1 Introducción
Los edificios son una parte importante de la construcción urbana. En los últimos años, con el rápido desarrollo de la urbanización, los tipos y cantidades de edificios se han innovado con frecuencia, y la recopilación y actualización de esta información sobre cambios requiere una gran cantidad de recursos humanos, materiales y financieros..王竞雪 等，2012V;Yang等，2017V;Du等，2017V;Salehi和Mohammadzadeh，2017). Para mejorar esta situación, el acceso eficiente y el procesamiento de la información del edificio se han convertido en el foco de la investigación actual, en la que la extracción de líneas características del techo del edificio es uno de los pasos clave de la investigación.Dos等，2019; Feng y otros, 2019;王竞雪 等，2014). La tecnología LIDAR aerotransportada (light Detection and ranging) puede obtener directamente información tridimensional de objetos terrestres de alta precisión, pero debido a las diferentes condiciones de adquisición de datos, como la distancia de observación, la reflectividad de los objetos y el entorno climático, las nubes puntuales de los edificios obtenidas de LIDAR aerotransportado suelen tener una densidad puntual desigual..Yang等，2021); Y los datos de la nube de puntos en sí son discretos y carecen de la relación topológica necesaria entre los puntos.文学东 等，2019). Por lo tanto, la extracción de las líneas características del techo del edificio basadas en los datos de la nube de puntos LIDAR aerotransportados sigue siendo un gran desafío.
De acuerdo con las diferencias en la ubicación y los atributos de las líneas características del techo, se pueden dividir en líneas de contorno, líneas de techo y líneas de paso. Entre ellos, el contorno es la línea fronteriza de la superficie del techo del edificio, generalmente ubicada en la periferia de la superficie del techo; La línea de techo es la intersección de dos superficies de techo adyacentes, generalmente ubicadas en el interior de la superficie del techo; La línea de paso es una superficie de techo adyacente en la dirección horizontal, que se cruza con la estructura de la fachada para formar un par de segmentos de línea con salto en la elevación.
Los métodos de extracción del contorno del techo del edificio se dividen principalmente en tres tipos: método Tin basado en la red triangular irregular, método basado en características de contorno y método de aprendizaje profundo. Entre ellos, los métodos basados en Tin incluyen Alpha shapes, ConvEx - hull, etc.惠振阳 等，2022). Alpha SHAPES es el método de extracción de contornos más utilizado en la actualidad.沈蔚等（2008）Por primera vez, el algoritmo Alpha SHAPES se utiliza para extraer el contorno del techo de la nube puntual desordenada del edificio, lo que confirma la efectividad del algoritmo Alpha SHAPES para extraer el contorno del techo, pero un solo radio de bola de umbral clave es difícil de aplicar a la nube puntual con densidad desigual. Para mejorar la aplicabilidad del algoritmo Alpha shapes,伍阳等（2021）Al dividir la red bidimensional y calcular la suavidad de la red fronteriza, se diseña un algoritmo Alpha SHAPES de radio variable, que mejora significativamente la adaptabilidad a la nube de puntos con densidad desigual, pero la División incorrecta de la red fronteriza puede conducir a la falta de puntos fronterizos locales. El algoritmo de convexo forma un polígono convexo conectando los puntos de contorno más Exteriores de la nube de puntos para representar los límites de la nube de puntos.Lv等，2022Por lo tanto, para las nubes puntuales con áreas hundidas en el límite, la capacidad de extracción del contorno del algoritmo es limitada. Los algoritmos de extracción basados en características de contorno incluyen la distribución de direcciones vecinales..Kong等，2023), rectángulo de límite mínimo (mínimo límite, mbr) ()Coiffier等，2021; vanian, entre otros, 20 y redes virtuales..Sun和Salvaggio，2013) y otros algoritmos.Kong等（2023）El algoritmo de extracción del contorno del techo del edificio utilizando la distribución de la dirección del vecindario es más adecuado para edificios con diferentes densidades locales y formas complejas de nubes puntuales, y es más fácil establecer parámetros, pero no puede extraer el contorno de la zona hundida y la eficiencia de extracción es relativamente baja.Coiffier等（2021）Los contornos extraídos con el método MBR son polígonos rectangulares y no pueden expresar formas de límite irregulares. Los métodos de cuadrícula virtual propuestos por Sun y otros extraen el contorno del edificio construyendo una cuadrícula virtual en la nube de puntos, pero este tipo de métodos se ven afectados por la longitud del borde de la cuadrícula, y los puntos de contorno extraídos se desplazan hacia el interior del edificio, lo que resulta en que el contorno extraído es menor que El límite real del edificio. Con el desarrollo del aprendizaje profundo, se han propuesto sucesivamente marcos de red que se pueden utilizar para extraer información sobre el contorno del edificio, comoBazazian和Parés（2021）El marco propuesto de EDC - Net yZhang等（2020）El marco 3 - D - gmrgan propuesto puede extraer eficazmente la información del contorno del edificio de la nube de puntos a gran escala, pero el resultado de la extracción es un clúster de puntos de contorno que carece de Relaciones topológicas, que necesita ser reprocesado para obtener resultados de extracción de contorno de cadena de puntos fáciles de aplicar.
Para la extracción de la línea de la casa, se divide principalmente en la extracción de la línea de la casa basada en la intersección del plano y la extracción de la línea de la casa basada en el análisis de características globales.蒋星（2019）La intersección del plano ajustado por mínimos cuadrados determina la ubicación de la línea de la casa, calcula la intersección de la línea de intersección y el límite del edificio como el punto final de la línea de la casa, y la distancia entre los puntos finales es la longitud de la línea de la casa, pero el método no tiene en cuenta la Coplanaridad de los puntos polifacéticos, por lo que solo se aplica a la extracción de la línea de la casa de un edificio simple;吴华意等（2007）Utilizando la transformación 3D Hough mejorada y el análisis de clúster para obtener los parámetros del plano donde se encuentra la superficie del techo, a través del clúster para garantizar que los puntos coplanares pertenecientes a diferentes superficies se puedan dividir en múltiples superficies independientes, se pueden extraer las líneas de techo de techos más complejos;朱琴等（2018）El algoritmo ransac de consistencia de muestreo aleatorio (random Sample consensus) se utiliza para dividir la nube de puntos de techo, pero hay competencia de puntos de cresta, lo que resulta en un cierto desplazamiento o desviación de la línea de techo extraída. Para evitar la Dependencia de la extracción de la línea del techo de la precisión de la División de la superficie del techo,Cai等（2023）Al analizar las características de curvatura de los puntos de la superficie del techo, se propone un método de extracción de la línea del techo basado en el método de escalada en montaña, que requiere que los puntos en la línea del techo sean más densos y que no haya agujeros en el interior de la nube del punto.陈华伟等（2019）A través de la identificación de los puntos repentinos de curvatura, se obtiene el conjunto de puntos en la línea de techo inicial, y se utiliza un algoritmo de corrosión para refinar el conjunto de puntos iniciales. para las nubes de puntos con densidad desigual, el clúster de puntos de línea característica puede romperse después de la corrosión, lo que resulta en la falta de línea característica local.Yu等（2024）Se propone un algoritmo de extracción de la línea de la casa basado en la distribución de puntos de vecindad espacial tridimensional. el algoritmo selecciona los puntos de la línea de la casa analizando si hay características de disposición lineal en una sola dirección en el vecindario de cada punto. El algoritmo tiene una fuerte adaptabilidad a diferentes tipos de nubes de puntos de techo, pero el efecto de extracción de los puntos de cresta depende demasiado del umbral de ángulo y es más sensible a los cambios de parámetros.
