Paar von Linien bildet, die in hoher Höhe vorhanden sind.
Die Extraktionsmethoden für die Dachkonturlinien von Gebäuden sind hauptsächlich in drei Arten unterteilt: auf der Grundlage der Methode des unregelmäßigen dreieckigen Netzes TIN (Triangulated Irregular Network), auf der Grundlage der Profilmerkmale und auf der Grundlage der Methode des Tiefenlernens. Die TIN-basierten Methoden umfassen Alpha-Formen, konvexe Rumpfe usw.惠振阳 等，2022）。 Alpha-Formen sind derzeit die am häufigsten verwendete Methode zur Konturlinienextraktion.沈蔚等（2008）Die erste Verwendung des Alpha-shapes-Algorithmus zur Extraktion von Dachkonturlinien aus einer ungeordneten Gebäudepunktwolke bestätigte die Wirksamkeit des Alpha-shapes-Algorithmus zur Extraktion von Dachkonturlinien, aber ein einziger kritischer Schwellenrollerradius war schwierig für Punktwolken mit ungleicher Dichte anzupassen. Um die Anwendbarkeit des Alpha-Shapes-Algorithmus zu verbessern,伍阳等（2021）Durch die Aufteilung des zweidimensionalen Netzes und die Berechnung der Glattheit des Grenznetzes wurde ein Alpha-Shapes-Algorithmus mit variablem Radius entwickelt, der die Anpassung an Punktwolken mit ungleichmäßiger Dichte deutlich verbessert, aber eine falsche Aufteilung des Grenznetzes kann zu einem Fehlen von lokalen Grenzpunkten führen. Der Kugelpaketalgorithmus bildet ein Kugelpolygon, indem er die äußersten Konturpunkte der Punktwolke verbindet, um die Grenzen der Punktwolke darzustellen (Lv等，2022Daher ist die Fähigkeit des Algorithmus, die Konturlinien zu extrahieren, begrenzt für die Punktwolken, die sich an der Grenze mit einer Vertiefung befinden. Der Extraktionsalgorithmus basierend auf Profilmerkmalen umfasst die Verteilung der Nachbarschaftsrichtung (Kong等，2023Minimum Boundary Rectangle (MBR) istCoiffier等，2021Vanian et al., 20 und virtuelle Gitter (Sun和Salvaggio，2013und Algorithmen.Kong等（2023）Der Algorithmus, der die Dachkonturen eines Gebäudes mithilfe einer Nachbarschaftsrichtungsverteilung extrahiert, eignet sich besser für Gebäude mit lokal unterschiedlicher Punktwolkendichte und komplexen Formen und ist einfacher, die Parameter einzustellen, kann aber keine Konturlinien in den Vertiefungsbereichen extrahieren und ist relativ ineffizient.Coiffier等（2021）Die mit der MBR-Methode extrahierten Konturlinien sind rechtwinklige Polygone, die keine unregelmäßige Randform ausdrücken können. Die von Sun et al. vorgeschlagene Methode des virtuellen Gitters extrahiert Gebäudekonturen, indem sie virtuelle Gitter auf der Punktwolke aufbauen, aber diese Methode wird von der Gitterkantenlänge beeinflusst, bei der sich die extrahierten Konturpunkte nach innen des Gebäudes verschieben, was dazu führt, dass die extrahierten Konturlinien kleiner sind als die tatsächliche Gebäudegrenze. Mit der Entwicklung des Deep Learning wurden Netzwerkrahmen vorgeschlagen, die zur Extraktion von Gebäudeprofilinformationen verwendet werden können, wie z.B.Bazazian和Parés（2021）Das vorgeschlagene EDC-Net-Framework undZhang等（2020）Die vorgeschlagenen 3-D-GMRGAN-Framework können effektiv extrahieren Architektur Kontur Informationen aus massiven Punktwolken, aber das Ergebnis der Extraktion ist Kontur Punkte Cluster, die eine topologische Beziehung fehlen, müssen diese Punkte Cluster nachbearbeitet werden, um eine einfache Anwendung der Punktkette Kontur Extraktion Ergebnisse zu erhalten.
Für die Dachkreifenextraktion ist hauptsächlich in die Dachkreifenextraktion auf der Grundlage der Flächenkreuzung und die Dachkreifenextraktion auf der Grundlage der globalen Charakteristikanalyse unterteilt.蒋星（2019）Bestimmen Sie die Lage der Dachlinie durch eine Mindestzweifache der angepassten Ebene, berechnen Sie die Kreuzung der Dachlinie mit dem Gebäude als Endpunkt der Dachlinie, der Abstand zwischen den beiden Endpunkten ist die Länge der Dachlinie, aber diese Methode berücksichtigt nicht die gemeinsame Oberfläche der mehrseitigen Punkte, daher gilt es nur für die Extraktion der einfachen Dachlinie des Gebäudes;吴华意等（2007）Verbesserte 3D-Hough-Transformation und Cluster-Analyse zur Erfassung der Parameter der Ebene der Dachflächen, um sicherzustellen, dass die gemeinsamen Flächenpunkte, die zu verschiedenen Flächen gehören, in mehrere unabhängige Flächen unterteilt werden können, um komplexere Dachlinien zu extrahieren;朱琴等（2018）Der Algorithmus RANSAC (Random Sample Consensus) wurde verwendet, um die Dachflächenwolke zu teilen, aber es gab eine Konkurrenz der Spitzenflächen der Spitzenlinie, die zu einer gewissen Verschiebung oder Abweichung der extrahierten Spitzenlinie führte. Um die Abhängigkeit von der Dachflächenabschnittsgenauigkeit zu vermeiden,Cai等（2023）Durch die Analyse der Krümmungscharakteristiken der Dachflächen wurde eine auf der Bergklettermethode basierende Methode zur Extraktion der Dachlinie vorgeschlagen, die erfordert, dass die Punkte auf der Dachlinie dichter sind und keine Löcher in der Punktwolke vorhanden sind.陈华伟等（2019）Durch die Erkennung der Krümmungsmutationspunkte werden die Punkte auf der ursprünglichen Dachlinie erhalten und die ursprünglichen Punkte mit Korrosionsalgorithmen verfeinert, ein Prozess, der bei Punktwolken mit ungleicher Dichte nach Korrosion zu einem Bruch der Charakteristiklinien führen kann, was zu einem Fehlen der lokalen Charakteristiklinien führt.Yu等（2024）Ein Algorithmus für die Extraktion von Dachlinien basierend auf der Verteilung von Punkten in der dreidimensionalen räumlichen Nachbarschaft wird vorgeschlagen, der die Punkte auf der Dachlinie filtert, indem er analysiert, ob in der Nachbarschaft einzelner Punkte in einer Richtung lineare Anordnungsmerkmale vorhanden sind. Der Algorithmus hat eine starke Anpassungsfähigkeit an Dachpunktwolken verschiedener Dachtypen, aber die Extraktion von Spinalpunkten ist zu stark auf Winkelschwellen angewiesen und empfindlicher auf Parameterwechseln.
