从点云进行建筑物模型的整体参数化重建
计算机视觉与模式识别
2020-10-16 v1 图形学
机器学习
图像与视频处理
摘要
建筑物模型传统上通过建筑物屋顶点平面分割然后利用拓扑图将平面分组在一起来重建。屋顶边与顶点随后由相交的分割平面数学表示。从技术上讲，此类方案基于顺序局部拟合，即一栋建筑物的整体数据并未同时参与决定建筑物模型。因此，该方案缺乏拓扑完整性与几何严谨性。与传统方法根本不同，我们提出一种整体参数化重建方法，即同时考虑一栋建筑物的整个点云。在我们的工作中，建筑物模型由预定义的参数化（屋顶）基元重建。我们首先使用精心设计的深度神经网络在给定的建筑物点云中分割并识别基元。随后引入整体优化策略以同时确定分割基元的参数。最后一步，最优参数用于生成CityGML格式的水密建筑物模型。带有预定义屋顶类型的机载LiDAR数据集RoofN3D用于我们的测试。结果表明，应用于整个数据集的PointNet++可实现83%的基元分类精度。对于RoofN3D中910栋建筑物的子集，随后使用整体方法确定基元参数并重建建筑物。所达成的重建整体质量为点-面距离0.08米，或输入LiDAR点RMSE的0.7倍。该研究展示了所提方法的效率与能力及其处理大规模城市点云的潜力。
引用
@article{arxiv.2005.09226,
title = {Holistic Parameteric Reconstruction of Building Models from Point Clouds},
author = {Zhixin Li and Wenyuan Zhang and Jie Shan},
journal= {arXiv preprint arXiv:2005.09226},
year = {2020}
}
备注
Remote Sens. Spatial Inf. Sci., 2020