Para la extracción de la línea de paso, los métodos existentes utilizan principalmente diferentes planos con cambios de elevación en la misma fachada para extraer la línea de paso. Para extraer líneas de paso confiables,赵传（2020）Al ajustar cadenas de puntos adyacentes con grandes diferencias de altura para generar planos tridimensionales, las cadenas de puntos adyacentes con una longitud de cadena de puntos, un vector normal de plano tridimensional y un ángulo entre el eje Z superior a un cierto umbral se consideran escalones reales.高广（2014）Las líneas de paso candidatas se identifican a partir de los contornos de cada pieza de techo de acuerdo con el análisis de distancia, y luego se construye una zona de amortiguación para el procesamiento de la red. las líneas de paso se generan mediante la fusión de unidades de red adyacentes con mutaciones de elevación y el ajuste de mínimos cuadrados, pero para La nube de puntos de superficie del techo que falta en el punto original en la línea de paso, las líneas de paso generadas a menudo tienen fracturas.
En resumen, en vista de los problemas comunes de los algoritmos de extracción de líneas características del techo de los edificios existentes, como la precisión de extracción limitada, la robustez insuficiente y la alta dependencia del efecto de División de la superficie del techo, este trabajo propone un algoritmo de detección de triángulos de frontera basado en bosques igualmente profundos y extracción de puntos de cresta basado en la superposición bidireccional y la traducción, logrando la extracción de líneas características del techo sin División de la superficie del techo.
2 métodos de investigación
El método de detección conjunta del triángulo fronterizo y extracción de la línea característica del techo del edificio con superposición y traducción bidireccional propuesto en este artículo se divide en tres etapas: preprocesamiento de datos, extracción de puntos característicos y generación de la línea característica: (1) etapa de preprocesamiento de datos: calcular el espaciamiento promedio de puntos de la nube de puntos del techo del edificio, construir Tin con triangulación delaunay y establecer un bosque igualmente profundo (equi - Deep forest, e - forest) que facilita la consulta de la relación de vecindad del triángulo; (2) etapa de extracción de puntos característicos: consulta el borde independiente de cada triángulo en Tin a través de e - Forest y extrae el punto límite que contiene la relación topológica; Traducción bidireccional del Centro de cada triángulo en el Tin a lo largo de su dirección vectorial normal, se puede obtener una nube de puntos posterior a la traducción con una densidad duplicada en la línea de intersección, y traducción del punto en la línea de intersección a lo largo de la dirección opuesta de la suma vectorial de la dirección de traducción de Dos lados, se puede obtener el punto en la línea de techo del edificio; (3) etapa de generación de líneas características: en el proceso de generación de líneas fronterizas, de acuerdo con la relación topológica entre los puntos fronterizos, se organizan de manera ordenada para generar líneas multisegmentos cerradas, se simplifica la línea multisegmentos cerrada con el algoritmo D - p, se extraen puntos de inflexión clave y se conectan estos puntos de inflexión para generar líneas fronterizas simplificadas del techo; En el proceso de generación de la línea de techo: después de obtener el clúster de puntos de cada línea de techo a través de la superposición y traducción bidireccionales, se utiliza el método de mínimos cuadrados para ajustar cada grupo de clústeres de puntos de línea de techo, se obtienen los parámetros de la línea recta tridimensional donde se encuentra la línea de techo, cada grupo de puntos de línea de techo se proyectan en sus respectivas líneas rectas de montaje tridimensionales, y se toman los dos puntos de proyección más lejanos de cada línea de montaje como el punto final de la línea de techo; Finalmente, se refinan las líneas fronterizas extraídas y los puntos en las líneas de techo para completar la extracción de las líneas características del techo del edificio. Este artículo se basa en el proceso de extracción de líneas características de la nube de puntos del techo del edificio LIDAR aerotransportado, comoFig. 1Se muestra.
El método de detección conjunta del triángulo fronterizo y extracción de la línea característica del techo del edificio con superposición y traducción bidireccional propuesto en este artículo se divide en tres etapas: preprocesamiento de datos, extracción de puntos característicos y generación de la línea característica: (1) etapa de preprocesamiento de datos: calcular el espaciamiento promedio de puntos de la nube de puntos del techo del edificio, construir Tin con triangulación delaunay y establecer un bosque profundo e - Forest (equi - Deep forest) que facilita la consulta de la relación de vecindad del triángulo; (2) etapa de extracción de puntos característicos: consulta el borde independiente de cada triángulo en Tin a través de e - Forest y extrae el punto límite que contiene la relación topológica; Traducción bidireccional del Centro de cada triángulo en el Tin a lo largo de su dirección vectorial normal, se puede obtener una nube de puntos posterior a la traducción con una densidad duplicada en la línea de intersección, y traducción del punto en la línea de intersección a lo largo de la dirección opuesta de la suma vectorial de la dirección de traducción de Dos lados, se puede obtener el punto en la línea de techo del edificio; (3) etapa de generación de líneas características: en el proceso de generación de líneas fronterizas, de acuerdo con la relación topológica entre los puntos fronterizos, se organizan de manera ordenada para generar líneas multisegmentos cerradas, se simplifica la línea multisegmentos cerrada con el algoritmo D - p, se extraen puntos de inflexión clave y se conectan estos puntos de inflexión para generar líneas fronterizas simplificadas del techo; En el proceso de generación de la línea de techo: después de obtener el clúster de puntos de cada línea de techo a través de la superposición y traducción bidireccionales, se utiliza el método de mínimos cuadrados para ajustar cada grupo de clústeres de puntos de línea de techo, se obtienen los parámetros de la línea recta tridimensional donde se encuentra la línea de techo, cada grupo de puntos de línea de techo se proyectan en sus respectivas líneas rectas de montaje tridimensionales, y se toman los dos puntos de proyección más lejanos de cada línea de montaje como el punto final de la línea de techo; Finalmente, se refinan las líneas fronterizas extraídas y los puntos en las líneas de techo para completar la extracción de las líneas características del techo del edificio. Este artículo se basa en el proceso de extracción de líneas características de la nube de puntos del techo del edificio LIDAR aerotransportado, comoFig. 1Se muestra.
