資源描述：
《顧及建筑物屋頂結(jié)構(gòu)的改進ransac點云分割算法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、顧及建筑物屋頂結(jié)構(gòu)的改進RANSAC點云分割算法李云帆譚德寶劉瑞郭建偉長江水利委員會長江科學院哈爾濱工業(yè)大學深圳研究生院深圳市房地產(chǎn)評估發(fā)展中心城市空間信息工程北京市重點實驗室武漢大學遙感信息工程學院摘要：針對傳統(tǒng)RANSAC點云分割算法在處理多層次、多面片的復雜建筑物中的困難，提出一種改進算法對建筑物點云進行分割和幾何基元的提取。首先，結(jié)合基于坡度和高差的三角形區(qū)域生長方法，對復雜建筑物的不同結(jié)構(gòu)層次進行分解，提高了隨機采樣時的有效模型命中率，并降低了錯分現(xiàn)象;然后，提出一種浮動一致集閾值的RANSAC算法，通過自動調(diào)整RANSAC算法中的關(guān)鍵參數(shù)，使算法能夠適應(yīng)
2、不同尺度的幾何基元。實驗證明了該算法在復雜建筑物點云數(shù)據(jù)分割效果和運算效率上的有效性。關(guān)鍵詞：LiDAR;區(qū)域牛長;RANSAC;建筑物;點云分割;作者簡介：李云帆（1984-），男，博士，主要從事機載、車載激光雷達數(shù)據(jù)處理方向的研究。Email:1iyunfan0828@gmai1.com。收稿日期：2016-05-18基金：中央級公益性科研院所基本科研業(yè)務(wù)費項目“車載激光雷達點云數(shù)據(jù)堤防地形三維重建研究”（編號:CKSF2014031/KJ）AnimprovedRANSACalgorithmforbuildingpointcloudssegmentationin
3、considerationofroofstruetureLIYunfanTANDebaoLIURuiWUTianweiYangtzeRiverScientificReseai^hljistitute:ShenzhenGraduateSchool,HarbinInstituteofTechnology;BeijingKeyLaboratoryofUrbanSpatialInformstionEngineering;Abstract：AnimprovedRANSACalgorithmwasproposedforpointcloudsegmentationandgeome
4、trieprimitivesextractionofbuildingswithmultiplefacetsandcomplexroofstructures,includingtwoinnovations.Firstly,the^split-segment”strategycombinedwithregionalgrowthconceptisproposedtoimprovethesegmentresultandefficiencyofclassicRANSACalgorithm;Secondly，animprovedRANSACalgorithmwithvarian
5、tconscnsussetthresholdispresented.Byautomaticallyadjustingtheconsensussetthresholdvalue,geometricprimitiveswithscaledifferencearelikelytomeetthevaliditytest,thusavoidingtheover-segmentationandunder-segmentationproblemsofclassicRANSACalgorithmwithfixedconsensussetthreshold.Keyword：LiDAR
6、;regionalgrowing;RANSAC;bu訂ding;pointcloudssegmentation;Received：2016-05-18引用格式:李云帆，譚德寶，劉瑞，等?顧及建筑物屋頂結(jié)構(gòu)的改進RANSAC點云分割算法[J]?國土資源遙感，2017,29(4):20-25.(LiYF,TanDB,LiuR,etal.AnimprovedRANSACalgorithmforbuildingpointcloudssegmentationinconsiderationofroofstructure[J].RemoteSensingforLandandRes
7、ources,2017,29(4):20-25.)o引言在機載LiDAR點云處理領(lǐng)域，分割始終是主要的研究方向之一[1-5],其目的在于將大量數(shù)據(jù)進行一定層次的組織，以便于從中提取岀有用信息，是點云目標識別的重要前提凹。但是，目前點云分割算法研究還遠未達到滿足現(xiàn)實需求的水平，即使只是針對相對簡單的平面特征，仍需要大量人工處理[6-7]。同吋，現(xiàn)代城市的發(fā)展建造了大量具有多層次、多面片的復雜結(jié)構(gòu)建筑物，點云分割問題更為復雜，尋找一種魯棒、高效的建筑物點云分割方法是目前的研究熱點。近年來提出了大量點云分割算法，大致被分為3類：（1）基于區(qū)域增長的分割算法［8-14］
