一種基于室內(nèi)點云數(shù)據(jù)的建筑墻線提取

孫憲龍，韓李濤,2，周麗娟，郭 佳

(1.山東科技大學(xué) 測繪科學(xué)與工程學(xué)院，山東 青島 266590；2.山東省基礎(chǔ)地理信息與數(shù)字化技術(shù)重點實驗室，山東 青島 266590)

在室內(nèi)導(dǎo)航服務(wù)過程中，房間、廊道、樓梯、門窗等建筑構(gòu)件是用來導(dǎo)航的重要元素，這些要素的提取為室內(nèi)定位、路徑分析、實時導(dǎo)航等各種室內(nèi)導(dǎo)航功能的實現(xiàn)提供了數(shù)據(jù)和模型支持[1]。目前，室內(nèi)導(dǎo)航要素提取的數(shù)據(jù)來源主要有CAD建筑設(shè)計平面圖[2]、CityGML[3]、BIM數(shù)據(jù)[4]、激光點云數(shù)據(jù)[5]等。相對于其他數(shù)據(jù)類型，點云數(shù)據(jù)能夠直接提供被掃描目標(biāo)的高精度三維坐標(biāo)信息，而且對室內(nèi)結(jié)構(gòu)發(fā)生變化的室內(nèi)環(huán)境可重新進(jìn)行數(shù)據(jù)采集，保證數(shù)據(jù)信息的現(xiàn)勢性。然而，點云數(shù)據(jù)存在數(shù)據(jù)量大、冗余信息多、點云間無連接性、無結(jié)構(gòu)化屬性、不承載語義信息等問題[6]。因此，從海量點云中提取出建筑物室內(nèi)可導(dǎo)航元素(房間、門、窗等)是當(dāng)前室內(nèi)三維建模領(lǐng)域的研究熱點之一。

室內(nèi)可導(dǎo)航元素提取的第一步是樓層劃分[7]。最常用的方法是點云密度峰值分割方法，其主要依據(jù)樓層存在的地方會有大量Z值相同的點，利用這一性質(zhì)提取樓板分割空間[8-9]。在同一樓層中，需要提取房間、門、窗等可導(dǎo)航元素，其中房間的提取最為關(guān)鍵，而墻線提取是房間提取的關(guān)鍵環(huán)節(jié)。目前，房間的提取大致可分為直接提取方法和間接提取方法。直接提取方法通過聚類的方式，將同一測站的點粗略合并歸結(jié)為一個房間，合并之后執(zhí)行迭代重新標(biāo)記過程來更新指向房間的點[10]。間接提取方法將單個房間視為由墻體圍成的獨(dú)立可導(dǎo)航區(qū)域，通過對墻體的提取，將單樓層中大片的可導(dǎo)航區(qū)域劃分為一個個獨(dú)立的房間。Oesau[11]通過直方圖對空間進(jìn)行劃分，利用垂直點分布定位水平結(jié)構(gòu)，并通過Hough變換檢測垂直墻體結(jié)構(gòu)，最終通過圖割公式提取曲面。Ochmann[12]利用墻段的分段性檢測垂直平面作為墻面的候選面，然后將它們投影到水平面上，投影后的直線即為墻線，該方法可以獲得墻壁厚度和房間面積，并且可以用于門窗識別。Fichtner[9]首先利用八叉樹結(jié)構(gòu)劃分子空間，通過點云密度峰值圖檢測出樓層，然后在單一樓層中利用墻面處點云密度會在垂直方向形成峰值提取墻體。劉明蕾等[13]將墻視為由兩個墻面及中間不被掃描的墻體組成，利用區(qū)域生長算法獲取墻面角點，從而獲得房間內(nèi)部的更精細(xì)邊緣，但該方法不適用于弧形墻面或墻角不為直角的墻面。

基于現(xiàn)有研究，本文結(jié)合建筑物點云幾何特征，通過數(shù)據(jù)降維簡化建筑幾何特征提取復(fù)雜性，提出一種基于室內(nèi)點云數(shù)據(jù)提取建筑物墻線的方法。即先利用特定方向投影點云數(shù)據(jù)直方圖進(jìn)行點云分割，然后對分割出來的墻體點云利用Hough變換進(jìn)行直線檢測，并將檢查出來的直線與墻體點云二值圖進(jìn)行疊加，完成墻線的準(zhǔn)確提取。提取的墻線為后續(xù)房間的識別提供了基礎(chǔ)。