2.1 preprocesamiento de datos
Afectados por factores objetivos como la altura de vuelo, el modelo del equipo y las condiciones climáticas, las diferentes nubes puntuales LIDAR a bordo suelen tener grandes diferencias de densidad. Para garantizar que el algoritmo sea adaptativo a diferentes nubes de puntos de densidad, este artículo utiliza el promedio de la distancia entre cada punto y el punto más cercano en la nube de puntos de techo como el intervalo promedio entre puntos de la nube de puntos D para la construcción posterior de tin, extracción de puntos de características, análisis de precisión de líneas de características y otros trabajos.
En respuesta a la falta de Relaciones topológicas entre los datos de la nube puntual LIDAR a bordo, este trabajo utiliza el algoritmo de triangulación delaunay para construir un modelo de red triangular de la nube puntual en el techo del edificio, en el que cada triángulo tiene las propiedades de maximizar el ángulo mínimo y el círculo vacío, y tiene una alta estabilidad. Con el fin de limitar la generación de triángulos regionales como depresiones y estructuras escalonadas, este artículo establece el tamaño promedio de espaciamiento de puntos de la longitud lateral máxima l veces menor que n cuando se construye el tin, es decir, l = I > n × × D .
Aunque el modelo de cuadrícula triangular del techo del edificio basado en datos de nube de puntos puede expresar con precisión la superficie compleja del techo, su estructura de datos y relación topológica son complejas, lo que resulta en una baja eficiencia de consulta.张雨禾 等，2015). Para mejorar la eficiencia de la consulta, los académicos existentes utilizan diferentes estructuras de datos para construir índices espaciales vecinales, como KD - tree..杨丽娟 等，2023), R-tree（龚俊 等，2011), Octree（张蕊等，2018) etc., para aumentar la eficiencia de la búsqueda y localización de triángulos en áreas locales. Aunque estas estructuras de datos mejoran la eficiencia de la recuperación, los costos de construcción y mantenimiento son más altos. En respuesta a este problema, este artículo establece un bosque equiprofundo e - Forest (equi - Deep forest), que facilita la consulta de la relación de adyacencia del triángulo, con cada triángulo como un nodo raíz independiente, y establece varios árboles ordenados con una profundidad de 3. el significado de cada nodo de árbol en E - Forest es el siguiente.Fig. 2Se muestra.
Para facilitar la distinción de las diferentes relaciones adyacentes entre los triángulos adyacentes, este artículo clasifica los triángulos adyacentes con dos vértices comunes como triángulos colindantes y los triángulos adyacentes que solo contienen un vértice común como triángulos colindantes. La suma de los grados de los nodos de rama de la segunda capa en E - Forest es igual al número de triángulos adyacentes, en los que el grado del nodo izquierdo indica el número de triángulos colindantes en el vecindario del triángulo actual; El grado del nodo hijo derecho indica el número de triángulos coordenados en el vecindario del triángulo actual. comoFig. 2El triángulo t6 en él muestra un total de 12 triángulos adyacentes a él, incluidos 3 triángulos colindantes y 9 triángulos colindantes; Por su parte, el triángulo t8, situado en el límite, solo tiene dos triángulos en su vecindario que comparten con él, por lo que el grado de nodo hijo izquierdo de su árbol de Relaciones adyacentes es de 2.
2.2 Extracción de puntos característicos
En esta sección se propone un método de extracción de puntos característicos basado en la nube de puntos del techo del edificio, primero se encuentra el triángulo fronterizo con un grado de nodo inferior a 3 en el nodo izquierdo en E - forest, y luego se cuenta el número de veces que todos los vértices del triángulo fronterizo aparecen en el triángulo que comparte el mismo borde, y se registra el punto superior con un número de repeticiones inferior a 2 como punto fronterizo; Para la extracción de puntos característicos en la línea de la casa, el Centro de cada triángulo en Tin se mueve hacia arriba y hacia abajo a lo largo de su dirección vectorial normal, respectivamente, se puede obtener una nube de punto trasero translacional con densidad duplicada en la línea de intersección, y el punto en la línea de intersección se puede mover a lo largo de la dirección opuesta de la suma vectorial de la dirección de traducción de dos lados, para obtener el punto en la línea de la casa del edificio. Finalmente, se completó la extracción de los puntos característicos de la superficie del techo del edificio.
2.2.1 extracción de puntos fronterizos basada en la detección de bordes independientes
Para los techos de los edificios con estructuras escalonadas, las restricciones de borde más largas utilizadas al establecer el modelo de cuadrícula triangular pueden dividir el modelo de cuadrícula triangular de los techos de los edificios en varios grupos de Tin independientes, lo que resulta en que los límites de Tin contienen puntos de contorno y salto al mismo tiempo.
Para más detalles sobre el modelo de red triangular del techo del edificio, consulteFig. 3Entre ellos, los límites de cada grupo de Tin contienen algunos puntos de contorno y puntos de paso. en este artículo, los puntos de contorno y los puntos de paso en el modelo de malla triangular se llaman colectivamente puntos de límite de cada grupo de tin, y los bordes compuestos por la conexión de dos puntos de frontera adyacentes se registran como bordes independientes. Debido a que hay 1 - 2 lados independientes en el triángulo donde se encuentra el punto límite, el número de triángulos colindantes en el triángulo donde se encuentra el punto límite es inferior a 3, es decir, el grado de nodo hijo izquierdo del árbol correspondiente al triángulo límite en E - Forest es inferior a 3, por lo que este artículo considera El triángulo correspondiente al árbol con el grado de nodo hijo izquierdo inferior a 3 como un triángulo límite, y determina el punto límite de acuerdo con el número de veces que el triángulo límite comparte con los vértices de sus respectivos triángulos colindantes. la implementación específica es la siguiente:
(1) recorrer cada árbol en E - forest, registrar los árboles con un grado de nodo hijo izquierdo inferior a 3 como árboles fronterizos, y cada árbol fronterizo contiene un triángulo fronterizo;
(2) selección aleatoria de un árbol fronterizo, estadísticasEl número de veces que los vértices del triángulo correspondiente se repiten en su triángulo colindante, los vértices con un número de repeticiones inferior a 2 se registran como puntos fronterizos;
(3) repita el paso (2), recorra todos los árboles de límites y elimine los puntos de frontera duplicados para obtener el conjunto de puntos de frontera del modelo de cuadrícula triangular.
