结合区域增长与RANSAC的机载LiDAR点云屋顶面分割

赵 传，郭海涛，卢 俊，余东行，林雨准，姜怀刚

1. 火箭军指挥学院，湖北 武汉 430012； 2. 信息工程大学地理空间信息学院，河南 郑州 450001； 3. 海图信息中心，天津 300450

建筑物作为城市中最基本、最主要的组成元素，其三维模型在智慧城市建设、灾害评估、城市环境快速监测等领域有着广泛的应用[1-3]。作为一种可快速直接获取建筑物三维数据的技术，机载激光雷达(light detection and ranging,LiDAR)在近些年得到了长足的发展，并已成为建筑物三维模型重建的重要数据源之一。屋顶面作为建筑物结构的基本组成元素，有效地对其进行分割是利用机载LiDAR点云重建三维建筑物模型的关键问题之一[3-4]。尽管很多学者对屋顶面分割进行了深入的研究，也取得了一些成果，但由于现实场景中建筑物屋顶形状复杂、同一建筑物不同屋顶面大小差异较大、不同建筑物屋顶面数量不同，以及机载LiDAR点云固有的密度不均、噪声等多种因素的影响，导致屋顶面的有效分割仍然面临很大挑战[3-5]。

在过去的十几年里，大量的研究主要集中于提高三维平面分割方法的效率和稳健性，现有的平面分割方法大致分为5类：区域增长法、特征聚类法、模型拟合法、全局能量优化法和混合法[3-7]。

区域增长法(region growing,RG)通过逐步合并具有相似特征(如法向量、曲率等)的邻域点进行平面分割，原理简单，易于实现，且效率较高，在大多数情况下能得到较好的分割结果，但对于过渡平缓的平面，难以设置停止增长的阈值，容易出现过增长。虽然一些研究通过构建体素或超体素，计算体素的平面性，以平面体素和非平面体素中的单个点为基元进行混合增长[4,8-10]，可有效防止过增长，但如果体素大小设置不当，容易漏分割面积较小、狭长形的屋顶面。……