点云分割是将具有相同或者相似性质的数据点进行聚类。这需要从激光散乱点云数据中获取原始的三维数据信息。近年来,国内外许多学者在点云分割方面做了大量的研究,也取得了较多成果,并设计了许多算法来进行物体表面特征的提取,但他们通常是针对人造地物的三维物体表面进行曲面拟合以此来实现点云数据的分割。这是因为没有任何拓扑关系的点云数据通常仅记录了采样点的三维坐标信息。但近年来,激光扫描仪不仅能记录其三维坐标信息,还能记录每个数据点的颜色信息,如红、绿、蓝等;同时,现代三维扫描技术与建模技术的发展也促使着色点云成为三维建模领域的研究新热点。另一方面,现有算法计算量偏大、对噪声敏感的局限性,都促使着学者们尽量去寻找一种综合几何与颜色信息的能抗噪且能改善算法性能的分割算法去提取其表面特征。本文中阐述的改进分割方法是随着颜色信息和随机霍夫变换(RHT)算法的引入而提出的。本文首先提出了融合几何与颜色信息的分割策略,接而在种子平面创建过程中采用了检测速度快且能改进算法性能的随机霍夫变换(RHT)算法。其分割算法包括以下步骤。首先引入k-d tree数据结构建立K邻域以创建点云的拓扑连接关系,而后将RGB颜色信息传递到选择的CIEL*a*b颜色空间中,并通过随机霍夫变换检测种子平面,最后综合几何和颜色相似条件来进行种子平面的创建和平面的区域生长。另外,本文引入了矢量中期滤波作为预处理过程来滤除颜色信息中的一些无关小细节和噪声。为了分析其算法性能,本文选取了德国某农户建筑物的地面扫描着色点云数据进行试验并将其输入参数进行了优化。然后,定义了性能度量框架来进行实际分割结果的量化分析,即将实际的分割结果与预先定义的参考模板进行比较匹配。同时本文通过实验仿真检测到的不同容差值的相应分割类别(准确分割、过度分割、分割不足、错误片段及噪声片断)的平面区域数目来验证本文算法的分割效果;接而通过计算参考平面与实际分割相应平面法向的角度均方根偏差度量了其平面目标提取的几何精度。本文也通过不同程度的简化点云数据分析了算法性能。本文算法的性能首先是通过可视化检测来评估的。接而再通过定义的性能度量框架进行更详细的量化分析。试验研究表明,综合几何及颜色相似信息为生长准则的区域生长分割算法能产生更多有意义的分割,区域划分更合理及更精确。但颜色信息对实际的分割结果也有不利的影响。比如目标表面的颜色变化,阴影影响或干扰目标的出现都容易导致不恰当的平面片段。总之,本文以地面激光扫描的着色点云数据为基础,引入颜色空间CIEL*a*b,采用随机霍夫变换(RHT)算法和区域生长法,设计了综合几何及颜色信息的分割方法较好地实现了建筑物的平面特征识别。