(4) el orden entre los puntos fronterizos se determina de acuerdo con la conectividad de los lados independientes entre los triángulos fronterizos de punto común y la conectividad de los dos puntos independientes en el borde independiente, y se obtienen varias líneas multisegmentos cerradas de principio a fin compuestas por puntos fronterizos.
2.2.2 extracción de puntos de línea de techo basada en la traducción de superposición bidireccional
La línea de techo del edificio es la línea de intersección de dos superficies adyacentes, que se puede dividir en línea de techo convexo y línea de techo Cóncavo de acuerdo con la altura de la línea de techo en comparación con la posición de las dos superficies adyacentes.Fig. 4. porFig. 4Se puede ver que las dos superficies adyacentes del techo en la línea del techo convexo se mueven hacia abajo a lo largo de su dirección vectorial normal, y se puede obtener una línea recta cruzada cerca de la línea del techo convexo. porFig. 4Se puede ver que las dos superficies adyacentes del techo en la línea del techo Cóncavo se mueven hacia arriba a lo largo de su dirección vectorial normal, y se puede obtener una línea recta cruzada cerca de la línea del techo cóncavo. Si la nube del punto del techo se traduce a la misma distancia a lo largo de la dirección de traducción de la superficie, el punto cerca de la línea de la cresta también cae en la línea de intersección. en este momento, la densidad del punto de traducción en la línea de intersección se duplica en comparación con la densidad de la nube del punto del techo original, y el punto en la línea de intersección se traduce a lo largo de la dirección opuesta a la suma del vector de la dirección de traducción de las dos caras para obtener el punto en la línea del techo del edificio.
En este trabajo, el vector normal de cada triángulo en el modelo de cuadrícula triangular del techo se utiliza como dirección de traducción.Para la distancia de traducción,Entre ellos, k es un múltiplo de la distancia media entre puntos D y el punto central de cada Triángulo se mueve hacia arriba y hacia abajo a lo largo de su respectiva dirección vectorial normal, obteniendo una nube de puntos traseros translacionales bidireccionales, comoFig. 5Se muestra. En condiciones ideales, la distancia entre cada punto de traducción es igual, y cada metro cuadrado en el plano del techo debe contenerUn punto, con el punto de traducción como centro de la bola, establece el radioZona esférica. Hay innumerables secciones transversales circulares en cada área esférica, pero solo hay puntos de traducción distribuidos uniformemente continuamente en secciones transversales individuales. en este artículo, esta sección transversal se llama sección transversal puntual y el punto de traducción ubicado en la línea de intersección se llama punto de intersección. Punto de traducción situado en la cubierta del techo, cuya esfera solo tiene una sección transversal puntiaguda, comoFig. 5La sección transversal roja media se muestra; Y el campo de la bola en el punto de intersección tiene dos secciones transversales un poco, comoFig. 5La sección transversal azul medio se muestra. Por lo tanto, este artículo considera el punto de traducción de puntos > 1,5 n como un punto en la línea de intersección, en el que el método de cálculo de n es como式（1）Se muestra.
En la fórmula, " n es el número de puntos en una sola sección transversal puntual dentro de la esfera," r es el radio de la esfera, y D es el espaciamiento promedio de puntos en la nube de puntos en el techo del edificio.
Teniendo en cuenta las diferentes distancias entre los puntos en la nube puntual, la distancia media entre los puntos es la media de la distancia entre los puntos y el punto más cercano, por lo que se toma como= D generalmente no hay otros puntos en el vecindario construido para el radio, excepto el punto central de la bola; Para las nubes puntuales con densidad desigual, se utiliza= 2 D Las estadísticas son un poco menos estables en el número de fideos, por lo que este artículo amplía aún más el radio de detección para que＝3d。 Además, los puntos de intersección cerca de los puntos de intersección pertenecen a varias líneas de intersección, comoFig. 5La visualización del área dentro de la caja negra hace que la relación de propiedad del punto de intersección cerca del punto de intersección sea difícil de determinar. Para determinar la dirección de traducción inversa de los puntos en diferentes líneas de intersección, este artículo primero elimina los puntos de intersección en el vecindario de los puntos de intersección, y luego agrupa los puntos de intersección restantes en varios grupos de puntos que representan de forma independiente diferentes líneas de intersección para determinar la dirección de traducción inversa de cada grupo de Grupos de puntos de intersección.
Debido a que el punto de intersección está compuesto por al menos tres superficies de techo translacionales, lo que resulta en al menos tres secciones transversales puntiagudas en el dominio esférico construidas con el punto de intersección como centro de la bola, este artículo considera el punto de traducción del punto de intersección en el dominio esférico > 3 n como punto de intersección inicial, utiliza el algoritmo dbscan para agrupar el conjunto de puntos de intersección iniciales, obtiene el clúster de puntos de intersección iniciales, toma el promedio de las coordenadas de cada punto en cada grupo de clústeres de puntos iniciales como punto de intersección y elimina la distancia de la línea de intersección inferior a la intersección.Puntos de intersección, y una vez más utilizar el algoritmo dbscan para agrupar los puntos de intersección restantes, se obtienen varios grupos de clusters de puntos de intersección ubicados en diferentes líneas de intersección, en este momento, los puntos en cada grupo de clusters de puntos de intersección son puntos de traducción de dos superficies adyacentes. Debido a factores como la posible deformación superficial del techo del edificio y el error de adquisición de datos del LIDAR aerotransportado, hay una cierta desviación entre los diferentes vectores normales triangulares en la misma superficie del techo, pero la desviación es mucho menor que la desviación entre los vectores normales triangulares en diferentes superficies. Al calcular el ángulo de desviación entre los vectores normales de los dos puntos de traducción, este artículo agrega el punto de traducción con un ángulo de desviación inferior a T beta / I > en el clúster de puntos de intersección al mismo conjunto. para evitar la influencia de puntos de ruido individuales, toma Los dos conjuntos con los puntos de traducción más grandes como puntos en dos caras diferentes, y toma la media del vector normal de los puntos de traducción en los dos conjuntos como las dos direcciones de traducción del clúster de puntos de intersección actual. Al analizar el ángulo entre los vectores normales de las caras adyacentes de los techos comunes, podemos ver que el ángulo entre los vectores normales de las caras adyacentes de los techos suele ser superior a 10 °..王竞雪 等 ，2023Por lo tanto, este artículo toma T beta = 10 ° como umbral de ángulo para el Grupo de puntos de traducción.
