三維激光掃描建筑物立面數據的自動提取

林　卉，王李娟，康志忠，田艷鳳，邵聰穎

(1. 江蘇師范大學測繪學院，江蘇 徐州 221116； 2. 中國地質大學(北京)土地科學技術學院，北京 100083； 3. 空軍后勤學院，江蘇 徐州 221110)

?

三維激光掃描建筑物立面數據的自動提取

林卉1，王李娟1，康志忠2，田艷鳳3，邵聰穎1

(1. 江蘇師范大學測繪學院，江蘇 徐州 221116； 2. 中國地質大學(北京)土地科學技術學院，北京 100083； 3. 空軍后勤學院，江蘇 徐州 221110)

對地面三維激光掃描儀所獲取的海量點云進行建筑物立面數據的提取，有利于提高后續分割擬合、三維建模及變化檢測等處理的效率和穩定性。因此本文針對建筑立面點云數據的特點，提出了一種基于相鄰掃描點角度間隔直方圖的提取方法。首先介紹了固定式三維激光掃描獲取的數據特點，然后對基于掃描線的建筑物立面數據提取方法應用于固定式三維激光掃描數據的局限性進行了分析，在此基礎上提出了統計掃描角度范圍內指定大小(如1°×1°)格網內掃描點的個數，以生成相鄰掃描點角度間隔的二維直方圖并轉換成灰度圖像，通過二值化和連通區域標記方法提取了建筑立面數據。試驗證明本文方法是行之有效的。

地面激光掃描；點云；建筑物立面；二維直方圖；灰度影像

當前，地面三維激光掃描儀能夠獲取高空間分辨率(毫米級)的點云數據，從而為工程實際應用提供了理想的三維空間數據源。然而，地面三維掃描儀在大面積高分辨率的獲取目標建筑物三維數據的同時，也會相應地獲取到行人、植被等大量噪聲點，勢必會造成其數據量龐大、后期數據處理效率低下。對于建筑物的三維建模、變化檢測等處理而言，點云中會存在大量無用數據，如果能預先對建筑物立面的點云數據進行識別提取，就能剔出大量的無關點，從而有利于提高后續處理的效率和穩定性。

已有不少國內外學者對移動式掃描儀獲取的建筑物點云數據的分類和提取作了相關研究。日本東京大學研制的VLMS[1-2],可以初步將垂直面(如建筑面、墻壁)，水平孔洞和自然物體(樹木和灌木)等分離開來。徐逢亮、李樹楷[3]利用單條掃描線上激光點的空間位置關系，能夠快速自動地提取城市建筑物的邊界及高度。李必軍[4]對車載激光掃描系統獲取的建筑物點云數據進行了研究，提出了一種直接從未經姿態改正的距離影像中提取建筑物輪廓信息的方法。楊洋[5]等在分析車載激光點云掃描特征的基礎上，提出了一種基于掃描線的車載激光雷達點云濾波方法。該濾波方法能夠在保證建筑物立面的細節特征的情況下提取建筑物立面點信息。史文中[6]等通過對車載激光掃描系統獲取的距離影像的分割進行了研究，提出了利用投影點密度進行距離圖像分割的方法。該方法根據投影點密度不同，并輔助以高度信息可以區分出距離影像中主要目標，開辟了距離圖像數據處理和應用的新方向。由于在車載掃描過程中建筑物立面與移動平臺的行駛方向大致垂直，Frueh等[7]基于在每一條車載激光掃描線上建筑物立面的點到儀器中心的距離理論上相等的結論，生成所有掃描線的深度信息二維直方圖，據此提取出建筑物的主平面。

而對于固定式地面激光點云數據而言，目前已有的算法通常是直接對點云進行分割和擬合，對建筑立面數據預先提取的研究相對較少。在此情況下，本文通過分析建筑物立面點云數據的特點，提出一種基于相鄰掃描點角度間隔直方圖的方法，可以自動快速地提取建筑物立面信息，試驗證明本文方法是行之有效的。

一、地面激光掃描數據特點

圖1(a)為地面三維激光掃描儀在單條掃描線上的點云空間分布圖，按照點云所屬類型不同，激光點云可分為以下4類：

1) 建筑物立面點。對大部分建筑物來說，其立面都具有垂直幾何特性。在單條掃描線上，相鄰掃描點在水平方向投影近似為一點，在垂直方向呈連續性的線性分布。

2) 地面點。同一掃描線上，地面點處于所有點云數據中相對最低處且高程變化比較平緩，其在水平方向上呈連續性的線性分布。

圖1　單條掃描線上的點云分布

3) 其他地物點。街燈、廣告牌等其他物點，由于自身目標相對于建筑物較小，且結構具有不規則性，反射于這些目標的激光點在掃描線上數據量稀少且在局部范圍呈離散無規律分布，但在小范圍內也有可能呈現一定的線性分布[5]。

