TIN約束下的建筑物三維自動重建方法

由于影像理解的極端復雜性，從大比例尺航空影像和高分辨率遙感影像自動重建建筑物的逼真三維模型距離實用化還有很大的差距，特別是三維幾何重建和墻面紋理映射的大部分工作仍需由手工完成，這已成為制約高精度三維城市模型快速獲取的瓶頸問題?；谟跋竦娜S城市自動建模一直是攝影測量和計算機視覺領域的研究熱點和學術前沿。本申請立足于不規(guī)則三角形網(wǎng)絡（TIN）的自適應動態(tài)更新和多層次細節(jié)控制等特點，研究TIN約束下的建筑物三維自動重建方法，包括：TIN約束下的立體影像特征點密集匹配與傳播方法和自動識別建筑物表面幾何面片并模型化的方法。根據(jù)匹配得到的建筑物密集特征點數(shù)據(jù)建立3D TIN，并融合2D 圖形與屬性信息實現(xiàn)建筑物三維表面模型的自動重建。本項目的研究為基于影像的建筑物三維表面模型自動重建提供了一種新的方法，也可以用于對激光掃描(LIDAR)獲得的數(shù)字表面模型數(shù)據(jù)進行自動處理。 2100433B

視頻影像作為一種容易快速獲取且廉價的數(shù)據(jù)，一直是攝影測量與計算機視覺領域三維重建研究的重要源數(shù)據(jù)之一。由于視頻影像分辨率低造成線/面特征提取困難，影像間基線過短難以建立精確的成像幾何關系，普通車載或手持數(shù)碼相機（攝像機）拍攝得到的視頻影像序列還缺少輔助信息如控制點和數(shù)字高程模型等，因此基于普通視頻序列影像的建筑物三維自動重建具有很大的難度，是國際學術研究的前沿性問題。本申請旨在充分利用視頻序列影像間高重疊度的冗余信息和建筑物語義信息，系統(tǒng)研究可靠匹配點引導下的三維特征線和特征面提取方法、特征線段和面片的層次聚類方法、以及基于知識(包括語義信息和拓撲關系)的幾何面片分類識別與拓撲連接方法等關鍵問題，形成一種基于視頻序列影像由粗到精逼真重建建筑物三維立面模型的實用技術體系，為三維城市建模和計算機視覺等提供一種新的更高效可靠的途徑。 2100433B

第1章 緒論 1

1.1 概述 3

1.2 國內(nèi)外研究現(xiàn)狀及趨勢 5

1.2.1 建筑物模型三維重建概述 6

1.2.2 基于影像點云的建筑物場景三維重建 7

1.2.3 基于LiDAR點云的建筑物提取和三維重建 11

1.2.4 融合影像和LiDAR點云的建筑物提取和三維重建 21

1.2.5 小結(jié) 24

1.3 本書主要研究內(nèi)容 26

1.3.1 基于線元分割的建筑物快速檢測 27

1.3.2 基于RANSAC及層次拓撲圖的建筑物三維重建 28

1.3.3 基于圖割及全局優(yōu)化的建筑物三維重建方法 29

1.4 本書的組織結(jié)構(gòu) 30

第2章 基于線元分割的建筑物快速檢測 33

2.1 基于交叉線元分割的平面提取 35

2.1.1 點的規(guī)則格網(wǎng)索引 35

2.1.2 道格拉斯分割 36

2.1.3 種子線的選擇 37

2.1.4 區(qū)域增長 38

2.1.5 結(jié)果與分析 39

2.2 非平面點的分割 41

2.2.1 Meanshift點云分割 41

2.2.2 部分非平面點分割結(jié)果 44

2.2.3 結(jié)果與分析 44

2.3 面向?qū)ο蠓诸惖某跏冀ㄖ锏奶崛?45

2.3.1 基于圖割的平面分類 45

2.3.2 結(jié)果與分析 51

2.4 多特征的建筑物提取優(yōu)化 52

2.4.1 特征提取 52

2.4.2 建筑物的精確提取 57

2.4.3 結(jié)果與分析 59

2.5 本章小結(jié) 62

第3章 基于隨機采樣一致性及層次拓撲圖的建筑物三維重建 63

3.1 基于加權隨機采樣一致性的屋頂面片分割 65

3.1.1 隨機采樣一致性算法的原理 65

3.1.2 基于隨機采樣一致性的屋頂面片分割算法 67

3.1.3 改進的加權隨機采樣一致性算法 75

3.1.4 面片分割試驗與分析 83

3.1.5 小結(jié) 96

3.2 模型關鍵特征檢測與規(guī)則化 97

3.2.1 模型關鍵特征檢測 97

3.2.2 邊界規(guī)則化與整體調(diào)整 104

3.2.3 小結(jié) 108

3.3 基于層次拓撲樹的漸進式屋頂拓撲構(gòu)建 109

3.3.1 面片拓撲圖的原理 109

3.3.2 基于拓撲圖的屋頂拓撲識別及其困難 111

3.3.3 層次拓撲樹的原理及構(gòu)建 114

3.3.4 結(jié)果與分析 124

3.3.5 小結(jié) 128

3.4 實體模型生成與完整性檢測 128

3.4.1 模型缺陷及現(xiàn)有改正方法 129

3.4.2 基于模型完整性的缺陷檢測與修復 130

3.4.3 模型重建結(jié)果與精度分析 136

3.4.4 小結(jié) 145

3.5 本章小結(jié) 146

第4章 基于圖割及全局優(yōu)化的建筑物三維重建 147

4.1 圖割優(yōu)化的理論基礎 149

4.1.1 概述 149

4.1.2 圖割理論基礎 149

4.1.3 圖割多標號優(yōu)化原理 154

4.1.4 小結(jié) 160

4.2 基于圖割多標號優(yōu)化的建筑物LiDAR點云面片分割 160

4.2.1 概述 160

4.2.2 基于圖割全局優(yōu)化的多平面模型擬合 163

4.2.3 基于圖割多標號優(yōu)化的建筑物面片分割 165

4.2.4 結(jié)果與分析 168

4.2.5 小結(jié) 180

4.3 基于建筑物面片和復形結(jié)構(gòu)的三維空間劃分 180

4.3.1 概述 180

4.3.2 二叉空間劃分空間二分算法 182

4.3.3 復形與空間劃分 184

4.3.4 基于建筑物分割面片的點云三維空間劃分 187

4.3.5 結(jié)果與分析 189

4.3.6 小結(jié) 192

4.4 基于圖割二值標號的建筑物LiDAR點云三維重建 193

4.4.1 概述 193

4.4.2 基于圖割二值標號的建筑物點云三維重建 195

4.4.3 結(jié)果與分析 203

4.4.4 小結(jié) 212

4.5 本章小結(jié) 213

第5章 結(jié)論與展望 215

5.1 結(jié)論 217

5.1.1 基于線元分割的建筑物快速檢測 217

5.1.2 基于隨機采樣一致性及層次拓撲圖的建筑物三維重建 217

5.1.3 基于圖割及全局優(yōu)化的建筑物三維重建方法 218

5.2 展望 219

5.2.1 基于深度學習的整體認知 219

5.2.2 結(jié)合影像的細節(jié)結(jié)構(gòu)識別 220

參考文獻 221 2100433B