Fig. 6Es una vista lateral de la nube puntual en la superficie del techo después de la traducción. Entre ellos,Es un punto de traducción en el clúster de puntos de intersección, y las dos direcciones de traducción del clúster de puntos de intersección actual sony， Theta es dentro del espacio tridimensionalyLa mitad del ángulo. Será el puntoDirección opuesta a la suma de los vectores de dirección de traducción a lo largo de las dos carasTraducción l para obtener los puntos en la línea de la casaEntre ellos,. los grupos de racimos de puntos de intersección se pueden traducir de acuerdo con sus respectivas direcciones de traducción inversa, y se pueden obtener varios grupos de racimos de puntos de línea de techo independientes.
2.3 generación de líneas características
En este trabajo, Douglas - puker D - P (douglas - peuker) y el algoritmo de ajuste de mínimos cuadrados se utilizan para generar las líneas fronterizas y las líneas de techo de la cubierta del edificio, respectivamente. Para las líneas fronterizas extraídas, se selecciona aleatoriamente un punto fronterizo en el Tin como punto fronterizo inicial, y los puntos fronterizos restantes se conectan sucesivamente en combinación con la relación de vecindad de puntos comunes entre los triángulos para generar líneas multisegmentadas cerradas; Se simplifica a través del algoritmo D - p, y luego se obtienen los puntos de inflexión clave de la línea fronteriza, y se genera una línea fronteriza cerrada del techo de acuerdo con el orden de cada punto de la línea multisección. La extracción de la línea de la casa utiliza el método de mínimos cuadrados para ajustar cada grupo de racimos de puntos de la línea de la casa, obtener los parámetros de la línea recta tridimensional donde se encuentra la línea de la casa, y proyectar cada grupo de puntos de la línea de la casa en sus respectivas líneas de ajuste tridimensional, seleccionando Los dos puntos más lejanos como el punto final de la línea de la casa; A través de la selección de líneas características de intersección con restricciones de doble umbral, y tomando la intersección de líneas características de intersección como el punto final de su nueva línea característica, se completa la extracción de líneas de techo.
2.3.1 generación de líneas fronterizas basadas en algoritmos D - P
Debido a que hay un gran número de puntos de frontera discretos en la línea multietapa cerrada extraída por la detección de borde independiente, lo que no es propicio para la expresión paramétrica del límite del techo, este artículo utiliza el algoritmo D - P con inmutabilidad de traducción y rotación para simplificarlo, obtener los puntos de inflexión clave y conectarlos sucesivamente para formar La línea de frontera del techo.
Debido a que el algoritmo tradicional D - P se utiliza para filtrar los puntos de inflexión clave de las líneas multisegmentos cerradas, la selección de los puntos de inflexión iniciales y finales es aleatoria, y los puntos de inflexión iniciales y finales predeterminados son puntos de inflexión clave, a menudo hay redundancia en los puntos de inflexión clave seleccionados. Con este fin, este artículo agrega una nueva restricción de ángulo de borde independiente adyacente, seleccionando el punto final de borde independiente en la esquina no como el punto final inicial y final para garantizar la necesidad de un punto de inflexión clave. ConFig. 7Tomando como ejemplo la línea de frontera inicial gris en, los pasos de implementación específicos son los siguientes:
(1) seleccione aleatoriamente un borde independiente en la línea límite inicial y calcule el ángulo entre el borde independiente y los dos lados independientes conectados en el espacio tridimensional, respectivamente.y, si,Ambos son superiores a 150 °, y los dos puntos fronterizos del lado independiente actual se toman como extremos de principio a fin; Por el contrario, se seleccionan otros bordes independientes hasta que el borde independiente cumpla las condiciones. La línea en la que se encuentra el borde independiente que cumple primero esta condición se marca como la línea de referencia del primer tramo. comoFig. 7Se muestra la línea de referencia del primer tramo de la línea sólida azul con los puntos 1 y 12 como puntos finales de principio a fin.
(2) calcular la distancia vertical entre cada punto fronterizo entre los dos extremos de la línea de referencia en el espacio tridimensional y la línea de referencia, si la distancia vertical máxima es ≤, elimina directamente la línea de referencia actual; De lo contrario, su punto de inflexión correspondiente se anotará como punto de inflexión clave. referencia洪绍轩等（2020）Selección del umbral, este artículo ordena. conecte los dos puntos fronterizos de la línea de referencia con el punto de inflexión clave para establecer dos nuevas líneas de referencia y elimine la línea de referencia original. ConFig. 7Tomemos como ejemplo la línea de referencia en el primer tramo medio, el punto 7 es el punto límite más lejano de la línea de referencia, y la distancia vertical es mayor quePor lo tanto, la línea en la que se encuentran los puntos 1.7 y 7.12 se marca como línea de referencia, respectivamente, y se elimina la primera línea de referencia.
(3) seleccione otras líneas de referencia y repita el paso 2 hasta que no haya líneas de referencia en la línea de frontera inicial actual.
(4) eliminar los puntos de inflexión clave restantes de principio a fin, conectar los puntos de inflexión clave restantes de acuerdo con el orden entre los puntos de la línea fronteriza inicial, y generar una línea fronteriza simplificada.
2.3.2 generación de líneas de techo basadas en el ajuste de mínimos cuadrados
Después de obtener el clúster de puntos característicos de cada línea de techo a través de la traducción superpuesta bidireccional, se utiliza el algoritmo de mínimos cuadrados para ajustar cada grupo de clústeres de puntos de línea de techo, generar los parámetros de la línea recta tridimensional donde se encuentra la línea de techo, y tomar cada grupo de puntos de línea de techo a los puntos de traducción más lejanos en sus respectivas líneas de ajuste tridimensional como el punto final de la línea de techo. ConFig. 8Tomando como ejemplo los racimos de puntos de línea de techo mostrados en,Para ajustar la línea recta tridimensional obtenida por el clúster de puntos de la línea de la casa con el método de mínimos cuadrados, cada punto del clúster de puntos de la línea de la casa se proyecta en dirección vertical aSube a un grupo de puntosEntre ellos, J es el número de puntos en el clúster de puntos de la línea de la casa. CálculoLa distancia entre cada dos puntos en un espacio tridimensional, en el que los dos puntos más lejanos,Se considera el punto final de la línea de la casa.
2.3.3 refinamiento del punto final de la línea característica
En este trabajo, se utilizan diferentes estrategias para extraer paso a paso las líneas fronterizas y las líneas de techo del edificio, sin tener en cuenta la relación de conexión entre las dos, lo que a su vez hace que las líneas fronterizas extraídas sean independientes de las líneas de techo y no coincidan con las líneas características reales del techo del edificio, por lo que es necesario refinar aún más los puntos finales de cada línea de características.