4) 噪聲點。在掃描目標建筑物時，鏡面反射、空氣中大量塵埃、遮擋物遮擋和建筑物邊緣等各種因素均會對激光信號產生干擾，不可避免會出現一些雜亂異常的激光噪聲點。這些點通常具有一定的隨機性，在掃描線上的分布無規律可循。

對于移動式掃描數據而言，單條掃描線的數據特點與固定式類似，但由于移動掃描的方向一般與行進方向垂直，因此如圖1(c)所示，同一建筑物立面在不同掃描線上點到掃描中心的深度值相差不大[8]。而地面固定式激光掃描儀在單次掃描時，儀器中心相對于地面靜止，但是建筑物立面點到掃描儀中心的水平距離隨著儀器的旋轉時刻發生變化，是一個逐漸變大或逐漸變小的過程。

中國在多年農村扶貧過程中，一直根據貧困特點、扶貧形勢、國家發展戰略與政府財政支持能力的變化，通過試驗和創新，不斷完善和調整扶貧戰略、治理結構、資金管理和扶貧方式等，不斷提高扶貧的有效性和用于扶貧資源利用的效率。堅持扶貧創新，使中國農村扶貧開發戰略和方式能夠適應不斷變化的扶貧形勢，長期保持較高的扶貧效率。

二、基于掃描線的建筑物立面數據提取

如圖1(a)中所示激光束打出的一條掃描線上的任意一點Pi(xi,yi,zi)到掃描儀中心的水平距離

式中，Di為Pi到儀器中心的斜距

圖2(a)為單條掃描線上的所有點按照掃描順序求出點到儀器中心的水平距離分布圖。根據點云分類對此進行分析：

圖2　單條掃描線距離直方圖

1) 建筑物。由于大部分建筑物都具有垂直幾何特性，因此這部分激光點到掃描儀的水平距離為定值，在圖上顯示為水平線段，由于建筑物上一般會存在樓梯或陽臺，因此在水平線段附近通常會有部分短線段存在。

2) 地面點。由于掃描儀是等角度發射脈沖信號，地面點離儀器較近時，相鄰點間距的變化速率比較緩慢，當與掃描儀間距變大時，相鄰地面點間距的變化速率會急劇增大，近似于指數分布。因此從圖2(a)可以清晰地識別出地面點云。地面點處于整個點云數據中較低的區域，設定合適的高程閾值能夠去除大部分地面點。

3) 其他地物點。像路燈、電桿等垂直于地面的地物，或是具有規則形狀的地物(花池，廣告牌等)，在一定區間內也會呈線性分布，很難與建筑物區分開。

4) 噪聲點。在掃描線上分布無規律，因此在圖2(a)上是離散性分布。在對目標建筑物進行掃描時，一般會出現在建筑物后方。通過設定一個合適的距離閾值，可以在較短時間內將其中距離起伏較大的點判斷為噪聲點并予以去除。

圖2(b)為對單條掃描線上的點進行一次濾波后所獲取的點示意圖，可以看出，在設置合適的閾值之后，可以濾除掉噪聲點與地面點。由于其他地物點(路燈、廣告牌等)自身結構的特殊性，因此這部分的點在進行一次濾波之后無法與建筑物區分開。對于車載掃描獲取的點云數據，同一建筑物立面在不同掃描線上點到掃描中心的深度值相差不大，因此可據此提取出建筑物主平面，從而可將圖2(b)中其他地物點(如車輛、樹木等)濾除。然而固定式掃描儀獲取的每一條掃描線上的建筑物立面點到儀器中心的距離是在不斷變化的，因此很難確定出建筑物的主平面以區分其他地物點。

鑒于此，本文針對建筑立面點云數據的特點，提出了一種基于相鄰掃描點角度間隔直方圖的建筑立面提取方法，可以初步將建筑物點與其他地物點區分開。

三、基于相鄰掃描點角度間隔直方圖的建筑物立面數據提取

固定式三維激光掃描儀在掃描過程中，不管是水平角還是豎角，角度值都是連續變化的。因此三維激光點之間的空間連續性能夠通過相鄰點角度值的變化趨勢來反映，建筑物立面及地面上相鄰點間的角度差通常很小，而且此類點的數目在整個點云中占大多數。因此，本文通過生成相鄰掃描點角度間隔直方圖，轉換成灰度影像，進而提取最大面域來實現建筑物立面信息的自動提取。由于地面點的Z坐標一般很小，而且相鄰點間的Z坐標相差也很小，可據此將地面點濾除[9]。