Für die Extraktion von Stufenlinien nutzen die bestehenden Methoden mehrere verschiedene Ebenen zur Extraktion von Stufenlinien mit Höhenänderungen an derselben Fassade. Um eine zuverlässige Linie zu extrahieren,赵传（2020）Durch die Erzeugung einer dreidimensionalen Ebene, die sich an die benachbarten Punktketten mit größeren Differenzen anpasst, werden benachbarte Punktketten mit einer Punktkettenlänge, einem dreidimensionalen Planemethodvektor und einem Z-Achsenwinkel, der alle größer als eine bestimmte Schwelle ist, als echte Stufenlinien angesehen.高广（2014）Basierend auf der Entfernungsanalyse identifizieren Sie die Kandidaten-Stufenlinien aus den Konturlinien der einzelnen Dachflächen und bauen Sie einen Puffer für die Gitterverarbeitung auf, um die Stufenlinien zu generieren, indem Sie die benachbarten Gittereinheiten mit einer Höhenmutation zusammenfügen und mit einem Mindestzweimaltiplikat anpassen, aber für die fehlende Dachflächenwolke am ursprünglichen Punkt der Stufenlinie gibt es häufig Bruchsituationen.
Zusammenfassend, für die bestehenden Gebäude Dach Charakteristik Linie Extraktion Algorithmus weit verbreitete Extraktion Genauigkeit begrenzt, unzureichende Robustheit, und stark abhängig von Dach Oberfläche Trennung Effekt und andere Probleme, in diesem Artikel vorgeschlagen, auf der Grundlage von isotiefen Wald Grenze Dreieck Erkennung und auf der Grundlage von bidirektionaler Überlagerung Horizontale Verschiebung von Ridgellinie Punkt Extraktion Algorithmus, um die Dach Charakteristik Linie Extraktion frei von Dach Oberfläche Trennung zu erreichen.
2 Forschungsmethoden
Die in diesem Artikel vorgeschlagene Methode der gemeinsamen Grenzdreieckdetektion und der Extraktion von Gebäudedachmerkmalen mit bidirektionaler Überlagerung ist in drei Phasen unterteilt: Datenvorverarbeitung, Merkmalenextraktion und Merkmalenerzeugung: (1) Datenvorverarbeitungsphase: Berechnung des durchschnittlichen Punktabstands der Dachpunktwolke des Gebäudes, Aufbau eines TIN mit Delaunay-Dreieckssegments und Erstellung eines Equi-deep Forests (E-Forest), der die Abfrage der dreieckigen Nachbarschaft erleichtert; (2) Charakteristikpunkt-Extraktionsphase: Abfragen der unabhängigen Seiten jedes Dreiecks in TIN durch E-Forest, um einen Grenzpunkt mit topologischen Beziehungen zu extrahieren; Verschieben Sie das Zentrum jedes Dreiecks in TIN in zwei Richtungen entlang seiner juristischen Vektorrichtung, um eine verdoppelte Verschiebungspunktwolke an der Kreuzung zu erhalten, und verschieben Sie den Punkt an der Kreuzung entlang der entgegengesetzten Richtung des Verschiebungsvektors der beiden Seiten, um einen Punkt auf der Dachlinie des Gebäudes zu erhalten; (3) Phase der Erzeugung von Charakterlinien: Im Prozess der Erzeugung von Grenzlinien werden sie gemäß der topologischen Beziehung zwischen den Grenzpunkten geordnet, um geschlossene Mehrsegmentlinien zu erzeugen, vereinfacht durch den D-P-Algorithmus die geschlossene Mehrsegmentlinie, extrahiert die kritischen Wendepunkte und verbindet diese Wendepunkte zur Erzeugung vereinfachter Dachgrenzlinien; Bei der Erstellung der Dachlinie: nach der zweidimensionalen Überlagerung, um die Punkte der einzelnen Dachlinien zu erhalten, passen Sie die Punkte der einzelnen Gruppen von Dachlinien mit einer Mindestmultiplikation von zwei an, erhalten Sie die Parameter der dreidimensionalen Geraden der Dachlinie, projizieren Sie jede Gruppe von Dachlinien auf ihre jeweiligen dreidimensionalen Geraden und nehmen Sie die zwei am weitesten entfernten Projektionspunkte auf jeder Geraden als Endpunkte der Dachlinie; Schließlich werden die gewonnenen Grenzlinien und Punkte auf den Dachlinien fein bearbeitet, um die Extraktion der Charakteristiklinien des Daches des Gebäudes abzuschließen. Dieser Artikel basiert auf LiDAR Gebäude Dach Punktwolken Eigenschaften Linie Extraktion Prozess wieFig. 1gezeigt.
Die in diesem Artikel vorgeschlagene Methode der gemeinsamen Grenzdreieckdetektion und der Extraktion von Gebäudedachmerkmalen mit bidirektionaler Überlagerung ist in drei Phasen unterteilt: Datenvorverarbeitung, Kennzeichnungspunktextraktion und Kennzeichnungsliniengenerierung: (1) Datenvorverarbeitungsphase: Berechnung des durchschnittlichen Punktabstands der Dachpunktwolke des Gebäudes, Aufbau eines TIN mit Delaunay-Dreiecksegments und Erstellung eines E-Waldes (Equi-deep forest), der die Abfrage der dreieckigen Nachbarschaft erleichtert; (2) Charakteristikpunkt-Extraktionsphase: Abfragen der unabhängigen Seiten jedes Dreiecks in TIN durch E-Forest, um einen Grenzpunkt mit topologischen Beziehungen zu extrahieren; Verschieben Sie das Zentrum jedes Dreiecks in TIN in zwei Richtungen entlang seiner juristischen Vektorrichtung, um eine verdoppelte Verschiebungspunktwolke an der Kreuzung zu erhalten, und verschieben Sie den Punkt an der Kreuzung entlang der entgegengesetzten Richtung des Verschiebungsvektors der beiden Seiten, um einen Punkt auf der Dachlinie des Gebäudes zu erhalten; (3) Phase der Erzeugung von Charakterlinien: Im Prozess der Erzeugung von Grenzlinien werden sie gemäß der topologischen Beziehung zwischen den Grenzpunkten geordnet, um geschlossene Mehrsegmentlinien zu erzeugen, vereinfacht durch den D-P-Algorithmus die geschlossene Mehrsegmentlinie, extrahiert die kritischen Wendepunkte und verbindet diese Wendepunkte zur Erzeugung vereinfachter Dachgrenzlinien; Bei der Erstellung der Dachlinie: nach der zweidimensionalen Überlagerung, um die Punkte der einzelnen Dachlinien zu erhalten, passen Sie die Punkte der einzelnen Gruppen von Dachlinien mit einer Mindestmultiplikation von zwei an, erhalten Sie die Parameter der dreidimensionalen Geraden der Dachlinie, projizieren Sie jede Gruppe von Dachlinien auf ihre jeweiligen dreidimensionalen Geraden und nehmen Sie die zwei am weitesten entfernten Projektionspunkte auf jeder Geraden als Endpunkte der Dachlinie; Schließlich werden die gewonnenen Grenzlinien und Punkte auf den Dachlinien fein bearbeitet, um die Extraktion der Charakteristiklinien des Daches des Gebäudes abzuschließen. Dieser Artikel basiert auf LiDAR Gebäude Dach Punktwolken Eigenschaften Linie Extraktion Prozess wieFig. 1gezeigt.