Debido a la existencia de puntos finales comunes entre las líneas características de intersección del techo, las líneas características de intersección deben tener puntos finales homónimos más cercanos entre sí. para evitar que las diferentes líneas características casi paralelas se crucen demasiado lejos, este artículo combina el umbral de distancia f m con el umbral de ángulo f n para restringir el cribado de las líneas características de intersección y toma la intersección de las líneas características de intersección como su nuevo punto final. los pasos específicos son los siguientes:
(1) seleccione al azar dos líneas características en la línea característica del techo l sub > 1 y l sub > 2 para calcular la distancia mínima entre l sub > 1 y l sub > 2 punto final D i > sub > Min / sub > y subi > respectivamente.el ángulo entre l y l 1 y l y 2 en la dirección del plano del agua de segunda dimensión, el ángulo entre D y Min es menor que el ángulo entre f m y Ang es menor que f n / sub > i > 170 (este artículo tendrá un ángulo entre 170)¿ las dos líneas características de intersección de ° se consideran líneas características en la misma dirección, por lo que, para que f n = 170 °), se consideran líneas características adyacentes con dos puntos de intersección;
(2) proyectar l 1 y l subab > 2 al plano horizontal y calcular su intersección en el plano horizontal H con las coordenadas del eje x y y las coordenadas del eje Z del punto final original como coordenadas del eje i > I las coordenadas del punto final de la intersección cercana entre l y l y 2;
(3) repita los pasos 1 - 2, atraviese todas las combinaciones de líneas características y complete la corrección preliminar de los puntos finales de las líneas características.
Debido a la posible intersección de tres o más líneas características en el techo real, dos o dos procesos de corrección en la corrección inicial pueden producir múltiples puntos finales homónimos en la intersección, comoFig. 9Se muestra. Por lo tanto, es necesario fusionarlo para normalizar varios puntos finales del mismo nombre. Este artículo considera como punto final homónimo el punto final con una distancia mutua inferior a f m y utiliza la media del punto final homónimo x y las coordenadas del eje y como el único punto final donde se cruzan varias líneas características. Después de la normalización de las coordenadas del punto final del mismo nombre, se establece un área esférica con un radio de f m m i > con las coordenadas del eje y y la media de las coordenadas del eje de cada grupo de puntos finales del mismo nombre como centro del círculo, reemplazando la elevación del punto final original del mismo nombre por la media de elevación del punto superior del edificio original en el área esférica, completando el refinamiento de todos los puntos finales de la línea característica.
Para seleccionar el umbral de refinamiento adecuado del punto final de la línea característica, este artículo utiliza diferentes tamaños de f m paresFig. 9Los resultados de la optimización inicial del punto final de la línea característica media se procesan, y los resultados son comoFig. 10Se muestra. Al analizar los diferentes valores de f m m se puede ver que cuando f m i >Cuando 3 D debido a que la distancia mínima entre los puntos finales homónimos entre las líneas características de intersección es inferior al umbral f m m se produce una ruptura en algunos puntos finales de las líneas características, comoFig. 10Se muestra el área dentro del marco negro; Cuando f m m 4 D los puntos finales de las líneas características se cruzan y completan la optimización, por lo que este artículo selecciona f m m < / I > como umbral de refinamiento para Los puntos finales de las líneas características.
3 resultados experimentales y análisis de precisión
3.1 datos experimentales
Para verificar la efectividad del método propuesto en este artículo, este artículo selecciona 12 grupos de nubes puntuales de edificios con diferentes estructuras de techo como conjuntos de datos de prueba, y registra cada grupo de nubes puntuales de edificios como B1 - B12 a su vez. Entre ellos, B1 - B8 proviene del conjunto de datos 3D de building..Wang等，2023El conjunto de datos building3d al que pertenece (isprs, 2022) tiene una mayor densidad de puntos y puntos de frontera relativamente completos. los B1 - B8 seleccionados cubren varios tipos de edificios comunes en el conjunto de datos building3d; El B9 - B12 proviene del conjunto de datos de vaihingen proporcionado por la sociedad internacional de Fotogrametría y teleobservación ISPRS (sociedad internacional para fotografía y sensores remotos). en comparación con el conjunto de datos building3d, la densidad de puntos del conjunto de datos de vaihingen es desigual, la situación específica de cada grupo de datos y el modelo de marco de alambre que Acompaña al conjunto de datos es comoFig. 11Se muestra.
3.2 efectos de diferentes parámetros k en los resultados de la extracción de puntos de línea de techo
La extracción de los puntos de la línea del techo del edificio puede determinar inicialmente las características estructurales del techo del edificio y es la base para la generación posterior de la línea de características. Al extraer los puntos de la línea de la casa basados en la traducción superpuesta bidireccional, se utiliza el intervalo promedio de puntos k veces como la distancia de traducción del punto central del triángulo.. para comparar la influencia de diferentes parámetros k en los resultados de extracción de puntos de línea de techo, este artículo seleccionó tres grupos de nubes representativas de puntos de línea de techo b7, B8 y B9 como datos experimentales, y los resultados de extracción de puntos de línea de techo bajo diferentes valores k fueron comoFig. 12Se muestra.
Fig. 12Extraer los resultados para los puntos de la línea de la casa bajo diferentes valores de k 1. Se puede ver: cuandoAl mismo tiempo, debido a la corta distancia de traducción, el fenómeno de intersección de puntos de traducción en diferentes superficies no es obvio, lo que resulta en que los puntos de línea de techo extraídos son relativamente escasos y no pueden cubrir completamente cada línea de techo, y hay una ausencia obvia de racimos de puntos de línea de techo en áreas rectangulares negras.Fig. 12Y (b); CuandoEn este momento, la densidad de los puntos de la línea de la casa en el área rectangular negra aumenta significativamente, y los puntos de la línea de la casa obtenidos en este momento pueden registrar completamente la información estructural de las líneas características en el interior del techo.Fig. 12Y d); A medida que los valores de k aumentan aún más, los racimos de puntos de línea de techo se ensanchan gradualmente, pero la capacidad de expresión de las líneas características no ha mejorado significativamente, e incluso los racimos de puntos de línea características extraídos se han vuelto más cortos.Fig. 12). En resumen, teniendo en cuenta la eficiencia de la extracción precisa de los puntos de la línea de la casa y la generación posterior de líneas características, este artículo selecciona k = 4,0 como determinación.Parámetros de tamaño.
3.3 resultados y análisis de la extracción de la línea característica del techo del edificio
Para demostrar las ventajas del algoritmo de este artículo para extraer líneas características, este artículo se compara con鲍娣（2017）,Yu等（2024）Se comparan los métodos de extracción de líneas características y se analizan cualitativamente y cuantitativamente el rendimiento de los tres algoritmos a través de indicadores clásicos de evaluación de precisión, evaluando así con precisión las ventajas de los algoritmos de este artículo en comparación con los métodos de extracción de líneas características existentes y buscando posibles mejoras.