1 室內(nèi)點云分割

對于建筑物室內(nèi)點云數(shù)據(jù)，Okorn等[8]認(rèn)為天花板、地板等水平結(jié)構(gòu)在掃描時會產(chǎn)生大量高度相同的樣本。基于這種思想，將點云向Z軸投影生成點云密度直方圖，天花板、地板等水平結(jié)構(gòu)就會顯示為點云密度直方圖的峰值，由此分離出天花板和地板數(shù)據(jù)。如圖1所示，縱坐標(biāo)表示點的數(shù)量，橫坐標(biāo)表示點的高度(Z坐標(biāo)分量)，將點云數(shù)據(jù)按照0.1 m間隔生成點云統(tǒng)計直方圖。提取直方圖峰值所在點的索引，就可以得到構(gòu)成天花板面、地板面的點云。

圖1 天花板和地板點云分割

在單層樓中，去除天花板和地板數(shù)據(jù)，就可以得到墻體和門窗的點云數(shù)據(jù)，如圖2所示。從圖中可以看出，仍有少許地板面和天花板面數(shù)據(jù)存在，但由于其數(shù)量較少，向地面豎直投影后對整體房間的影響可忽略不計。

圖2 墻體和門窗點云

2 建筑墻線提取

Hough變換可用于提取圖像中特定形狀的特征，運(yùn)用兩個坐標(biāo)空間之間的變換，將圖像空間中具有相同形狀的直線或曲線，映射到另一個參數(shù)坐標(biāo)空間的一個點上形成峰值，從而把檢測任意形狀的問題化為統(tǒng)計峰值的問題[11]。然而，Hough變換提取出的僅僅是圖像中的直線特征，且噪聲較多，沒有包含語義信息。因此，當(dāng)利用墻體點云數(shù)據(jù)來提取墻線時，本文提出首先利用Hough變換進(jìn)行直線檢測，然后對提取的直線特征進(jìn)行交點計算和墻體語義識別，從而準(zhǔn)確提取墻線。

2.1 直線檢測

首先將墻體點云數(shù)據(jù)向地面投影分塊，生成點云分布矩陣；然后將點云分布矩陣轉(zhuǎn)化為灰度圖，并進(jìn)行二值化處理；最后，基于二值圖利用Hough變換進(jìn)行直線檢測。流程圖如圖3所示。

圖3 Hough變換提取直線流程

算法實現(xiàn)的詳細(xì)步驟如下：

1)讀入墻體點云數(shù)據(jù)，存儲為N行兩列的矩陣A，一二列存儲點云X,Y坐標(biāo)，N表示點云數(shù)量；

2)利用矩陣A中存儲的個點的X，Y坐標(biāo)，計算X和Y方向的最大值和最小值，并確定分塊個數(shù)；

3)統(tǒng)計各分塊區(qū)域的點云數(shù)量，根據(jù)各分塊區(qū)域的點云數(shù)量，生成點云分布矩陣，獲得點云分布圖；

4)將點云分布矩陣轉(zhuǎn)化為灰度圖像，為獲取更加簡潔的點云分布描述，設(shè)定閾值對灰度圖像進(jìn)行二值化處理，對于高于閾值的區(qū)域存儲其值為1，其余存儲為0，生成點云分布二值圖；

5)對二值圖利用霍夫變換算法檢測直線。其中，霍夫變換峰值點閾值的選擇尤為重要，只有大于該閾值的點才認(rèn)為可表示直線或曲線，霍夫矩陣H是以峰值點為元素組成的矩陣，峰值點閾值默認(rèn)取該矩陣內(nèi)最大元素的1/2，即0.5Hmax。

2.2 墻線識別

墻線識別的原理:將2.1中提取的直線特征(直線方程)進(jìn)行求交，從而獲得交點分割的直線段作為備選墻線，這些備選墻線有些與墻線重合，有些介于兩墻之間的房間內(nèi)部，因此本文提出將備選墻線與墻線二值圖進(jìn)行疊加，剔除非墻線線段，從而識別出真正的建筑墻線，如圖4所示，圖中綠色直線段為被剔除備選墻線。

圖4 墻線識別原理

算法實現(xiàn)的詳細(xì)步驟如下：

1)計算2.1中檢測出的各直線方程，并求取直線交點。

2)依次連接位于同一直線上的各交點組成直線段，作為備選墻線。

3)將獲取的備選墻線與墻線點云二值圖疊加，若備選墻線兩端點間無點云存在，則該備選墻線上的各像素點坐標(biāo)在二值圖中的值應(yīng)為0。因此，將各備選墻線逐級二等分，本文中分為三級，取各分段處像素點坐標(biāo)，判斷該坐標(biāo)在二值圖中的值。若皆為0，則剔除該備選墻線，反之保留為最終墻線。

3 實驗結(jié)果及分析

本文選用國際攝影測量和遙感協(xié)會提供的公共基準(zhǔn)數(shù)據(jù)集TUB2(Technische University Braunschweig, Germany)[14]進(jìn)行實驗驗證。原始點云如圖5所示，共包含21 991 918個點，其中地板、天花板等水平面與XOY平面平行，墻面與XOZ，YOZ平面平行。建筑的一層有14個房間、23扇門和8個窗戶，二層有10個房間、28扇門和13個窗戶。