2.1 Datenverarbeitung
Abhängig von objektiven Faktoren wie Flughöhe, Gerätemodell und Klimabedingungen weisen verschiedene LiDAR-Punktwolken an Bord in der Regel große Dichteunterschiede auf. Um sicherzustellen, dass sich der Algorithmus an die Punktwolken mit unterschiedlicher Dichte anpasst, wird in diesem Artikel der Durchschnittswert des Abstands zwischen jedem Punkt und dem nächsten Punkt in der Dachflächenwolke als durchschnittlicher Punktabstand d für den nachfolgenden TIN-Aufbau, die Extraktion von Merkmalenpunkten und die Präzisionsanalyse von Merkmalenlinien verwendet.
Angesichts des Mangels an topologischen Beziehungen zwischen LiDAR-Punktwolkendaten am Flugzeug wird in diesem Artikel ein dreieckiges Gittermodell für die Punktwolke auf dem Dach eines Gebäudes aufgebaut, in dem jedes Dreieck die Eigenschaften des minimalen Winkels, des leeren Kreises und anderer hat, die eine hohe Stabilität haben. Um die Erzeugung von regionalen Dreiecken wie Vertiefungen und Stufenstrukturen zu begrenzen, wird bei der Konstruktion eines TIN in diesem Artikel die maximale Kantenlänge L auf eine durchschnittliche Punktabstandsgröße festgelegt, die nmal ist, d.h. L=n×d.
Obwohl ein auf Punktwolkendaten basierendes Gebäudedachdreieckgittermodell in der Lage ist, komplexe Dachflächen präzise auszudrücken, ist die Datenstruktur und die topologische Beziehung komplex, was zu einer ineffizienten Abfrage führt.张雨禾 等，2015）。 Um die Abfrageeffizienz zu verbessern, verwenden bestehende Wissenschaftler verschiedene Datenstrukturen, um einen Nachbarschaftsraumsindex wie KD-tree (杨丽娟 等，2023）、 R-tree（龚俊 等，2011）、 Octree（张蕊等，2018usw., um die Effizienz der Dreiecksuche und Positionierung in lokalen Gebieten zu erhöhen. Obwohl diese Datenstrukturen die Abrufeffizienz verbessern, sind die Aufbau- und Wartungskosten höher. Um diese Frage zu lösen, erstellt dieser Artikel einen gleichtiefen Wald E-Wald (Equi-deep forest), der die Abfrage von dreieckigen Nachbarschaften erleichtert, wobei jedes Dreieck einen unabhängigen Wurzelknoten bildet und mehrere geordnete Bäume mit einer Tiefe von 3 erstellt.Fig. 2gezeigt.
Um verschiedene Nachbarschaften zwischen benachbarten Dreiecken zu unterscheiden, werden benachbarte Dreiecke mit zwei öffentlichen Spitzen als gemeinsame Dreiecke bezeichnet und benachbarte Dreiecke mit nur einem öffentlichen Spitzenpunkt als gemeinsame Dreiecke bezeichnet. Die Summe der Grade des zweitagigen Zweigknotes im E-Forest entspricht der Anzahl der benachbarten Dreiecke, wobei der Grad des linken Teilknotens die Anzahl der Kolateraldreiecke in der aktuellen Dreiecknabstand darstellt; Der Grad des rechten Teilknotens zeigt die Anzahl der gemeinsamen Dreieckspunkte im aktuellen Dreiecksbereich an. wieFig. 2Im Dreieck T6 sind insgesamt zwölf Dreiecke benachbart, darunter drei gemeinsame Dreiecke und neun gemeinsame Punktdreiecke; Das Dreieck T8, das sich an der Grenze befindet, hat nur zwei Dreiecke in seiner Nachbarschaft, so dass der linke Knotengrad seines benachbarten Beziehungsbaums 2 ist.
2.2 Extraktion von Merkmalen
Dieser Abschnitt schlägt eine Methode vor, die auf der Punktwolke des Daches des Gebäudes basiert, indem man zuerst das Grenzdrieck mit dem linken Knotengrad <3 im E-Forest findet und dann die Anzahl der Auftritte aller Spitzen des Grenzdriecks in seinem gemeinsamen Dreieck zählt und die Spitzen mit der wiederholten Auftrittszahl <2 als Grenzpunkte bezeichnet; Für die Extraktion von Merkmalen auf der Dachlinie wird jedes Dreieckszentrum in der TIN entlang seiner juristischen Vektorrichtung nach oben und nach unten verschoben, um eine verdoppelte Verschiebungspunktwolke an der Kreuzung zu erhalten, um den Punkt an der Kreuzung entlang der entgegengesetzten Richtung des Verschiebungsvektors der beiden Seiten zu verschoben, um den Punkt auf der Dachlinie des Gebäudes zu erhalten. Abschließen Sie schließlich die Extraktion von Punkten für die Eigenschaften des Daches des Gebäudes.
2.2.1 Grenzpunktextraktion basierend auf unabhängiger Randerkennung
Bei Gebäudedächern mit stufenförmigen Strukturen kann die längste Randbegrenzung, die bei der Erstellung eines Dreiecksgittermodells verwendet wird, das Dreiecksgittermodell des Gebäudedächers in mehrere unabhängige TIN-Gruppen unterteilen, wodurch die TIN-Grenzen sowohl Konturlinien als auch Punkte auf Stufenlinien enthalten.
Detailliertes Modell des Dachs eines GebäudesFig. 3In diesem Artikel werden die Konturpunkte und die Stufenpunkte im Dreiecksgittermodell als die Grenzpunkte der jeweiligen TIN-Gruppen bezeichnet und die beiden benachbarten Grenzpunkte als unabhängige Seiten bezeichnet. Da das Dreieck, an dem der Grenzpunkt liegt, 1-2 unabhängige Seiten hat, führt die Anzahl der Seitendreiecke, an denen der Grenzpunkt liegt, zu <3, d.h. der linke Knotengrad des Baums, an dem das Grenzdrieck im E-Forest entspricht <3, daher wird in diesem Dokument das linke Knotengrad des Baums, an dem das Dreieck entspricht <3, als das Grenzdrieck angesehen, basierend auf der gemeinsamen Anzahl der Seitendreiecke und den jeweiligen Seitendreieckspitzen, um den Grenzpunkt zu bestimmen, wie folgt:
(1) Durchlaufen Sie jeden Baum im E-Wald und markieren Sie den Baum mit dem linken Knotengrad <3 als Grenzbaum, der in jedem Grenzbaum ein Grenzdrieck enthält;
(2) Zufällig einen Grenzbaum auswählenStatistikDie Anzahl der Wiederholungen des Spitzens des zu behandelnden Dreiecks in seinem Kolateraldreieck wird als Grenzpunkt bezeichnet, der die Anzahl der Wiederholungen <2 hat;
(3) Wiederholen Sie Schritt (2), durchlaufen Sie alle Grenzbaume und entfernen Sie die doppelten Grenzpunkte, um den Grenzpunktsatz des Dreiecksrastermodells zu erhalten.
(4) Anhand der Konnektivität der unabhängigen Seiten zwischen den gemeinsamen Punktgrenzdriecken und der Konnektivität der beiden unabhängigen Punkte an den unabhängigen Seiten wird die Reihenfolge zwischen den Grenzpunkten bestimmt, um mehrere geschlossene mehrstückige Linien zu erhalten, die aus Grenzpunkten bestehen.
