(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211032120.0 (22)申请日 2022.08.26 (71)申请人 上海交通大 学 地址 200240 上海市闵行区东川路80 0号 (72)发明人 朱星虎　周拥军　王宇　阮爽　 (74)专利代理 机构 上海汉声知识产权代理有限 公司 3123 6 专利代理师 胡晶 (51)Int.Cl. G06T 17/00(2006.01) G06T 7/13(2017.01) G06T 7/60(2017.01) G06T 7/181(2017.01) G06T 5/00(2006.01) (54)发明名称 利用室内外点云高精度重构曼哈顿建筑轴 线的方法及系统 (57)摘要 本发明提供了一种基于室内外点云高精度 重构曼哈顿建筑轴线的方法及系统， 包括： 采集 高精度建筑物室内外点云数据； 提取建筑物目标 楼层的点云数据； 将目标楼层的点云数据投影到 XOY平面并剔除室内非墙体结构点云数据， 得到 墙体结构点 云数据； 基于墙体结构点云数据提取 墙体点云内、 外轮廓； 根据墙体点云内、 外轮廓计 算各段墙体厚度； 基于墙体点云内、 外轮廓对墙 体外边界进行直线检测； 基于墙体点云内、 外轮 廓进行墙体边界的几何关系推理确定边界共线 或正交关系； 基于正交和对称约束对墙体外边界 进行整体参数优化； 基于墙体边界位置信息， 墙 体厚度以及长度几何尺寸信息计算墙体轴线角 点位置坐标及各段轴线长度， 结合楼层高度信息 建立BIM模型。 权利要求书3页 说明书10页 附图5页 CN 115239887 A 2022.10.25 CN 115239887 A 1.一种基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特 征在于， 包括： 步骤S1： 采用三维激光扫描技 术采集高精度建筑物室内外点云数据； 步骤S2： 提取建筑物目标楼层的点云数据； 步骤S3： 将目标楼层的点云数据投影到XOY平面并采用滤波算法剔除室内非墙体结构 点云数据， 得到墙 体结构点云数据； 步骤S4： 基于墙 体结构点云数据采用Alpha ‑Shape算法提取墙 体点云内、 外轮廓； 步骤S5： 根据墙 体点云内、 外轮廓计算各 段墙体厚度； 步骤S6： 基于墙 体点云内、 外轮廓采用改进Hough变换对墙 体外边界进行直线检测； 步骤S7： 基于墙体点云内、 外轮廓进行墙体边界的几何关系推理确定边界共线或正交 关系； 步骤S8： 基于正交和对称约束， 采用LS ‑TLS方法对墙 体外边界进行整体参数优化； 步骤S9： 基于墙体边界位置信息， 墙体厚度以及长度几何尺寸信息计算墙体轴线角点 位置坐标及各 段轴线长度， 结合楼层高度信息建立BIM模型。 2.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述步骤S2采用： 根据 楼层高度， 采用C yclone软件对建筑物目标楼层 进行预处理， 提 取建筑物目标楼层的三维点云数据。 3.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述步骤S 3采用： 将提取的建筑物单层点云数据投影到XOY平 面并采用直通滤波算法 剔除室内非墙 体结构点云， 得到墙 体结构点云数据， 并使用SOR统计滤波 去噪。 4.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述 步骤S4采用： 步骤S4.1： 从墙体结构点云数据P中任选一点D1， 距D1小于2α 的点构成点集P'， 其中， α 表示给定滚圆半径； 步骤S4.2： 从P'中任取一 点D2， 求出 过D1、 D2点的圆心O； 步骤S4.3： 计算P'中除D1、 D2之外的其 他点到圆心O的距离 h； 步骤S4.4： 当h≥α， 则点D1、 D2为边 界点， 存入点集S； 当h<α， 则从P'中选择另一个点， 重 复触发步骤S4.2至步骤S4.4， 直至P'中所有点均判断结束； 步骤S4.5： 从P中选择另外一个点， 重复触发步骤S4.1至步骤S4.5， 直至P中所有点判断 结束， 得到墙 体边界轮廓点 集S。 5.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述步骤S 5采用： 根据墙体点云内、 外轮廓分别对 各段取不少于n个点， 计算其X或Y坐 标差值， 并取平均值， 作为各 段墙体厚度参数。 6.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述 步骤S6采用： 步骤S6.1： 建立参数(ρ, θ )空间的二维数组， 当前二维数组视为一个投票箱； 其中， ρ表 示参数空间某点的极径， θ表示极角； 步骤S6.2： 顺序搜索目标点， 在参数空间中找到每一目标点对应位置， 在相应投票箱的 对应位置加1， 并记录当前目标点； 步骤S6.3： 设置投票箱阈值， 大于当前阈值的投票箱参数为 直线参数；权　利　要　求　书 1/3 页 2 CN 115239887 A 2步骤S6.4： 通过参数空间位置(ρ ′, θ′)确定二维空间中相对应的直线参数及所属该直 线的目标点； 其中， ρ ′表示代表直线的参数空间中某点的极径， θ ′表示极角； 步骤S6.5： 选择某条直线为初始直线， 遍历其余直线， 若初始直线和其余直线夹角小于 θlim且直线距离小于dlim， 则合并为一条直线， 并将新的直线作为初始直线， 重复触发步骤 S6.1至步骤S6.5 完成直线合并， 得到直线参数及点 集； 步骤S6.6： 在原始直线集合 中剔除已合并直线， 重 复步骤步骤S6.5， 直到所有直线合并 完成； 步骤S6.7： 输出 各合并直线参数。 7.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述步骤S7采用： 基于检测的直线计算相邻直线方向向量的内积， 并设置阈值 Thresholding1和Thresholding2， 当相邻直线方向向量的内积小于Thresholding1时， 则认 为两直线共线； 当相邻直线 方向向量的内积大于Thresholding2， 则认 为两直线正交； 其中， Thresholding1大于0， 且趋近于0； Thresho lding2小于1， 且趋 近于1。 8.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述 步骤S8采用： 步骤S8.1： 由n条相互垂直或平行的直线所组成的边界问题的总体最小二乘解法函数 模型简化 为： min:e1Te1 s.t:(A1‑E1)ξ1+A2ξ2＝0 ξ1Tξ1＝1 其中， A1∈Rm×2是含误差E1的随机矩阵； A2∈Rm×n是固定矩阵； e1＝vec(E1)； ξ1∈R2和 ξ2∈ Rn是参数向量； T表示矩阵转置； m、 n分别表示矩阵的行 数、 列数； ξ1＝( αc αs)T； ξ2＝( ρ1…ρn)T 其中， αc＝cosα, αs＝sinα,其中， α 为 直线的坐标 方位角， ρ 为原点至第n条直线的距离； 步骤S8.2： 给定划分好的点云数据集， 并且构造设计矩阵A1， A 2； 步骤S8.3： 计算 最小特征值所对应的特征向量得到ξ1的估 计值； 步骤S8.4： 将 ξ1的估计值带入 中， 得到 ξ2的估计值。 9.根据权利要求1所述的基于室内外点云高精度重构曼哈顿建筑轴线的方法， 其特征 在于， 所述 步骤S9采用：权　利　要　求　书 2/3 页 3 CN 115239887 A 3