基于Scale-PointNet的语义建筑物立面结构提取方法

三维激光点云能够直观完整地表达建筑物的总体构造,但是点云数据具有无序、庞大的特点。扫描获得的三维点云数据若直接用于建筑物建模将耗费大量的时间,增加项目的运行成本。因此,提取出建筑物点云中的立面结构成为当今三维精细建模领域的研究热点。点云中具有三维坐标信息、RGB色彩信息和深度信息等,通过对这些信息的分析研究,蕴含建筑物点云上下文信息和种类信息的语义特征在建筑物立面提取中有着重要的意义。为此,提出了一种基于Scale-PointNet的语义建筑物立面结构提取方法,该算法主要分为3个步骤,首先,具有对称函数特性的网络解决点云无序性的干扰,构建网络的雏形;其次,引入T-Net网络,学习训练集中的旋转角度,保证点云的几何变换不变性;最后,基于多尺度维度特征,定义点云的局部特征,解决PointNet网络对于局部特征表达较弱的问题。结果表明,该方法能够有效提取建筑物的立面结构特征,提取精度良好。