3.3.1 análisis cualitativo de los resultados de la extracción de líneas características
Se utilizan diferentes algoritmos paraFig. 11Los 12 grupos de datos de la nube de puntos del techo del edificio mostrados se extraen para las líneas características, y los resultados de la extracción son los siguientes:Fig. 13Se muestra. Para garantizar la precisión de las líneas características de referencia, este artículo utiliza el marco del techo proporcionado en el conjunto de datos como líneas características de referencia.
Para los edificios con estructuras de techo más complejas, como las superficies de techo a las que se refieren las flechas negras en B4 y b12, que contienen líneas de cresta convexas y líneas de cresta cóncava al mismo tiempo, el algoritmo de este artículo utiliza la traducción bidireccional para extraer líneas de cresta convexas y líneas de cresta cóncava, respectivamente, para garantizar que Cada línea de cresta pueda extraer puntos de cresta más densos, reducir la interferencia mutua de diferentes líneas de cresta en las intersecciones y garantizar que el algoritmo tenga una mayor inclusión de techos complejos. Debido a鲍娣（2017）El método de extracción de la línea de techo utilizado depende demasiado de los resultados de la División de la superficie del techo, y es necesario juzgar la relación topológica entre las superficies para determinar la intersección de las superficies adyacentes. cuando los resultados de la División de la superficie del techo o la coincidencia de la relación topológica son incorrectos, conducirá directamente a Resultados de extracción extraños como desviación, ausencia y error de la línea de techo. Por ejemplo, la precisión de División de la superficie B2 es baja, lo que resulta en la desviación del punto final de la línea característica en el área dentro del marco negro; Y el pequeño ángulo de desviación entre las dos superficies del techo que componen el B5 hace que la superficie del techo se considere la misma superficie cuando se divide, lo que a su vez conduce a la falta de líneas del techo en el marco Negro.
Además,鲍娣（2017）Al fusionar los puntos finales de diferentes tipos de líneas características, los puntos finales comunes de las líneas características internas y las líneas características externas se determinan directamente en el espacio tridimensional, lo que resulta en el hundimiento o flotación de los puntos finales comunes individuales fusionados en el espacio tridimensional debido a ciertos errores en la elevación de los puntos en la nube de puntos, como se muestra en las áreas dentro del marco azul en B6 y b8. Para los techos donde existe una estructura escalonada, debidoYu等（2024）La División de la red en la dirección horizontal bidimensional no puede analizar las características de distribución lineal de los puntos de la línea de paso en el espacio tridimensional, lo que resulta en la ausencia de la línea de paso en los resultados de extracción, como las flechas moradas en B3 y b 11 indican el área. Pero para estructuras escalonadas más alejadas en dirección horizontal, como el edificio b10,Yu等（2024）Se trata como un techo de dos edificios separados, por lo que se pueden extraer efectivamente todas las líneas características del techo del edificio.
En este trabajo, se adopta el método de fusionar los puntos finales en un plano bidimensional y restaurar la elevación de los puntos finales en un espacio tridimensional para frenar la influencia de las fluctuaciones de la elevación de la nube de puntos locales en los resultados de la extracción de líneas características y garantizar que las líneas características extraídas estén más cerca de La superficie real del techo. Bloqueado por árboles, edificios anexos y otros objetos, generalmente hay ausencia local o escasez en las nubes de los puntos del techo del edificio. Para áreas en las que hay una clara ausencia de puntos fronterizos, comoFig. 13El área dentro de la Caja morada media se muestra,鲍娣（2017）El algoritmo Alpha SHAPES adoptado,Yu等（2024）El algoritmo de análisis de dirección lineal de los puntos vecinos y el algoritmo de detección de borde independiente utilizado en este artículo solo pueden analizar los puntos fronterizos existentes, sin considerar si el límite del conjunto de puntos es el límite real del edificio, por lo que los tres algoritmos tienen ciertas desviaciones en las líneas características extraídas de la región actual. Para las áreas con puntos fronterizos más escasos, como se muestra en el área de la Caja Roja en b7,Yu等（2024）Al dividir la red, la red con menos puntos se considera una eliminación de ruido, lo que resulta en una desviación del límite extraído, lo que a su vez resulta en resultados de extracción de líneas características incompatibles con la realidad. El algoritmo de este artículo para extraer puntos de frontera depende de los bordes independientes en el triángulo de frontera, y las propiedades de los bordes independientes de las áreas escasas de densidad son las mismas que las áreas densas, por lo que para las áreas escasas de puntos de frontera, todavía se pueden extraer líneas de frontera más completas.
En general, el método de este artículo puede extraer líneas características que contienen varios edificios de estructura de techo, y las líneas características extraídas tienen una alta integridad y un alto grado de ajuste con la nube de puntos original.
3.3.2 análisis cuantitativo de los resultados de la extracción de líneas características
Para evaluar cuantitativamente los resultados de la extracción de las líneas características del techo del edificio, se extraerán líneas características para compararlas con las líneas características de referencia. El conjunto de datos building3d y las líneas de características de referencia del conjunto de datos vaihingen son proporcionadas por el marco del techo, comoFig. 11Se muestra el segmento rojo en. Este artículo utiliza el promedio de desviación de coordenadas del punto final mean y la similitud integral de segmentos de línea lsm (line similarity measure), respectivamente.崔巍 等，2003) dos indicadores de evaluación analizan cuantitativamente los resultados de la extracción. El primero es el promedio de desviación entre todas las coordenadas del punto final de la línea característica extraída y las coordenadas del punto final de la línea característica de referencia correspondientes, mean, y la fórmula de cálculo es la siguiente:
En la fórmula,ySon los siguientes:Cada punto final de la línea característica de referencia y el punto final de la línea característica de extracción, a y B representan el punto final de la línea característica extraída y el punto final de la línea característica de referencia, respectivamente,Es la distancia euclidiana entre dos puntos en un espacio tridimensional,Es el número de puntos característicos del techo del edificio.
Este último combina la similitud lsm en el punto medio, la longitud y el ángulo de la línea para reflejar la extracción de la similitud entre la línea característica y la línea característica de referencia, y la fórmula de cálculo es la siguiente:
En la fórmula, psm, lnsm y OSM representan la similitud de posición del punto medio PSM (point similarity), la similitud de longitud lnsm (length similarity) y la similitud de ángulo ASM (angle similarity), respectivamente, y sus fórmulas de cálculo son las siguientes:4) - ()6) se muestra. Son los valores de peso de psm, lnsm y osm, y los valores en este artículo son 2, 1 y 2, respectivamente.