2.2.2 Extraktion von Dachlinienpunkten auf Basis einer bidirektionalen Überlagerung
Die Dachlinie des Gebäudes ist die Kreuzung von zwei benachbarten Flächen, basierend auf der Höhe und Tiefe der Dachlinie im Vergleich zu der Lage der beiden benachbarten Flächen, kann sie in die Hobe Dachlinie und die Konkrete Dachlinie unterteilt werden, siehe DetailsFig. 4 . durchFig. 4Es ist sichtbar, dass die beiden benachbarten Dachflächen an der Hohldachrückenlinie entlang ihres Wektors nach unten verschoben werden, um eine sich in der Nähe der Hohldachrückenlinie kreuzende gerade Linie zu erhalten. vonFig. 4Es ist sichtbar, dass die beiden benachbarten Dachflächen an der Konkurvenrückenlinie entlang ihrer Wektorrichtung nach oben versetzt werden, um eine Kreuzungslinie in der Nähe der Konkurvenrückenlinie zu erhalten. Wenn die Dachpunktwolke entlang der Schieberichtung in gleichem Abstand verschieben wird, fällt der Punkt in der Nähe der Rückenlinie ebenfalls auf die Kreuzung, zu diesem Zeitpunkt verdoppelt sich die Dichte des Schiebepunkts auf der Kreuzung im Vergleich zur Dichte der ursprünglichen Dachpunktwolke, verschiebt der Punkt auf der Kreuzung entlang der entgegengesetzten Richtung des Vektors der Schieberichtung der beiden Seiten, um den Punkt auf der Gebäudelinie zu erhalten.
Dieser Artikel verwendet den Wektor jedes Dreiecks in einem Dachdreieckrastermodell als Schieberichtung, umzur Entfernung,Wo k das Vielfache des durchschnittlichen Punktabstands d ist, wird der Mittelpunkt jedes Dreiecks jeweils entlang der jeweiligen juristischen Vektorrichtung nach oben und nach unten verschoben, um eine bidirektionale Verschiebung der Punktwolke zu erhalten, wie z.B.Fig. 5gezeigt. Idealerweise sollte der Abstand zwischen jedem Schiebepunkt gleich sein, und jeder Quadratmeter auf der Dachebene sollteEin Punkt, mit einem Schiebepunkt als Kugelzentrum, um den Radius zu etablierenSphärische Zonen. In jedem kugelförmigen Bereich gibt es unzählige runde Querschnitte, aber es gibt nur kontinuierlich gleichmäßig verteilte Verschiebungspunkte auf einzelnen Querschnitten, die in diesem Artikel als Bit-Querschnitt bezeichnet werden und die Verschiebungspunkte auf der Kreuzung als Kreuzungspunkte bezeichnet werden. Der Verschiebungspunkt auf der Dachfläche, in dessen Sphäre nur ein kleiner Schnitt vorhanden ist, wieFig. 5im mittleren roten Querschnitt; Im Bereich der Kreuzung befinden sich zwei Schnittstellen, wieFig. 5Im mittleren blauen Querschnitt. In diesem Artikel wird daher der Verschiebungspunkt der Anzahl der Punkte > 1,5 n als Punkt auf der Kreuzung betrachtet, wobei n wie folgt berechnet wird:式（1）gezeigt.
In der Formel ist n die Anzahl der einzelnen Punkte in der Sphäre, die ein wenig oberhalb des Schnittes liegen, r der Radius der Sphäre und d der durchschnittliche Punktabstand der Punktwolke auf dem Dach eines Gebäudes.
Angesichts der unterschiedlichen Abstände zwischen den Punkten in der Punktwolke ist der durchschnittliche Punktabstand der Durchschnittswert der Abstände zwischen den Punkten und dem nächsten Punkt. =d In der Nachbarschaft, die für den Radius aufgebaut ist, gibt es normalerweise keine anderen Punkte als den Kugelzentrum; Bei ungleichmäßigen Punktwolken wird =2dStatistik ist etwas schlechter Stabilität der Anzahl der Flächen, daher erweitert dieser Artikel den Erkennungsradius weiter.＝3d。 Außerdem gehören die Kreuzungspunkte in der Nähe zu mehreren Kreuzungspunkten, wieFig. 5Der Bereich im schwarzen Feld zeigt, wodurch die Zuordnung von Kreuzungspunkten in der Nähe der Kreuzung schwierig ist. Um die umgekehrte Verschiebungsrichtung verschiedener Punkte an der Kreuzung zu bestimmen, entfernt dieser Artikel zuerst die Kreuzungspunkte in der Kreuzungsbenachbarung und gruppiert die verbleibenden Kreuzungspunkte in mehrere Gruppen von Punkten, die unabhängig voneinander verschiedene Kreuzungen repräsentieren, um die umgekehrte Verschiebungsrichtung der einzelnen Gruppen von Kreuzungspunkten zu bestimmen.
Da der Kreuzungspunkt aus mindestens 3 verschoben Dachflächen besteht, führt es zu mindestens 3 Bit-Schnitten in der Sphäre, die als Kreuzungspunkt aufgebaut wurde, daher betrachtet dieser Artikel den Verschiebungspunkt der Sphäre > 3n als anfänglichen Kreuzungspunkt, verwenden Sie den DBSCAN-Algorithmus, um die anfängliche Kreuzungssammlung zu gruppieren, um den anfänglichen Kreuzungspunktcluster zu erhalten, den Durchschnittswert der Punktkoordinaten in jedem anfänglichen Punktcluster als Kreuzung zu verwenden, entfernen Sie den Abstand von Kreuzungen kleiner alsMit dem DBSCAN-Algorithmus werden die verbleibenden Kreuzungspunkte wieder zusammengefasst, um mehrere Gruppen von Kreuzungspunkten zu erhalten, die sich jeweils an verschiedenen Kreuzungen befinden, wobei die Punkte in jedem Kreuzungspunkt-Cluster eine Verschiebung von zwei benachbarten Flächen darstellen. Aufgrund der möglichen Oberflächenverformung des Daches des Gebäudes, der Einfluss von LiDAR-Datenerfassungsfehlern an Bord und anderen Faktoren gibt es eine gewisse Abweichung zwischen den verschiedenen Dreieckvektoren auf der gleichen Dachfläche, aber diese Abweichung ist viel kleiner als die Abweichung zwischen den Dreieckvektoren auf den verschiedenen Dachflächen. In diesem Artikel durch Berechnung des Abweichungswinkels zwischen den beiden Verschiebungspunktvektoren werden die Verschiebungspunkte des Kreuzungspunktclusters mit einem Abweichungswinkel kleiner als Tβ in die gleiche Sammlung hinzugefügt. Um individuelle Rauscheinflüsse zu verhindern, werden die beiden Gruppen der größten Verschiebungspunkte als Punkte auf zwei verschiedenen Flächen verwendet, wobei der Mittelwert des Verschiebungspunktvektors in beiden Sammlungen als die beiden Verschiebungsrichtungen des aktuellen Kreuzungspunktclusters verwendet wird. Durch die Analyse der Klemmwinkel zwischen den üblichen Dach-benachbarten Flächenverktoren ist bekannt, der Klemmwinkel zwischen benachbarten Dach-Flächenverktoren ist in der Regel > 10 ° (王竞雪 等 ，2023Daher nimmt dieser Artikel Tβ=10° als Winkelschwelle für die Verschiebungspunktgruppe.
