(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210739217.9 (22)申请日 2022.06.27 (71)申请人 北京航空航天大 学 地址 100191 北京市海淀区学院路37号 (72)发明人 龚光红　王丹　李妮　戚咏劼　 李莹　赵耀普　 (51)Int.Cl. G06F 30/13(2020.01) G06T 15/04(2011.01) G06T 17/00(2006.01) G06V 20/10(2022.01) G06V 10/26(2022.01) G06V 10/44(2022.01) G06V 10/75(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于点云数据的建筑物模板实例化建 模方法 (57)摘要 本发明公开了一种基于点云数据的建筑物 模板实例化 建模方法， 属于地景建模与测绘技术 领域。 所述方法利用三维点云， 建立建筑物标准 模型模板 数据库； 通过点 云语义分割、 滤波、 连通 域算法获取单体 建筑点云， 对其进行构件拆解与 识别， 读取建筑整体参数和构件特征参数， 并利 用获取信息与模板库匹配， 获取相应的模板文件 进行实例化编辑， 经模型校核后整合为建筑物实 例模型， 并利用原始地景图像与点云投影图像生 成纹理图像， 最终输出含纹理的建筑物实例三维 模型。 本发 明在使用三维点云进行建筑物建模的 前提下， 优点在于模型完整度高、 建模速度快， 在 保证与真实场景相似性的同时， 修复了传统建模 的空洞、 变形等问题， 且能达 到实时建模效果。 权利要求书3页 说明书11页 附图10页 CN 115033967 A 2022.09.09 CN 115033967 A 1.一种基于点云数据的建筑物模板实例化建模方法， 其特征在于， 所述方法具体包括 如下步骤： S1： 设计通用构件的模板文件标准结构及存储格式， 将建筑物模型按照所述通用构件 进行拆解， 对各构件的常用类别分别进 行建模， 设计模型库的数据库存储结构， 对建筑物各 构件模板文件及属性信息进行存 储； S2： 对目标场景点云进行基于图像的间接分割， 分离得到所述目标场景的建筑物点云， 并对生成的建筑物点云进行 滤波处理， 清除错 误分割点及离群点； S3： 利用连通 域算法对建筑点云簇进行 单体化操作， 分割出点云簇中包 含的单栋建筑； S4： 提取单栋建筑物点云的特征参数， 通过区域生长算法对点云进行分割以获取各构 件平面点云， 分别提取建筑物点云整体参数及各构件 共性、 个性 参数， 称为第一特 征参数； S5： 通过将所述第一特征参数与所述模型库中的模板文件进行匹配， 获取符合预设条 件的构件 模板， 并按照获取的所述第一特 征参数对获取的所述构件 模板进行实例化编辑； S6： 将实例化编辑后的各构件进行组装， 并进行位置、 尺寸关系校核与组合规则校核， 校核后生成建筑物实例化模型； S7： 通过各构件平面点云与拍摄获得的原始倾斜摄影图像的对应关系获取各构件对应 的二维原 始地景图像及点云投影图像， 通过图像融合 生成构件各表面贴图， 称为 生成贴图； S8： 对建筑物实例模型进行uv展开， 并按照建筑物模型各面与所述生成贴图各面的对 应关系生成建筑物整体的纹理贴图， 实现贴图与模型 的对应， 输出最终含纹理的建筑实例 三维模型。 2.根据权利要求1所述的方法， 其特 征在于， 所述S1具体流 程如下： S1‑1： 设定模板文件的标准结构包括模板标识、 属性集合、 对象集合和规则集合四部 分， 存储格式为OSGB、 OBJ、 FBX； S1‑2： 将建筑物分解为屋顶、 楼层、 柱梁、 地基、 其他五部分构件， 分别建立相应的模板 模型进行存储， 对每部分构件划分具有通用性、 区分性的主要特征、 次级特征， 以特征作为 逐级检索信息对 模板文件进行存 储和读取； S1‑3： 完成建筑物各构件建模后， 设计模板库整体存储结构， 将模板文件与扩展数据分 层存储， 通过扩展的种类参数、 形状参数及各类特征数据作为索引， 对不同类型的地物模型 模板文件进行检索和读取， 提高查找效率， 建立建筑模型模板数据库， 包含屋顶、 楼体、 地 基、 柱梁、 其它五个子表， 每个表中分层存储着各类构件的特征参数及模板文件存储路径， 通过选定的特征参数进行检索， 即可 快速获取目标模板 。 