1. 相鄰掃描點角度間隔直方圖

首先根據三維激光掃描儀的掃描范圍確定角度格網大小，如本文試驗所用的三維激光掃描儀的水平角掃描范圍為0°～360°，豎角范圍為-70°～90°。按照預先設定的角度格網大小(本文采用1°×1°)，可以將整個掃描范圍劃分為360×160個格網區間[10]；其次計出每個角度格網內激光點云的個數，生成相鄰掃描點角度間隔的二維直方圖，如圖3(a)所示。在該直方圖中，水平方向的刻度線表示水平角，處于同一個平面而又垂直于它的刻度線表示豎角，豎直向上的刻度線表示單位方格中掃描點的個數。直方圖上矩形柱的高度和顏色都反映了單位方格中與鄰近點之間的角度差小于給定閾值的掃描點的個數(圖例中顏色從南到北的變化表示點數增加)。從直方圖上可看出建筑物立面對應的矩形柱呈大面積的連續分布，因此可以根據這一分布特點從相鄰掃描點角度間隔的二維直方圖中快速提取建筑物立面。根據點數目設定閾值，濾除掉點云數目小于閾值的點集，保留點密度高的點集，圖3(b)為濾波后的點數目二維直方圖。為了便于處理，本文將二維直方圖轉換成灰度圖像(灰度根據直方圖中矩形柱的高度進行量化，黑色到白色表示矩形柱高度的增加)，如圖4所示。因此，建筑物立面的提取就簡化成了對灰度圖像面域的提取[11]。

圖3　相鄰掃描點角度間隔的二維直方圖

圖4　由二維直方圖轉換的灰度圖像

2. 建筑物立面數據提取

考慮到由二維直方圖轉換成的灰度圖像上邊界不如常規黑白影像邊界明顯突出，本文對灰度圖像進行二值化，在二值圖像中進行連通區域標記[12]。常用的連通有4連通和8連通兩種。4連通選取目標像素的上下左右4個相鄰像素，8連通選取目標像素的左上、上、右上、左、右、左下、下、右下8個相鄰像素。如果目標像素的灰度值與周圍相鄰的像素某一個像素的灰度值相等，則認為目標像素與該像素具有連通性。如果4個相鄰像素中有m(1

圖5　直方圖法建筑物立面提取

由于視角原因，這樣處理的結果很有可能會將一些原本不屬于建筑物立面的點也映射到影像上，如圖5(b)矩形框中所示部分，因此對這之后的點云數據還需要用格網化的方法進一步提取立面信息。

3. 格網化提取建筑物立面信息

地面式激光掃描儀與機載掃描系統不同，可以近距離獲取到建筑物立面的點云數據，而絕大部分建筑物都具有垂直幾何特性，據此，將具有三維空間信息的點云垂直投影到XY平面，建筑物將會在投影面上呈條帶分布，對XY平面進行格網化分割，以區分不同區域投影點密度差異，通常單次掃描區域有限，因此不需要考慮地球曲率影響，由此可以清晰地顯示不同地物之間的連通關系，進而區分出建筑物及其他地物的激光點云[15]。

本文將具有三維坐標的掃描點垂直投影到二維平面，通過多組試驗檢驗，考慮計算速度及變換后精度問題，格網寬度為0.1m效果最好，本文按照0.1×0.1m區間大小對投影二維平面進行格網化，統計落入每一個格網的激光點數，按比例分配像素值，對生成的影像進行連通區域標記，找尋面積及點密度最優的區域就是建筑物立面信息。從圖6可以看出，通過此方法可以將樹木、車輛等目標物剔除。

圖6　建筑物垂直投影示意圖

4. 試驗結果

本文分別對兩套數據作了試驗，建筑物1是利用FAROLS880三維激光掃描儀采集的點云，掃描角分辨率為0.036°，包含3300萬個激光點三維坐標。

建筑物2是利用RIEGLVZ-400 獲取的首都師范大學宿舍樓點云數據，掃描角分辨率為0.086°，包含780萬個激光點三維坐標。

利用前文所述基于掃描線的方法對建筑物立面進行了提取試驗，結果如圖7所示，為了便于識別，點云以全景反射值影像的形式顯示，由于其他地物點如廣告牌、電桿等在局部范圍內自身結構存在的特殊性，因此比較提取前后的反射值影像，可以看出這部分的點無法與建筑物立面區分開。

圖7　建筑物1全景反射值影像

本文利用前文所述方法對由二維直方圖轉換的灰度圖像(如圖8所示)進行建筑物立面提取，先對灰度影像進行二值化處理，剔除一部分點密度較小的點云；然后再進行連通區域標記，提取出面積最優的連通區域(如圖9所示)。

