论文部分内容阅读
随着城市的规模不断增大,一同增大的,也包括城市网络以及城市建筑的复杂性,为了方便城市信息的管理和服务大众,配合数字城市乃至只能智能城市的建立,高精度大规模事物可量测建筑物模型是必要的。本文设计了一种基于八叉树的算法对车载激光点云的建模,通过该算法实现其建筑物立面的建模。并与其他算法结果进行比对,从而指出其优势及改进的地方。在众多的城市建模方法中,由于激光点云数据的在几何精度上有着其他数据所不具备的优势,本文选取了由车载移动扫描系统采集到的激光点云数据,作为实验的素材。车载激光点云数据,其通常得到的数据包括有地面,建筑物的立面以及独立地物等,通过分割,主要对对关心的部分建筑物的立面进行建模,从而得到建筑物的模型。在前人的研究过程中,已经出现了多种车载激光点云建模的方法,但是对于车载激光点云数据的建模并不完全适用。由车载激光点云扫描系统获得的数据会出现包括对于地物遮挡造成的点云空隙,由于其难以填补导致建筑物表面大范围缺失的问题,以及构建三角网拓扑关系复杂而视觉效果不够理想。本文提出了一种基于八叉树的点云自动建模算法,通过集成由惯性导航单元(IMU), GPS接收机,以及激光扫描仪获得的数据,结合已有的城市地图信息,利用获取的车载激光点云扫描数据和相应的算法,从而得到一定范围内的建筑物模型。通过对包围盒进行不断的细分和判断,最终将点云的位置拓扑关系以一定的规则进行重构,从而能够方便接下来的过程中按照一定的规则进行数据的空缺的填补以及去除冗余点从而提高模型存储效率的目的。本文结合了车载激光移动测量系统及获取数据的特点,经过综合考虑设计了本算法,其不同于以往算法的优势如下:1.对数据的拓扑关系进行分析重构,得到带有建筑物的边角信息的关键点,从而无需将具有海量激光数据的点全部应用到建模中。2.利用特殊的判断条件,由于地无遮挡造成的建筑物表面空缺能够起到一定的填补作用。3.最终通过特殊判定条件对海量数据中的冗余数据进行剔除合并,从而得到具有占用空间小,具有高存储效率的数据。