(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210217728.4 (22)申请日 2022.03.08 (65)同一申请的已公布的文献号 申请公布号 CN 114332134 A (43)申请公布日 2022.04.12 (73)专利权人 航天宏图信息技 术股份有限公司 地址 100195 北京市海淀区西杉创意园四 区5号楼3层3 01室 (72)发明人 王宇翔　叶馨兰　李民录　沈均平　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 安卫静 (51)Int.Cl. G06T 7/11(2017.01) G06T 17/20(2006.01)G06F 30/13(2020.01) G06V 10/74(2022.01) G06V 10/44(2022.01) (56)对比文件 CN 110570428 A,2019.12.13 CN 111652241 A,2020.09.1 1 CN 112927370 A,2021.0 6.08 CN 113804118 A,2021.12.17 US 2020027266 A1,2020.01.23 审查员 柯学 (54)发明名称 一种基于密集点云的建筑物立面提取方法 和装置 (57)摘要 本发明提供了一种基于密集点云的建筑物 立面提取方法和装置， 涉及数据处理的技术领 域， 包括： 获取待提取区域的密集匹配点 云数据， 并对密集匹配点云数据进行预处理， 得到目标密 集匹配点云数据； 基于目标密集匹配点云数据， 构建待提取区域的均匀网格， 并确定出均匀网格 中的候选点云数据； 基于密度可达性分析算法、 局部表面拟合算法和候选点云数据， 对待提取区 域内的建筑物 立面进行粗提取， 得到待提取区域 内的建筑物的初始立面； 基于预设图像处理算法 和初始立面， 构建待提取区域内的建筑物立面， 解决了现有的建筑物立面提取方法的提取精度 和效率较低的技 术问题。 权利要求书3页 说明书11页 附图2页 CN 114332134 B 2022.06.17 CN 114332134 B 1.一种基于密集 点云的建筑物立 面提取方法， 其特 征在于， 包括： 获取待提取区域的密集匹配点云数据， 并对所述密集匹配点云数据进行预处理， 得到 目标密集匹配点云数据， 其中， 所述预处 理包括： 离群点滤波处 理和布料模拟滤波处 理； 基于所述目标密集匹配点云数据， 构建所述待提取区域的均匀网格， 并确定出所述均 匀网格中的候选点云数据， 其中， 所述均匀网格用于表征所述 目标密集匹配点云数据中点 云数据之间的拓扑关系； 基于密度可达性分析算法、 局部表面拟合算法和所述候选点云数据， 对所述待提取区 域内的建筑物立 面进行粗 提取， 得到待提取区域内的建筑物的初始立 面； 基于预设图像处 理算法和所述初始立 面， 构建所述待提取区域内的建筑物立 面； 其中， 基于密度 可达性分析算法、 局部表面拟合算法和所述候选点云数据， 对所述待提 取区域内的建筑物立 面进行粗 提取， 得到待提取区域内的建筑物的初始立 面， 包括： 基于所述密度 可达性分析算法和所述候选点云数据， 将所述待提取区域中包含的建筑 物划分为建筑物单体； 基于主成分 分析算法， 确定所述建筑物单体的立 面的法向量； 对所述法向量进行定向， 得到 定向后的法向量； 基于所述局部表面拟合算法和所述定向后的法 向量， 对所述候选点云数据进行最小二 乘局部表面拟合， 得到所述待提取区域内的建筑物的初始立 面； 其中， 基于预设图像处理算法和所述初始立面， 构建所述待提取区域内的建筑物立面   ， 包括： 将所述初始立 面中包含的点云数据转 化为二值图像； 基于预设图像处理算法和所述二值图像， 确定出所述待提取区域内的建筑物的骨架轮 廓线； 基于所述骨架轮廓线和所述初始立面中包含的点云数据， 构建所述待提取区域内的建 筑物立面。 2.