Fig. 6Seitenansicht der Wolken für das nachgeschaltete Dach. Unter ihnen,Für einen Verschiebungspunkt im Kreuzungspunktcluster sind die beiden Verschiebungsrichtungen des aktuellen Kreuzungspunktclustersund， θ im dreidimensionalen RaumundDie Hälfte der Ecke. Punkte setzenEntgegengesetzte Richtung der Summe der vektoren, die sich entlang der beiden Seiten bewegenVerschieben Sie L, um einen Punkt auf der Dachlinie zu erhaltenUnter ihnen、Verschieben Sie die einzelnen Gruppen von Kreuzungspunkten in der jeweiligen Umkehrrichtung, um mehrere unabhängige Gruppen von Dachlinienpunkten zu erhalten.
2.3 Charakteristik-Generation
Dieser Artikel verwendet die Douglas-Peuker-D-P-Algorithmen und die Minimum-Double-Fit-Algorithmen, um die Grenzlinien und die Dachlinien von Gebäudedächern zu generieren. Für die extrahierten Grenzlinien wird ein Grenzpunkt als Ausgangsgrenzpunkt auf dem TIN zufällig ausgewählt und die übrigen Grenzpunkte in Kombination mit der gemeinsamen Punktbenachbarung zwischen den Dreiecken in Folge verbunden, um eine geschlossene Mehrsegmentlinie zu erzeugen; Es wird durch den D-P-Algorithmus vereinfacht, um die kritischen Wendepunkte der Grenzlinie zu erhalten und eine geschlossene Dachgrenzlinie basierend auf der Reihenfolge der Punkte auf mehreren Linien zu generieren. Die Extraktion von Dachlinien verwendet eine Mindestmultiplikation von zwei, um die einzelnen Gruppen von Dachlinienpunkten anzupassen, um die Parameter der dreidimensionalen Geraden der Dachlinie zu erhalten und die einzelnen Gruppen von Dachlinienpunkten auf die jeweiligen dreidimensionalen Geraden zu projizieren, um die beiden am weitesten entfernten Punkte als Endpunkte der Dachlinie auszuwählen; Durch das Sieben der Kreuzungslinien durch eine doppelte Schwellengrenze und die Kreuzung der Kreuzungslinien als Endpunkt der neuen Kreuzungslinien wird die Extraktion der Dachlinie abgeschlossen.
2.3.1 Generierung von Grenzlinien basierend auf D-P-Algorithmen
Da die unabhängige Randdetektion eine große Anzahl von diskreten Grenzpunkten auf der geschlossenen Mehrsegmentlinie extrahiert hat, was den parametrischen Ausdruck der Dachgrenze ungünstig macht, vereinfacht dieser Artikel sie mit einem D-P-Algorithmus mit Schiebe- und Rotationsstabilität, um die wichtigsten Wendepunkte zu erhalten und die Dachgrenze in der Folge zu generieren.
Da der herkömmliche D-P-Algorithmus verwendet wird, um kritische Wendepunkte für geschlossene Mehrsegmentlinien zu filtern, ist die Auswahl der Endpunkte zufällig und die Standardendpunkte sind kritische Wendepunkte, was zu einer Redundanz in den kritischen Wendepunkten führt, die gefiltert werden. Zu diesem Zweck wird in diesem Artikel eine benachbarte unabhängige Seitenklemme-Winkelbeschränkung hinzugefügt, unabhängige Seitenendepunkte außerhalb der Ecke als Anfangs- und Endpunkte ausgewählt, um die Notwendigkeit von kritischen Wendepunkten zu gewährleisten. mitFig. 7Beispielsweise in der grauen Anfangsgrenze sind die konkreten Implementierungsschritte wie folgt:
(1) Wählen Sie zufällig eine unabhängige Seite in der ursprünglichen Grenzlinie aus und berechnen Sie den Zwischenwinkel zwischen dieser unabhängigen Seite und zwei unabhängigen Seiten im dreidimensionalen RaumundWenn、Durchschnittlich > 150 °, dann die beiden Grenzpunkte der aktuellen unabhängigen Seiten als Anfang und Ende; Stattdessen wird eine andere unabhängige Seite gewählt, bis die unabhängige Seite die Bedingungen erfüllt. Die gerade Linie, in der die unabhängige Seite zuerst diese Bedingung erfüllt, wird als erste Basislinie gekennzeichnet. wieFig. 7Wie gezeigt, ist der blaue feste Linienabschnitt mit den Punkten 1 und 12 als ersten Endpunkte die erste Basislinie.
(2) Berechnen Sie im dreidimensionalen Raum den vertikalen Abstand von jedem Grenzpunkt zwischen den beiden Endpunkten der Basislinie zu der Basislinie, wenn der größte vertikale Abstand ≤die aktuellen Benchmarks direkt löschen; Ansonsten wird der entsprechende Punkt als kritischer Wendepunkt gekennzeichnet. Referenz洪绍轩等（2020）Auswahl der Schwelle in diesem BefehlVerbinden Sie die beiden Grenzpunkte der Benchmarklinie mit den kritischen Wendepunkten, um zwei neue Benchmarklinien zu erstellen und die ursprüngliche Benchmarklinie zu löschen. mitFig. 7Zum Beispiel die erste mittlere Basislinie, der Punkt 7 ist der Grenzpunkt, der am weitesten von der Basislinie entfernt ist und der vertikale Abstand größer ist alsDaher werden die Linien am Punkt 1:7 und am Punkt 7:12 jeweils als Grundlinie gekennzeichnet und die erste Grundlinie gelöscht.
(3) Wählen Sie eine andere Benchmarklinie und wiederholen Sie Schritt 2, bis es keine Benchmarklinie mehr an der aktuellen ursprünglichen Grenzlinie gibt.
(4) Entfernen Sie die ersten und letzten Endpunkte und verbinden Sie die verbleibenden Schlüsselbewegungspunkte nach der Reihenfolge zwischen den Punkten auf der ursprünglichen Grenzlinie, um eine vereinfachte Grenzlinie zu erzeugen.
2.3.2 Erstellung von Dachlinien auf Basis einer minimalen Doppelpassung
Nachdem Sie den Charakteristikpunkt-Cluster für jede Dachlinie durch eine bidirektionale Überlagerung erhalten haben, passen Sie die Gruppen von Dachlinienpunkten durch den Minimum-Doppelfach-Algorithmus an, erzeugen Sie die Parameter der dreidimensionalen Linie, in der die Dachlinie liegt, und setzen Sie die Gruppen von Dachlinienpunkten auf den weitesten Verschiebungspunkt auf der jeweiligen dreidimensionalen Linie als Endpunkt der Dachlinie. mitFig. 8Ein Beispiel für den Dachliniencluster,Um eine dreidimensionale Linie zu erhalten, die mit einer Mindestmultiplikation von zwei auf den Dachpfeil angepasst wird, wird jeder Punkt des Dachpfeils in vertikaler Richtung aufErhalten Sie eine Reihe von Punktenwobei j die Anzahl der Mittelpunkte des Dachlinienpunktclusters ist. BerechnenDer Abstand zwischen jedem Punkt im dreidimensionalen Raum, der die beiden am weitesten entfernten Punkte、Als Endpunkt der Dachlinie angesehen.