由于點云數(shù)據(jù)量較大，實驗利用CloudCompare軟件對點云數(shù)據(jù)進(jìn)行分塊和抽稀處理，并選取較為復(fù)雜的2部分區(qū)域?qū)Ρ疚姆椒ㄟM(jìn)行驗證。實驗區(qū)域如圖6所示，各部分點云可視化如圖7所示。

圖5 原始點云

在單層樓中，根據(jù)2.1中的方法，將利用第1節(jié)方法分割出的墻體點云數(shù)據(jù)向地面進(jìn)行投影，利用Hough變換提取直線。實驗選擇3種形狀不同的房間，這3個房間邊緣細(xì)節(jié)各不相同，代表性較強(qiáng)。如圖8所示，房間1形狀較為規(guī)整，且點云信息完整，二值圖與原始房間差異較小，峰值點閾值選取默認(rèn)值，提取的直線與房間墻線吻合。

圖6 點云分塊示意圖

(a)房間激光點云(b)二值圖(c)直線檢測結(jié)果

如圖9所示，房間2內(nèi)部被分割為3部分，每部分間由門連通，在數(shù)據(jù)采集過程中，打開的門會遮擋墻體，造成墻體信息采集錯誤(二值圖中的紅色標(biāo)記部分)。對此，不同峰值點閾值的選擇對實驗結(jié)果影響較大，如表1所示。從表中可知，當(dāng)墻體數(shù)據(jù)較為復(fù)雜時，閾值過大會造成墻體直線檢測不足，閾值過小會造成過度檢測，二者均會導(dǎo)致最終的提取結(jié)果不理想，在本次實驗中峰值閾值取0.2Hmax。

圖9 房間2數(shù)據(jù)

表1 不同閾值對線段檢測的影響 m

如圖10所示，房間3墻體點云有大范圍孔洞，且內(nèi)部存在障礙物，房間的門處于打開狀態(tài)(二值圖中的紅色標(biāo)記部分)。如房間2中對峰值點閾值進(jìn)行討論，具體情況如表2所示。從表中可以看出，當(dāng)墻體點云有大范圍孔洞時，應(yīng)選取較小的閾值，盡可能的獲取缺失點云處的墻體細(xì)節(jié)，在本次實驗中峰值點閾值取0.1Hmax。

圖10 房間3數(shù)據(jù)

表2 不同閾值對線段檢測的影響

對上述檢測到的直線根據(jù)2.2中方法即可得到各房間墻線提取結(jié)果，如表3所示。最終得到的是圍成各房間的直線段。結(jié)果表明即使墻面點云存在缺失，本文方法仍能較為準(zhǔn)確的完成房間墻線提取。

表3 房間墻線提取結(jié)果

基于上述分析，對所選區(qū)域進(jìn)行實驗，此處繪制出結(jié)構(gòu)較為復(fù)雜的第二部分第一層房間墻線提取結(jié)果，如圖11所示。從表中可以看出，最終的提取結(jié)果能夠較為完整的實現(xiàn)對原始點云墻線的表達(dá)。

(a)原始點云(b)二值圖(c)墻線提取結(jié)果

ISPRS為確保建模結(jié)果測試和對比公平，沒有公布參考模型實際尺寸[15]。因此，本文利用CloudCompare手動對圖11中1～6號房間面積進(jìn)行人工量算，將本文算法自動提取房間面積與量算結(jié)果進(jìn)行對比。表4為算法提取墻線圍成的房間面積與人工量算房間面積的對比，從中可以看出本文方法能夠較準(zhǔn)確、有效地提取建筑物墻線，且精度較高。

表4 墻線提取結(jié)果精度評定 m2

4 結(jié) 論

本文針對室內(nèi)點云數(shù)據(jù)，首先通過直方圖統(tǒng)計法分離出天花板、地板以及房間墻面數(shù)據(jù)，然后利用Hough變換從墻線二值圖中提取直線，最后將獲取到的備選墻線與墻線二值圖疊加獲得最終建筑墻線。實驗結(jié)果表明：即使墻面點云存在部分缺失，當(dāng)選取合適的變換閾值時，Hough變換仍然能夠有效地提取出直線，進(jìn)而完成建筑墻線的準(zhǔn)確提取。本文提取的建筑墻線信息可用于室內(nèi)三維建模、室內(nèi)導(dǎo)航網(wǎng)絡(luò)生成以及室內(nèi)導(dǎo)航模型的構(gòu)建等工作，后續(xù)將進(jìn)一步研究門、窗等室內(nèi)導(dǎo)航元素的提取，從而為室內(nèi)導(dǎo)航模型提供更完整的導(dǎo)航信息。