论文部分内容阅读
随着硬件设备的不断发展,三维激光扫描技术凭借着其高精度、非接触、自动化等特点逐渐在数字城市建设中扮演更加重要的角色。但是,语义信息的缺乏以及人工干预等导致的低自动化问题一直是一个挑战性且亟待解决的问题。作为一个开放的数据模型,并支持存储和交换的CityGML,是可用于多种应用程序的三维模型,相比于其它数据格式,CityGML具有很大的优势。CityGML具有对象语义、几何、拓扑表达一致性等特点,可以实现三维GIS领域的多尺度表达和精细化建模管理。本文通过研究点云数据的特性,采用半自动化的方式获得建筑物点云数据语义特征信息,并创建CityGML标准的三维建筑物模型,其主要研究内容如下:(1)建筑物点云数据进行平面提取。由于传统的区域增长算法中阈值确定困难,随机选择种子点,从而影响平面分割的效果,本文针对阈值给定问题,采用自适应方法确定搜索半径和选取鲁棒的种子点方法,来优化建筑物点云数据平面提取的效果。(2)建筑物语义信息的提取,包括:建筑物的立面、屋顶、地面和门窗的语义信息。建筑物平面分为屋顶、立面和地面,本文首先通过判别规则对提取的平面进行语义信息区分,基于邻域点分析的方法提取语义信息的边界点。然后当立面中存在门窗结构时,提取边界点,通过门窗判别规则提取门窗信息。最后,在此基础上设计一种基于二次聚类算法提取角点,提取建筑语义特征信息的角点。(3)点云数据转换为CityGML模型。本文设计一种点云数据转换为CityGML模型的方法。在CityGML的数据格式中,每一个多边形平面都是通过闭合环形成,闭合环又由一组首、尾相连的点组成。本文将所提取的建筑物语义角点转换为CityGML的XML数据格式,所有语义角点组合生成最终的CityGML语义模型。