2.3.3 Verfeinerung der Endpunkte der Charakterlinie
Dieser Artikel verwendet verschiedene Strategien, um die Dachlinie und die Dachlinie des Gebäudes Schritt für Schritt zu extrahieren, ohne die Verbindung zwischen beiden zu berücksichtigen, was dazu führt, dass die extrahierte Grenzlinie und die Dachlinie unabhängig voneinander sind und nicht mit der eigentlichen Dachlinie des Gebäudes übereinstimmen, so dass die Endpunkte der einzelnen Merkmale weiter verfeinert werden müssen.
Da es öffentliche Endpunkte zwischen den einzelnen Kreuzungslinien des Daches gibt, sollte es einen näheren Endpunkt zwischen den Kreuzungslinien des gleichen Namens geben, um zu verhindern, dass die Kreuzung verschiedener paralleler Kreuzungslinien zu weit ist, verbindet dies die Abstandsschwelle Fm mit der Winkelschwelle Fn gemeinsam, um das Screening der Kreuzungslinien zu binden und die Kreuzung der Kreuzungslinien als ihren neuen Endpunkt zu verwenden, wie folgt:
(1) Wählen Sie zufällig zwei Charakteristiklinien L1, L2, berechnen Sie den Mindestabstand zwischen L1 und L2 Endpunkten Dmin und L1 und L2 in zweidimensionaler horizontaler Richtung, der Zwischenwinkel Ang, Dmin kleiner als Fm und Ang kleiner als Fn (In diesem Artikel werden zwei Kreuzungslinien mit einem Zwischenwinkel von > 170 ° als Charakteristiklinien in derselben Richtung betrachtet, so dass Fn = 170 °), dann werden L1, L2 als zwei benachbarte Charakteristiklinien betrachtet, die eine Kreuzung haben;
(2) Projektion von L1 und L2 auf die horizontale Ebene und Berechnung ihrer Schnittstelle H in der horizontalen Ebene mit den Koordinaten der X Achse und der Y Achse von H und den Koordinaten der Z Achse des ursprünglichen Endpunkts als Endpunktkoordinaten der nahen Schnittstelle von L1 und L2;
(3) Wiederholen Sie die Schritte 1-2 und durchlaufen Sie alle Kombinationen der Merkmale, um die vorläufige Korrektur des Endpunkts der Merkmale zu beenden.
Aufgrund der Möglichkeit, dass sich 3 oder mehr Merkmale im realen Dach kreuzen, kann der Korrekturprozess der ersten Korrektur mehrere gleichnamige Endpunkte an der Kreuzung erzeugen, wie z.B.Fig. 9gezeigt. Daher müssen sie zusammengeführt werden, um mehrere Endpunkte mit dem gleichen Namen zu normalisieren. In diesem Artikel werden Endpunkte mit Abständen kleiner als Fm als Endpunkte mit dem gleichen Namen behandelt und der Mittelwert der Koordinaten der X Achse und Y Achse der Endpunkte mit dem gleichen Namen als einzigartige Endpunkte verwendet, an denen sich mehrere Charakterlinien kreuzen. Nach der Normalisierung der Endpunktkoordinaten mit dem gleichen Namen werden die Koordinaten der X Achse und der Y Achse und der Durchschnittskoordinaten der Z Achse für jede Gruppe von Endpunkten mit dem gleichen Namen kreist, um eine Sphäre mit einem Radius von Fm aufzubauen, um die Höhe der ursprünglichen Endpunkte mit dem gleichen Namen durch den Durchschnittswert der Höhe des Daches des ursprünglichen Gebäudes in der Sphäre zu ersetzen, um die Verfeinerung aller charakteristischen Endpunkte zu beenden.
Um die geeignete Schwelle für die Verfeinerung des Endpunkts der Charakterlinie zu wählen, werden in diesem Artikel verschiedene Größen von Fm Paaren verwendet.Fig. 9Die anfänglichen Optimierungsergebnisse der Linienendpunkte werden verarbeitet, wieFig. 10gezeigt. Durch die Analyse verschiedener Werte von Fm ist bekannt, wenn Fm3 d, da der Mindestabstand der gleichnamigen Endpunkte zwischen den sich kreuzenden Charakterlinien kleiner ist als der Schwellenwert Fm, führt es zu einem Bruch an einigen Endpunkten der Charakterlinien, wie z.B.Fig. 10Bereich im schwarzen Feld angezeigt; Wenn Fm=4d, werden die Endpunkte der Charakterlinie überschneiden und optimiert. Daher wird in diesem Artikel Fm=4d als Verfeinerungsschwelle für die Endpunkte der Charakterlinie ausgewählt.
3 Experimentelle Ergebnisse und Präzisionsanalyse
3.1 Experimentelle Daten
Um die Wirksamkeit der in diesem Artikel beschriebenen Methode zu überprüfen, wurden in diesem Artikel zwölf Gruppen von Gebäudepunktwolken mit unterschiedlichen Dachstrukturen als Testdatensatz ausgewählt und die einzelnen Gruppen von Gebäudepunktwolken in der Reihenfolge B1-B12 aufgeführt. B1 bis B8 stammt aus dem Building3D-Datensatz (Wang等，2023Der Building3D-Datensatz, zu dem er gehört (ISPRS, 2022), hat eine höhere Punktdichte und relativ vollständige Grenzpunkte, wobei die ausgewählten B1-B8 eine Vielzahl von gängigen Gebäudetypen im Building3D-Datensatz abdecken; B9-B12 stammt aus dem Vaihingen-Datensatz, der von der ISPRS (International Society for Photogrammetry and Remote Sensing) zur Verfügung gestellt wurde, im Vergleich zum Building3D-Datensatz ist die Dichte des Vaihingen-Datensatzes ungleich, die spezifischen Bedingungen der einzelnen Datensätze und das mit dem Datensatz verbundene Drahtrahmenmodell sind z.B.Fig. 11gezeigt.
3.2 Auswirkungen verschiedener Parameter <i>k</i> auf die Extraktionsergebnisse von Dachlinienpunkten
Die Extraktion der Dachlinienpunkte des Gebäudes kann die strukturellen Merkmale des Daches des Gebäudes vorläufig bestimmen und ist die Grundlage für die Erzeugung der nachfolgenden Merkmale. Bei der Extraktion von Dachlinienpunkten auf Basis einer bidirektionalen Überlagerung wird der durchschnittliche Punktabstand kmal als Verschiebungsabstand des Dreieckszentrums verwendetZum Vergleich der Auswirkungen verschiedener Parameter k auf die Extraktionsergebnisse der Dachlinien wird in diesem Artikel 3 repräsentative Gruppen von Dachflächenwolken B7, B8 und B9 als experimentelle Daten ausgewählt. Die Extraktionsergebnisse der Dachlinien unter verschiedenen k Werten sind wie folgt:Fig. 12gezeigt.
