基于3D基元拟合的复杂屋顶点云三维重建

几何语义一体化三维建筑物模型是智慧城市建设的重要基础数据,有利于促进建筑设施的精细化管理和智能化应用。当前基于点云的三维重建算法大多关注简单屋顶结构的几何模型构建,忽略了模型的语义表达,且基于数据驱动方法的重建结果容易受噪声影响,存在几何和拓扑错误。为了解决复杂屋顶高精度三维重建难题,本文提出一种基于3D基元拟合的复杂屋顶点云三维自动化重建算法。首先,设计了一套可参数化表达的建筑物3D基元库,包含简单和复杂屋顶。其次,通过点云分割和屋顶拓扑图比较来识别点云对应的基元类型。然后,提出了一种点云与3D基元整体拟合的目标优化函数,采用序列二次规划算法估计基元的正确参数。最后,利用城市地理标记语言(City Geography Markup Language,CityGML)构建几何、语义和拓扑一体化表达的三维模型。采用几种不同屋顶风格的建筑物点云数据进行实验,定性和定量对比分析结果表明本文方法能够高效生成几何和拓扑均正确的CityGML模型,对噪声和局部点云缺失具有一定的鲁棒性,有利于促进几何语义一体化建筑物模型快速自动化构建。

图像3D轮廓提取

针对现有3D轮廓提取方法计算量大、图像立体匹配难、图片中含有大量噪音的问题,提出了一种利用早期认知视觉系统提取图像3D轮廓的方法。早期认知视觉是连接早期视觉和认知视觉的中间平台,通过早期认知视觉系统提取出图像的2D基元,2D基元是图片小块,有丰富的语义信息包括位置,方向,相位和三色值;再由两个立体图像的相一致的2D基元配对来构建3D基元,通过3D基元的共面性和共色性得到图像的3D轮廓。在Ubuntu10.04下,通过输入立体图片对,对这种方法进行了实验,实验结果表明图像的3D轮廓能完好地提取出来,有效地保留图像的必要信息并具有强抗噪性。

一种基于超像素的户外建筑图像布局标定方法

提出了一种提取户外建筑目标图像中布局信息的方法.首先,基于超像素技术对所给的图像进行大致区域划分.超像素技术是基于一个测度谓词,其利用图像的基于图论的表示法来判定两区域的边界;其次,以划分后的区域(称为超像素)为单位,利用颜色、位置、纹理等信息对其进行标记.在标记纹理特征时,采用了基于3D基元的纹理识别方法.最后,定义规则整合各项标记,实现了对图像内容的划分,提取其布局信息.实验结果表明,该方法应用于常见几种布局的户外建筑目标图像都能收到较好的效果.