En la fórmula, " D es el espaciamiento promedio de los puntos de la nube puntual en la superficie del techo, si el espaciamiento horizontal de los puntos medios es mayor que (i > i > l i i J i > en el punto medio.) (entre ellosEs un valor adaptativo), por su parte, se considera que dos segmentos de línea son independientes.
En la fórmula, cuanto menor sea la diferencia de longitud entre los dos segmentos, mayor será la proximidad de los dos segmentos en longitud, y mayor será la posibilidad de que los dos segmentos representen la misma línea característica interna.
En la fórmula,Es el umbral del ángulo de desviación, si el ángulo entre los vectores de dirección de los dos segmentos de línea es mayor queSe considera que dos segmentos de línea no tienen nada que ver.
Fig. 13Los valores de mean y lsm de los resultados de extracción de las líneas características de los datos de cada grupo son los siguientes:Table 1Y 2 se muestran. A través del análisis, se puede ver que, en general, la precisión del punto final de la línea característica extraída por el método de este artículo es mayor, y el conjunto es más similar a la línea característica de referencia. CombinarTable 1Se puede ver que la desviación máxima es el doble de la distancia media entre los puntos y la desviación media es el doble de la distancia media entre los puntos en comparación con los puntos finales de las líneas características de referencia extraídos por el algoritmo de este artículo. Para edificios más complejos, como B4 y b7, aunque la similitud entre las líneas características extraídas por todos los algoritmos es baja y las líneas características de referencia, el algoritmo de este artículo todavía puede mantener el lsm por encima del 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 |
Debido a鲍娣（2017）La falta de identificación precisa de los contornos del techo (b7, b11) o la falta de construcción correcta de la relación topológica entre los fideos (b5) durante el proceso de segmentación de los fideos hacen que los resultados de extracción de las líneas características sean muy diferentes de las líneas características del techo real del edificio, y la similitud de las líneas características es significativamente menor que la del algoritmo de este artículo. En comparación con鲍娣（2017）,Yu等（2024）La precisión y la similitud de la extracción de líneas características son generalmente más altas que鲍娣（2017）Pero por debajo del método mencionado en este artículo. Las líneas características extraídas por el algoritmo propuesto en este trabajo son aproximadamente las mismas y significativamente más similares a las líneas características del techo del edificio real, especialmente en el caso de una alta calidad de datos en la nube de puntos, como b6, B8 y b9, las líneas características generadas por el algoritmo de este artículo son mejores que los algoritmos de Comparación en calidad y similitud. A través del análisis cuantitativo y cualitativo de los resultados de la generación de líneas características del techo del edificio, podemos ver que el método propuesto en este trabajo tiene una alta precisión para extraer las líneas características del techo del edificio. Además, el método de este artículo está libre de dividir la superficie del techo al extraer las líneas características, y tiene una fuerte capacidad antiinterferencia para las nubes de puntos del techo que contienen ruido en las líneas no crestadas, lo que puede satisfacer las necesidades de extracción de las líneas características del techo de la mayoría de los edificios.
3.4 construcción de e - Forest y análisis del rendimiento de almacenamiento
Para verificar la eficiencia de la estructura de datos e - forest, este artículo utiliza redes triangulares con diferentes números de vértices como datos experimentales, que se comparan con la estructura de datos Half - edge heds (half - edge data structure) en términos de tiempo de construcción y espacio de ocupación de almacenamiento, y los resultados experimentales son comoTable 3Se muestra. Se puede ver que con diferentes números de vértices, el tiempo necesario para construir la estructura de datos e - Forest es de aproximadamente el 43,17% de heds, y el espacio de memoria ocupado al almacenar es de aproximadamente el 31,52% de heds.
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 |
En comparación con heds, la estructura de datos e - Forest propuesta en este artículo almacena directamente las coordenadas de los vértices triangulares, los índices triangulares de borde común y punto común, ahorrando así una gran cantidad de información de puntero para mantener la relación de puntería entre puntos, mitad y triángulo. Además, para las consultas sobre la relación de vecindad entre triángulos, la estructura de datos e - Forest no necesita saltar a través de punteros de varios niveles y puede llamar directamente al índice del triángulo de vecindad. Por lo tanto, el uso de la estructura de datos e - Forest para gestionar la relación de vecindad entre los triángulos en la red triangular puede mejorar significativamente la eficiencia operativa del algoritmo.
4 Conclusiones
En vista de los problemas de los métodos existentes de extracción de líneas características del techo, como algoritmos complejos, poca robustez y demasiada dependencia de la precisión de segmentación de la superficie del techo, este trabajo propone un método de extracción de líneas características del techo del edificio que combina la detección triangular de límites con la superposición bidireccional y la traducción. A través del conjunto de datos building3d y el conjunto de datos vaihingen, se selecciona la verificación en la nube de puntos de techo de edificios con diferentes grados de complejidad. Las principales conclusiones son las siguientes: (1) este artículo facilita la consulta y llamada de la relación de vecindad triangular estableciendo la relación de vecindad entre los triángulos en el modelo de red triangular de almacenamiento e - forest; (2) a través de la superposición y traducción bidireccionales, los puntos de la línea de la casa se obtienen directamente de la nube de puntos de la superficie del techo, evitando la interferencia de la precisión de División de la superficie del techo en los resultados de extracción de la línea característica; (3) el uso de detección de borde independiente para determinar la línea de frontera inicial de la superficie del techo y la adición de nuevas condiciones de juicio de ángulo pueden garantizar que el algoritmo D - P mejorado pueda obtener puntos de inflexión clave de manera estable; (4) la precisión de las líneas características extraídas mediante el análisis cuantitativo de mean y lsm muestra que la desviación máxima de los puntos finales de las líneas características extraídas por el algoritmo de este artículo es el doble de la distancia media entre puntos y la desviación media es el doble de la distancia media entre puntos, y la similitud general entre las líneas características extraídas y las líneas características de referencia es superior al 85%.
El método propuesto en este artículo puede satisfacer las necesidades de extracción de líneas características de la nube de puntos de techo de la mayoría de los edificios LIDAR aerotransportados, pero todavía tiene algunas limitaciones. Por un lado, la precisión de ajuste de la línea de techo se ve afectada por la forma del clúster de puntos. cuando el clúster de puntos de la línea de techo es corto, el ángulo de la línea de techo generado por el ajuste es propenso a la desviación, y para las nubes de puntos de techo con densidad demasiado escasa en la línea de techo, la línea de techo extraída puede romperse; Por otro lado, debido a una cierta ausencia en el límite de la nube de puntos del edificio original, hay una desviación entre el contorno extraído por el algoritmo de este artículo y el límite real. En el trabajo posterior, se considerará la introducción de datos de múltiples fuentes para complementar las nubes puntuales que faltan en los límites o corregir los contornos para obtener líneas características de techo de edificios de mayor precisión.