Fig. 12Extrahiert das Ergebnis für Dachlinienpunkte unter verschiedenen k-Werten. Bekannt: wennWenn aufgrund der kürzeren Verschiebungsabstand, Verschiebungspunkte auf verschiedenen Flächen Schnitt Phänomen nicht offensichtlich, was zu extrahierten Dachlinien Punkte dünner, nicht vollständig alle Dachlinien abdecken, schwarzes Rechteck Bereich Dachlinien Punkte Cluster offensichtlich fehlen (Fig. 12und b); WennWenn die Dichte des Dachlinienpunkts im schwarzen Rechteckbereich deutlich erhöht wird, kann der erhaltene Dachlinienpunkt die strukturelle Information der inneren Merkmale des Daches vollständig aufzeichnen (Fig. 12und d); Mit der weiteren Erhöhung des Wertes k verbreiterte sich der Dachgriff-Punktcluster allmählich, aber die Fähigkeit zum Ausdruck von Charakterlinien verbesserte sich nicht deutlich und der extrahierte Charakterliniencluster wurde sogar kürzer (Fig. 12）。 Zusammenfassend, unter Berücksichtigung der genauen Extraktion von Dachlinienpunkten und der Effizienz der nachfolgenden Charakterlinienerzeugung, wählen Sie in diesem Artikel k = 4,0 als BestimmungParameter der Größe.
3.3 Gebäude Dach Charakteristik Linie Extraktion Ergebnisse und Analyse
Um die Vorteile dieser Algorithmus-Extraktion von Charakterlinien zu beweisen, wird in diesem Artikel jeweils鲍娣（2017）、Yu等（2024）Die Methode der Charakterlinie-Extraktion wird verglichen und durch klassische Präzisionsindikatoren die Leistung der drei Algorithmen qualitativ und quantitativ analysiert, um die Vorteile dieses Algorithmus im Vergleich zu bestehenden Charakterlinie-Extraktionsmethoden genau zu bewerten und potenzielle Verbesserungsräume zu finden.
3.3.1 Qualitative Analyse der Ergebnisse der Charakterlinienextraktion
Unterschiedliche AlgorithmenFig. 11Die gezeigten 12 Gruppen von Gebäuden Dach Punktwolken Daten für Charakteristik Linie Extraktion, Extraktion Ergebnisse wieFig. 13gezeigt. Um die Genauigkeit der Referenzmerklinien zu gewährleisten, wird in diesem Artikel der im Datensatz zur Verfügung gestellte Dachdraht als Referenzmerklinie verwendet.
Für komplexere Gebäude mit Dachstruktur, wie die schwarzen Pfeile in B4 und B12, die sich auf die Dachfläche beziehen, enthalten gleichzeitig Konkrete und Konkrete Linien, verwendet dieser Algorithmus eine bidirektionale Verschiebung, um die Konkrete und Konkrete Linien zu extrahieren, um sicherzustellen, dass jede Dachlinie in der Lage ist, dichtere Dachlinienpunkte zu extrahieren, um die gegenseitigen Störungen der verschiedenen Konkreten Linien an der Kreuzung zu reduzieren, um sicherzustellen, dass der Algorithmus eine höhere Inklusivität für komplexe Dächer hat. wegen鲍娣（2017）Die verwendete Methode der Extraktion von Dachlinien hängt zu sehr von den Ergebnissen der Dachflächenteilung ab und muss die topologische Beziehung zwischen den einzelnen Flächen beurteilen, um die benachbarte Flächenkreuzung zu bestimmen, wenn die Ergebnisse der Dachflächenteilung oder die topologische Beziehung fehlerhaft sind, führt dies direkt zu einer Abweichung, Fehlen, Fehlern und anderen seltsamen Extraktionsergebnissen. Wenn die Flächenteilungsgenauigkeit von B2 niedriger ist, führt dies zu einer Abweichung des charakteristischen Linienendepunkts im Bereich des schwarzen Feldes; Außerdem ist der Ablenkwinkel zwischen den beiden Dachflächen, die B5 bilden, zu klein, was dazu führt, dass die Dachfläche als die gleiche Fläche betrachtet wird, wenn sie aufgeteilt wird, was dazu führt, dass die Dachlinie im schwarzen Rahmen fehlt.
Außerdem鲍娣（2017）Bei der Zusammenführung verschiedener Arten von Merkmale Linie Endpunkte, direkt im dreidimensionalen Raum, um die öffentlichen Endpunkte der internen Merkmale Linie und externen Merkmale Linie zu bestimmen, aufgrund der Höhe der Punkte in der Punktwolke gibt es einen bestimmten Fehler, was zu den einzelnen öffentlichen Endpunkten nach der Zusammenführung im dreidimensionalen Raum sinkt oder schwebt, wie in der blauen Box-Bereich in B6, B8 gezeigt. Für das Dach der vorhandenen Stufenlinienstruktur, daYu等（2024）In der zweidimensionalen horizontalen Richtung ist es nicht möglich, die linearen Verteilungsmerkmale der Stufenlinienpunkte im dreidimensionalen Raum zu analysieren, was zu einem Fehlen der Stufenlinien in den Extraktionsergebnissen führt, wie der Bereich, der von den violetten Pfeilen in B3 und B11 angezeigt wird. Aber für stufenförmige Strukturen, die in horizontaler Richtung weit voneinander entfernt sind, wie das Gebäude B10,Yu等（2024）Es wird als zwei unabhängige Gebäudedächer behandelt, so dass alle Merkmale des Gebäudedächers effektiv extrahiert werden können.
In diesem Artikel werden Endpunkte in einer zweidimensionalen Ebene zusammengeführt und die Höhe des Endpunkts in einem dreidimensionalen Raum wiederhergestellt, um die Auswirkungen lokaler Punktwolkenhöhenschwankungen auf die Extraktionsergebnisse der Merkmale zu unterdrücken und sicherzustellen, dass die extrahierten Merkmale näher an der realen Dachfläche liegen. Von Objekten wie Bäumen, Nebengebäuden und anderen abgeschaltet, sind Gebäude in der Regel lokal fehlend oder dünn in der Punktwolke. Bei offensichtlich fehlenden Grenzpunkten, wieFig. 13Im mittleren violetten Feld wird der Bereich angezeigt,鲍娣（2017）Alpha Shapes Algorithmus,Yu等（2024）Der benachbarte Punkt lineare Richtung Analyse Algorithmus und unabhängige Randerkennung Algorithmus, die in diesem Artikel verwendet werden, können nur die vorhandenen Grenzpunkte zu analysieren, nicht berücksichtigen, ob die Punktgruppe Grenze ist die wahre Grenze des Gebäudes, so dass die drei Algorithmen haben eine gewisse Abweichung von der aktuellen Region extrahiert Charakteristik Linie. Für Bereiche mit dünneren Grenzpunkten, wie im roten Feldbereich in B7 gezeigt,Yu等（2024）Bei der Teilung des Gitters wird das Gitter mit weniger Punktzahlen als Geräuschentfernung betrachtet, was zu einer Abweichung der extrahierten Grenzen führt, was zu einer Entsprechung der Ergebnisse der Extraktion der Charakterlinie führt. Diese Algorithmus-Extraktion von Grenzpunkten hängt von den unabhängigen Seiten im Grenzdrieck ab, die unabhängige Seite der Dichte der dünnen Region ist die gleiche wie die dichte Region, so dass für die dünne Region der Grenzpunkte immer noch eine vollständigere Grenzlinie extrahiert werden kann.
