激光點(diǎn)云下的建筑物重建技術(shù)研究.pdf

1、自從智慧城市的概念首次被提出以來，城市的三維重建引起了廣泛的關(guān)注。進(jìn)入21世紀(jì)以來，激光掃描技術(shù)得到顯著的提高，它能夠快速、準(zhǔn)確、大范圍地獲取城市場景的三維數(shù)據(jù),為城市的三維重建提供了數(shù)據(jù)基礎(chǔ)。作為城市場景的重要組成部分，人造建筑物的三維重建是當(dāng)前研究的熱點(diǎn)，同時也面臨數(shù)據(jù)的后續(xù)處理等諸多困難。在大型的復(fù)雜建筑物重建方面，由于其結(jié)構(gòu)的復(fù)雜性，若需真實(shí)、完整的重建出建筑物的三維模型，需要解決復(fù)雜細(xì)部結(jié)構(gòu)的模型重建等問題。針對建筑物三維重建

2、面臨的挑戰(zhàn)以及當(dāng)前迫切的需求，本文的研究工作如下：
　　1、對三維重建算法的研究現(xiàn)狀進(jìn)行深入的探討，重點(diǎn)分析了三種常用的基于激光點(diǎn)云的三維重建算法（即基于先驗(yàn)知識的三維重建算法、基于語法分割的三維重建算法和基于GlobFit的三維重建算法）的優(yōu)勢和不足，為本文后續(xù)的研究工作提供理論依據(jù)。
　　2、針對地面激光掃描儀存在掃描死角，導(dǎo)致點(diǎn)云缺失、密度不均勻，使得建筑物立面難以完整分割等問題，現(xiàn)有的RANSAC（Random Sa

3、mpling and Consensus）和多結(jié)構(gòu)(Multi-GS)等相關(guān)的算法，雖然在采樣策略方面有一定的優(yōu)勢，但是對于模型的選擇和后續(xù)模型優(yōu)化等方面仍存在不足。為此，本文提出了一種基于點(diǎn)密度的指導(dǎo)采樣方式，并對提取模型進(jìn)行再優(yōu)化的分割算法，即GSMOSAC(Global Sample and Model Optimize)。該算法通過改進(jìn)最小采樣集的選取方式，并對采樣模型進(jìn)行優(yōu)化處理，以提高獲取模型的可靠性。實(shí)驗(yàn)結(jié)果表明，本文提出

4、的算法比傳統(tǒng)的RANSAC、多結(jié)構(gòu)(Multi-GS)算法能夠獲得更好的分割效果。
　　3、針對RANSAC、PEARL和GlobFit這三種算法在三維重建過程中存在閉合性、擴(kuò)展性和自動化處理等方面的不足問題，提出了一種基于正則集的三維重建新算法。該算法擴(kuò)展性較好，而且能夠自動地進(jìn)行幾何重建。通過對四組不同類型和規(guī)模的激光雷達(dá)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析，并與RANSAC、PEARL和GlobFit三種經(jīng)典算法相比，本文提出的基于正則集三維重