根据权利要求1所述的方法， 其特征在于， 对所述密集匹配点云数据进行预处理， 得 到目标密集匹配点云数据， 包括： 基于KD‑Tree算法， 对所述密集匹配点云数据进行离群点滤波处理， 得到中间密集匹配 点云数据； 对所述中间密集匹配点云数据进行布料模拟滤波处理， 确定出所述中间密集匹配点云 数据中的非地 面点云数据， 并将所述非地 面点云数据确定为所述目标密集匹配点云数据。 3.根据权利要求2所述的方法， 其特征在于， 确定出所述均匀网格中的候选点云数据， 包括： 确定出所述均匀网格中每 个网格包 含的非地 面点云数据的高程； 并计算每 个网格包 含的非地 面点云数据的高程的理论 最小高程 值； 将每个网格包含的非地面点云数据中的目标非地面点云数据确定为候选点云数据， 其 中， 所述目标非地面点云数据为 非地面点云数据的高程与对应的网格的理论最小高程值之 间的差值小于预设阈值的非地 面点云数据。 4.一种基于密集点云的建筑物立面提取装置， 其特征在于， 包括： 获取单元， 第一构建 单元， 粗提取单元和第二构建单 元， 其中，权　利　要　求　书 1/3 页 2 CN 114332134 B 2所述获取单元， 用于获取待提取区域的密集匹配点云数据， 并对所述密集匹配点云数 据进行预处理， 得到目标密集匹配点云数据， 其中， 所述预处理包括： 离群点滤波处理和布 料模拟滤波处 理； 所述第一构建单元， 用于基于所述目标密集匹配点云数据， 构建所述待提取区域的均 匀网格， 并确定出所述均匀网格中的候选点云数据， 其中， 所述均匀网格用于表征所述目标 密集匹配点云数据中点云数据之间的拓扑关系； 所述粗提取单元， 用于基于密度可达性分析算法、 局部表面拟合算法和所述候选点云 数据， 对所述待提取区域内的建筑物立面进行粗提取， 得到待提取区域内的建筑物的初始 立面； 所述第二构建单元， 用于基于预设图像处理算法和所述初始立面， 构建所述待提取区 域内的建筑物立 面； 其中， 所述第一构建单 元， 用于： 基于所述密度 可达性分析算法和所述候选点云数据， 将所述待提取区域中包含的建筑 物划分为建筑物单体； 基于主成分 分析算法， 确定所述建筑物单体的立 面的法向量； 对所述法向量进行定向， 得到 定向后的法向量； 基于所述局部表面拟合算法和所述定向后的法 向量， 对所述候选点云数据进行最小二 乘局部表面拟合， 得到所述待提取区域内的建筑物的初始立 面； 其中， 所述第二构建单 元， 用于： 将所述初始立 面中包含的点云数据转 化为二值图像； 基于预设图像处理算法和所述二值图像， 确定出所述待提取区域内的建筑物的骨架轮 廓线； 基于所述骨架轮廓线和所述初始立面中包含的点云数据， 构建所述待提取区域内的建 筑物立面。 5.根据权利要求 4所述的装置， 其特 征在于， 所述获取 单元， 用于： 基于KD‑Tree算法， 对所述密集匹配点云数据进行离群点滤波处理， 得到中间密集匹配 点云数据； 对所述中间密集匹配点云数据进行布料模拟滤波处理， 确定出所述中间密集匹配点云 数据中的非地 面点云数据， 并将所述非地 面点云数据确定为所述目标密集匹配点云数据。 6.根据权利要求5所述的装置， 其特 征在于， 所述构建单 元， 用于 ： 确定出所述均匀网格中每 个网格包 含的非地 面点云数据的高程； 并计算每 个网格包 含的非地 面点云数据的高程的理论 最小高程 值； 将每个网格包含的非地面点云数据中的目标非地面点云数据确定为候选点云数据， 其 中， 所述目标非地面点云数据为 非地面点云数据的高程与对应的网格的理论最小高程值之 间的差值小于预设阈值的非地 面点云数据。 7.一种电子设备， 其特征在于， 包括存储器以及处理器， 所述存储器用于存储支持处理 器执行权利要求 1至3任一项 所述方法的程序， 所述处理器被配置为用于执行所述存储器中 存储的程序。 8.一种计算机可读存储介质， 计算机可读存储介质上存储有计算机程序， 其特征在于，权　利　要　求　书 2/3 页 3 CN 114332134 B 3