Insgesamt ist dieses Verfahren in der Lage, Charakterlinien zu extrahieren, die verschiedene Dachkonstruktionsgebäude enthalten, die eine hohe Integrität und eine hohe Anpassung an die ursprüngliche Punktwolke aufweisen.
3.3.2 Quantitative Analyse der Ergebnisse der Charakterlinienextraktion
Zur quantitativen Beurteilung der Extraktionsergebnisse der Gebäudedachmerkmale werden die Merkmale mit den Referenzmerkmale verglichen. Building3D-Datensatz und Vaihingen-Datensatz-Referenz-Merkmale-Linien werden durch Dachdrahten wieFig. 11in der roten Linie dargestellt. Der Mittelwert der Endpunktkoordinatenabweichung und die Linienähnlichkeit (LSM)崔巍 等，2003Zwei Bewertungsindikatoren analysieren die Ergebnisse quantitativ. Ersteres ist der Abweichungsmittelwert Mean aller extrahierten Endpunktkoordinaten der Merkmale und der entsprechenden Referenz-Endpunktkoordinaten der Merkmale. Die Berechnungsformel lautet wie folgt:
in der Form,undjeweils für dieein Referenzzeichensendpunkt und ein Extraktionszeichensendpunkt, wobei a und b den von P extrahierten Endpunkt und den Referenzzeichensendpunkt repräsentieren,für die Euclideafstand von zwei Punkten im dreidimensionalen Raum,Anzahl der Punkte, die für das Dach des Gebäudes charakteristisch sind.
Letzteres berücksichtigt die kombinierte Ähnlichkeit LSM in Bezug auf den Mittelpunkt, die Länge und den Winkel 3 des Liniensegments, um die Ähnlichkeit zwischen der Extraktionsmerkmallinie und der Referensmerkmallinie zu reagieren. Die Berechnungsformel lautet wie folgt:
PSM, LnSM und OSM stehen für Point Similarity (PSM), Length Similarity (LnSM) und Angle Similarity (ASM).4）—（6 (gezeigt). Die Gewichtswerte für PSM, LnSM und OSM sind in diesem Artikel 2, 1 und 2.
Wenn li, lj den horizontalen Abstand des Mittelpunkts größer ist als ( (unter denenals adaptiven Wert) wird angenommen, dass die beiden Linienabschnitte unverhältnismäßig sind.
In der Formel ist der Längenunterschied zwischen den beiden Linienabschnitten geringer, die beiden Linienabschnitte sind näher an der Länge und die beiden Linienabschnitte repräsentieren die gleiche interne Charakteristiklinie.
in der Form,als Drehwinkelschwelle, wenn der Zwischenwinkel zwischen den Richtungsvektoren der beiden Linienabschnitte größer ist alsDie beiden Linien haben keinen Zusammenhang.
Fig. 13Die Mittelwerte und LSM-Werte der Datenlinien in den einzelnen Gruppen sind wie folgt:Table 1und 2 gezeigt. Durch die Analyse ist ersichtlich, dass die in dieser Methode gewonnenen Endpunkte der Charakterlinie im Allgemeinen genauer sind und insgesamt der Referenz-Charakterlinie ähnlicher sind. KombinierenTable 1Der durchschnittliche Punktabstand der einzelnen Datengruppen ist bekannt, und der in diesem Algorithmus extrahierte Endpunkt der Merkmale der Linie ist im Vergleich zu dem Referenzzeichenlinienendepunkt doppelt so hoch wie der durchschnittliche Punktabstand und doppelt so hoch wie der durchschnittliche Punktabstand. Bei komplexeren Gebäuden wie B4 und B7 hält dieser Algorithmus den LSM trotz geringerer Ähnlichkeiten zwischen den von allen Algorithmen extrahierten Zeichen und den Referenzzeichen bei über 85%.
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 |
|---|
| 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/% |
|---|
| 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 |
wegen鲍娣（2017）Die fehlende genaue Identifizierung der Konturlinien des Daches (B7, B11) oder die fehlende korrekte Konstruktion der topologischen Beziehungen zwischen den Flächen (B5) während der Flächenteilung führen zu einem erheblichen Unterschied zwischen den Extraktionsergebnissen der Charakterlinien und den Charakterlinien des tatsächlichen Gebäudedachs und einer deutlich geringeren Ähnlichkeit der Charakterlinien als in diesem Algorithmus. im Vergleich zu鲍娣（2017），Yu等（2024）Genauigkeit und Ähnlichkeit der Charakterlinienextraktion sind im Allgemeinen höher als鲍娣（2017）weniger als die in diesem Artikel beschriebene Methode. Die in diesem Artikel vorgeschlagenen Algorithmen extrahierten Merkmale sind ungefähr identisch mit den tatsächlichen Gebäude-Dach-Merkmale und ähneln deutlich höher, insbesondere in Fällen mit hoher Punktwolkendatenqualität, wie B6, B8, B9, die durch diesen Algorithmen generierten Merkmale sind in Qualität und Ähnlichkeit besser als die im Vergleich erstellten Algorithmen. Durch die oben genannte quantitative und qualitative Analyse der Ergebnisse der Gebäudedachcharakteristiklinie ist bekannt, dass die in diesem Artikel vorgeschlagene Methode für die Extraktion der Gebäudedachcharakteristiklinie eine hohe Genauigkeit hat. Darüber hinaus ist diese Methode frei von der Teilung der Dachflächen beim Extrahieren von Charakterlinien und verfügt über eine starke Störungsbeständigkeit gegen geräuschhaltige Dachpunktwolken an der Nicht-Rückenlinie, um die Bedürfnisse der Dachlinienextraktion der meisten Gebäude zu erfüllen.
3.4 E-forest Aufbau- und Speicherleistungsanalyse
Um die Effizienz der E-Forest-Datenstruktur zu überprüfen, verwendet dieser Artikel jeweils ein Dreiecknetz mit einer unterschiedlichen Anzahl von Spitzen als experimentelle Daten, um mit der halben Datenstruktur HEDS (Half-Edge Data Structure) in Bezug auf die Bauzeit und den Speicherplatz zu vergleichen.Table 3gezeigt. Bei unterschiedlichen Spitzenzahlen beträgt der Aufbau der E-Forest-Datenstruktur etwa 43,17% des HEDS und der Speicheraufwand bei der Speicherung etwa 31,52%.
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 |
|---|
| 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 |
Im Vergleich zu HEDS speichert die in diesem Artikel vorgeschlagene E-Forest-Datenstruktur dreieckige Spitzenkoordinaten, Co-Siden und Co-Point-Dreieckindexe direkt, was eine große Menge an Zeigerinformation für die Aufrechterhaltung der Beziehungen zwischen Punkten, Halbseiten und Dreiecken einspart. Darüber hinaus benötigt die E-forest-Datenstruktur für Abfragen über Nachbarschaften zwischen Dreiecken keinen Mehrstufenzeiger und kann den Index eines benachbarten Dreiecks direkt aufrufen. Daher kann die Anwendung der E-forest-Datenstruktur zur Verwaltung der Nachbarschaften zwischen den einzelnen Dreiecken im Dreiecknetz die Betriebseffizienz des Algorithmus erheblich verbessern.
