(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 202210564805.3 (22)申请日 2022.05.23 (71)申请人 中国人民解 放军战略支援 部队信息 工程大学 地址 450001 河南省郑州市高新区科 学大 道62号 (72)发明人 熊峰　李宗春　付永健　汪文琪　 冉佳欢　何华　黄哲琨　 (74)专利代理 机构 郑州睿信知识产权代理有限 公司 41119 专利代理师 史萌杨 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/30(2022.01) G06V 10/762(2022.01)G06V 10/77(2022.01) (54)发明名称 一种建筑物立面点云提取方法 (57)摘要 本发明属于点云数据处理技术领域， 具体涉 及一种建筑物立面点云提取方法。 首先， 基于虚 拟格网利用高程分布特性自适应分离地面点， 并 依据格网高差滤除低矮地物点云。 然后， 在求解 最优邻域的基础上， 根据各点的局部点云密度进 行DBSCAN聚类。 最后， 结合聚类块中线、 面状点比 例和尺寸等语义规则对建筑物立面点云进行精 提取。 采用两种不同场景的数据集进行试验， 结 果表明， 所提方法能得到较好的建筑物立面提取 结果， 提取精度高于MRG、 RealWorks和EPSB三种 对比方法， F 1得分均优于97.69％， 可为 建筑物重 建、 城市精细化管理等应用提供可靠的建筑物立 面信息。 权利要求书2页 说明书10页 附图8页 CN 115099304 A 2022.09.23 CN 115099304 A 1.一种建筑物立 面点云提取 方法， 其特 征在于， 包括如下步骤： 1)获取点云数据， 确定点云数据中每个点的最优邻域点个数， 以及每个点的最远距离， 所述点的最远距离是指该点与其 最优邻域 点个数下各近邻点之间距离的最大值； 2)依据每 个点的最优邻域 点个数以及最远距离， 确定每 个点的局部点云密度： 式中， LPDi表示点i的局部点云密度， ki表示点i的最优邻域点个 数， dkimax表示点i的最远 距离； 3)依据各点的局部点云密度， 按照局部点云密度的大小将所有点划分为N类， N≥2； 对 于一类点云， 确定该类点云中所有点的局部点云密度的中位数， 选取局部点云密度的中位 数所对应的点的最远距离作为对 该类点云中各点进行DBSCA N聚类的邻域搜索半径， 进而确 定各类点云中各点的邻域搜索半径； 4)依据各点的邻域搜索半径， 采用DBSCAN聚类方法对点云数据进行聚类； 5)依据聚类结果， 提取建筑物立 面点云。 2.根据权利要求1所述的建筑物立面点云提取方法， 其特征在于， 步骤1)中采用如下方 法确定某一 点的最优邻域 点个数： ①设置点p的初始邻域 点个数k0； ， 并将初始邻域 点个数作为当前邻域 点个数； ②求取点p在当前邻域 点个数下对应的三个特 征值 λ1、 λ2、 λ3， 且 λ1＞ λ2＞ λ3； ③根据如下公式计算 点p在当前邻域 点个数下的熵值Eλ： Eλ＝‑L1ln(L1)‑L2ln(L2)‑L3ln(L3) ④根据邻域点个数的遍历范围和遍历步长， 重复步骤 ②～③， 从而计算得到遍历范围 内各点的熵值； 选取熵值 最小时所对应的邻域 点个数为 点p的最优邻域 点个数。 3.根据权利要求2所述的建筑物立面点云提取方法， 其特征在于， 所述遍历范围为 [kmin,kmax]， 遍历步长为： 在[kmin,k1]∪[k2,kmax]范围内遍历步长为k△1， 在(k1,k2)范围内遍 历步长为 k△2， k△1＜k△2。 4.根据权利要求3所述的建筑物立 面点云提取 方法， 其特 征在于， k△1＝1， k△2＝2。 5.根据权利要求1所述的建筑物立面点云提取方法， 其特征在于， 步骤1)中确定点云数 据中每个点的最优邻域 点个数之前， 还需对获取的点云数据进行筛 选以去除低矮地物点。 6.根据权利要求5所述的建筑物立面点云提取方法， 其特征在于， 筛选的方法包括如下 步骤： 将点云数据沿z轴方向投影到对应的二维格网平面， 并按照设定的尺寸进行格网划分， 确定各点所在的格网； 确定各点的高程值， 从中找到所有点中最低点对应的高程值， 计算每个格网内最低点 到所有点中最低点的高程差值， 并将格网内各点的高程值减去该格网所对应的高程差值， 得到的结果 为各点的高程分布统计值；权　利　要　求　书 1/2 页 2 CN 115099304 A 2将高程分布统计值的最大值和最小值之间的区间划分为M个等间距区间， M＞1， 并统计 每个等间距 区间内的点数， 以所述等间距 区间为横坐标， 以点数个数为纵坐标绘制频数直 方图， 连接频数直方图中曲线的起点和终点得到一条直线， 计算所述 曲线上每一点到所述 直线的距离， 统计最大距离值所对应的点的高程值作为筛选地面点与非地面点的高程阈 值； 将高程值小于所述高程阈值的点进行筛除。 7.根据权利要求1所述的建筑物立面点云提取方法， 其特征在于， 步骤5)中提取建筑物 立面点云需满足如下三个条件： hhight≥hΔ lwidth≥lΔ 式中， nlinearity、 nplanarity、 nscattering分别为聚类块中线状、 面状、 球状点数量， δn为聚类块 中线面状点比例阈值， hhight、 lwidth分别为聚类块高差和最大宽度， hΔ、 lΔ分别为高差阈值和 最大宽度阈值。 8.根据权利要求1所述的建筑物立面点云提取方法， 其特征在于， N＝2， 且按照如下方 法进行划分： 确定所有点的局部点云密度的中位数， 将局部点云密度大于所述所有点的局 部点云密度的中位数的点划分为大密度点云类， 否则划分为小密度点云类。 9.根据权利要求6所述的建筑物立面点云提取方法， 其特征在于， 在进行筛除时， 需保 留格网内的高程差值小于设定高程差阈值且格网内最低高程大于所有点的平均高程的点。权　利　要　求　书 2/2 页 3 CN 115099304 A 3