圖8　建筑物相鄰掃描點角度間隔灰度圖

圖9　最優連通區域提取

從圖9中可以明顯看出，仍有一部分點云數據(如樹木、汽車等)沒有濾除掉，因此還需要再對濾除后的數據進行格網化，如圖10所示，圖中(a)和(b)分別為建筑物1、2處理前的點云正射投影。找尋面積及點密度最優的區域就是建筑物立面信息,如圖11所示。圖12為得到的建筑物點云反射值影像，與處理之前的圖8相比，去除了大量冗余數據點，大大簡化了三維建模等后續工作，可直接進行建筑物的分割、擬合及變化檢測的處理。

圖10　格網化提取前

圖11　格網化提取后

圖12　提取的建筑物立面圖

四、結束語

本文針對建筑立面點云數據的特點，在分析固定式和移動式激光掃描在原理上的差別基礎上，首次提出了一種基于相鄰掃描點角度間隔直方圖的提取方法。試驗表明，以掃描角度的連續性代替三維激光點之間的空間連續性，能夠避免建筑物立面的提取受到深度變化及由此產生的空間分辨率差異的影響。此外，建筑物立面在直方圖上面積占優的特性，也使得它與其余地物具有非常好的可區分性。由于只將掃描角度作為運算對象，因為避免了對離散激光點的三維坐標進行運算。本文所提方法能夠對海量點云中的建筑物立面數據進行有效的預提取，有利于提高后續建筑物分割擬合、三維建模及變化檢測等處理的效率和穩定性。

[1]MANANDHARD,SHIBASAKIR.Vehicle-borneLaserMappingSystem(VLMS)for3-DGIS[J].GeoscienceandRemoteSensingSymposium, 2001 (5):2073-2075.

[2]MANANDHARD,SHIBASAKIR.FeatureExtractionfromRangeData[C]∥22ndAsianConferenceonRemoteSensing.Singapore:[s.n.]，2001.

[3]徐逢亮,李樹楷. 基于激光測距的航空掃描影像中的建筑物自動提取[J].遙感學報,1999,3(3):171-174.

[4]李必軍,方志祥,任娟.從激光掃描數據中進行建筑物特征提取研究[J].武漢大學學報(信息科學版)，2003,28(1):65-70.

[5]楊洋,張永生,馬一薇,等. 基于掃描線的車載激光雷達點云濾波方法[J]. 測繪科學技術學報,2014, 27(3) :209-212.

[6]史文中,李必軍,李清泉. 基于投影點密度的車載激光掃描距離圖像分割方法[J]. 測繪學報,2005,34(2):95-100.

[7]FRUEHC,JAINS,ZAKHORA.DataProcessingAlgorithmsforGeneratingTextured3DBuildingFacadeMeshesfromLaserScansandCameraImages[C]∥InternationalSymposiumon3dDataProcessingVisualizationandTransmission.[S.l.]:Springer，2002:834-834.

[8]閆晨. 三維激光實景技術在智慧城市建設中的應用[J]. 測繪通報, 2016(4):142-143.

[9]楊茂偉. 三維激光掃描儀在地質災害地形測繪中的應用[J]. 測繪通報, 2016(5):145-146.

[10]李敏. 三維激光掃描技術在古建筑測繪中的應用[J]. 北京測繪, 2014(1):111-114.

[11]李長春, 薛華柱, 徐克科. 三維激光掃描在建筑物模型構建中的研究與實現[J]. 河南理工大學學報(自然科學版), 2008, 27(2):193-199.

[12]姜如波. 基于三維激光掃描技術的建筑物模型重建[J]. 測繪通報, 2013(s1):113-116.

[13]張鴻飛,程效軍，賈東峰，等. 多視點散亂點云配準及壓縮改進算法研究 [J].測繪通報，2012(2):43-47.

[14]盧秀山,黃磊.基于激光掃描數據的建筑物信息格網化提取方法[J]. 武漢大學學報(信息科學版)，2007,32(10):852- 855.

[15]官云蘭,程效軍,詹新武，等. 地面三維激光掃描儀系統誤差標定[J].測繪學報,2014(7):731-738.

Automatic Extraction of Building Facade Segments from 3D Laser Scanning Point Clouds

LIN Hui，WANG Lijuan，KANG Zhizhong，TIAN Yanfeng，SHAO Congying

林卉，王李娟，康志忠，等.三維激光掃描建筑物立面數據的自動提取[J].測繪通報，2016(10)：25-30.DOI:10.13474/j.cnki.11-2246.2016.0322.

2016-06-27；

2016-09-11

國家自然科學基金(41171358；41401397)；江蘇省自然基金青年項目(BK20140237)

林卉(1973—)，男，副教授，主要研究方向為遙感數據處理、高等測繪教育改革。E-mail：linhuixznu@126.com

P234.4

B

0494-0911(2016)10-0025-06