3.根据权利要求1所述的方法， 其特 征在于， 所述S2具体流 程如下： S2‑1： 搭建神经网络对地景图像进行语义分割， 识别图像中包 含的建筑物区域； S2‑2： 忽略三维场景点云中Z轴的影响， 将点云投影至XOY坐标平面， 获取点云的二维投 影图像； S2‑3： 使用训练完成的语义分割网络对点云投影图像进行分割， 识别出建筑部分后将 二维识别结果投影至三维点云， 通过二 者几何尺寸的对应分割出三维建筑点云； S2‑4： 使用离群点滤波器对建筑点云进行滤波 处理， 对输入点云中的每点到其k邻域内 的所有点的平均距离d进行计算， 并得到一个包含所有点邻域平均距离的数组， 其中， 假设 该数组符合高斯分布， 设定预设阈值范围， 不在所述阈值范围内的d值 允许被判定为属于离权　利　要　求　书 1/3 页 2 CN 115033967 A 2群点集， 在所述离群点 集中的点允许被删除。 4.根据权利要求1所述的方法， 其特 征在于， 所述S3具体流 程如下： S3‑1： 将语义分割图像进行二值化处理， 标记出识别为建筑物的部分， 并进行连通域检 测， 使用二次扫描法， 对图像进行两次遍历读取， 第一次针对图像中的非零像素， 赋予每个 非零点一个数字标签， 如果某像素 的左侧及上方邻域内的像素已有标签值， 则取这二者标 签中的小值作为当前像素点的数字标签， 否则赋予一个新的标签值， 其中， 第一次遍历会出 现同一个像素点有多个不同数字标签的情况， 因此需要进行第二次遍历， 将属于同一个连 通域的数字标签合并， 使得同一个连通域内的像素具有相同的数字标签， 以目标点水平、 垂 直及对角方向上的八个相邻点作为邻域对图像中各点进行检测， 实现连通域的检测和判 断， 并将识别出的不同连通区域标记为 不同像素值； S3‑2： 根据筛选后的图像对建筑物进行分割， 实现二维标签图像与三维建筑物点云之 间的坐标对应， 遍历标签图像中不同的像素值， 对点云进行逐点判断与分类， 将属于同一个 连通域内的点云簇划分为同一栋建筑， 实现建筑物点云的单体化， 获得相对独立的单栋建 筑物点云数据。 5.根据权利要求1所述的方法， 其特 征在于， 所述S4具体流 程如下： S4‑1： 首先对建筑物的整体参数进行获取， 用于后续建筑模型在三维地景场景中的正 确放置， 分别读取三维建筑点云的坐标及点云外包围盒在X、 Y、 Z三个坐标轴 方向的极大值 和极小值xmax、 xmi n、 ymax、 ymi n、 zmax、 zmi n； S4‑2： 使用基于区域生长的算法对建筑物内包含的各部分构件进行拆解， 通过邻域信 息将点云中具有相似性质的点进 行归类， 以此将点云划分为在某方面具有一定差异 性的不 同区域， 使用曲率作为区分不同建筑点云构件的主要依据对建筑点云进 行分割获取各构件 表面； S4‑3： 通过对分割出的构件进行平面拟合， 并计算长宽比例、 曲率、 法向信息对构件类 别进行识别， 将分割后构件进一 步划分为屋顶、 地基、 楼体、 柱梁及其 他； S4‑4： 完成建筑物构件拆解及识别后， 分类别提取不同构件对应的特征信息， 首先提取 各构件共性信息， 包 含用于筛选有效构件的点云大小、 位置及尺寸； S4‑5： 将分解出的各建筑构件平面点云由三维场景的世界坐标系投影至二维图像的像 素坐标系， 获取建筑构件点云在原始地景图像中的对应区域， 并通过计算点云凸包获取实 际边界点， 计算点云在图像中对应的最小矩阵包围框， 获得图像对应的最小矩阵区域， 裁剪 该区域并旋转至与X、 Y坐标轴平行， 从而获得 各点云平面对应的原 始地景图像； S4‑6： 根据构件的类别进行处理， 结合各构件点云及点云对应的原始地景图像， 获取包 括各构件类型在内的个性特 征信息。 6.根据权利要求1所述的方法， 其特 征在于， 所述S5具体流 程如下： S5‑1： 对于各类别构件， 按照主要特征、 次级特征逐级进行检索， 从建筑物模板数据库 中匹配对应的模板文件； S5‑2： 按照获取的位置、 尺寸、 倾斜角度参数对模板文件进行实例化编辑， 获得各建筑 构件实例模型。 7.根据权利要求1所述的方法， 其特 征在于， 所述S6具体流 程如下： S6‑1： 将根据实际建筑构件的坐标、 尺寸完成实例化后的模板文件进行组装， 获取初始权　利　要　求　书 2/3 页 3 CN 115033967 A 3