Open3d处理点云数据-改进的Alpha-Shapes建筑物轮廓线提取(七)

1.摘要

        建筑物轮廓线提取是三维城市重建的关键环节。传统 Alpha-shapes 轮廓线提取算法具有鲁棒性强且易于实现的优点，但所提取的轮廓线容易受噪声点的干扰，难以获得准确的轮廓边缘。针对该问题，提出了一种改进的Alpha-shapes 轮廓线提取算法。首先，采用随机抽样一致性算法筛选由 Alpha-shapes 算法提取的初始轮廓点；然后，用道格拉斯普克算法确定关键轮廓点；最后，通过强制正交优化提取准确的轮廓线。用三组不同形状建筑物的点云进行实验，结果表明，本算法能获得更准确的建筑物边缘，有效克服了传统 Alpha-shapes 算法提取的轮廓边缘锯齿状现象，正确率、完整率、质量也均优于传统 Alpha-shapes 算法。

2.基本原理

       改进 Alpha-shapes 建筑物轮廓线提取算法的流程图如图 1 所示。首先，利用图割方法移除建筑物的立面扫描点；然后，用 Alpha-shapes 算法提取屋顶点云的初始轮廓点，用 RANSAC 算法对初始轮廓点进行拟合，获取轮廓线，只保留距离轮廓线较近的轮廓点；最后，用道格拉斯普克（D-P）算法获取关键 轮 廓 点 ，并 利 用 强 制 正 交 的 方 式 优 化 关 键 轮 廓点，获取最终的轮廓线。具体步骤包括初始轮廓点提取、轮廓点筛选、关键轮廓点提取以及关键轮廓点优化。

2.1建筑物立面扫描点的移除

        由于激光脉冲通过斜向下方式对地面进行扫描，部分激光束会从建筑物的侧面反射回接收器，导