(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 202210594883.8 (22)申请日 2022.05.27 (71)申请人 武汉汉达瑞科技有限公司 地址 430000 湖北省武汉市东湖开发区关 山大道1号光谷软件产业园4.1期E3栋 1001室 (72)发明人 李小凯　王慧慧　饶友琢　邓凯　 刘沁雯　肖成　殷贤俊　花卉　 胡睿飏　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 专利代理师 李明 (51)Int.Cl. G06T 7/00(2017.01) G06T 7/13(2017.01)G06T 7/11(2017.01) G06T 7/194(2017.01) G06T 5/20(2006.01) G06T 7/73(2017.01) G06T 17/05(2011.01) G06T 17/20(2006.01) G06T 1/00(2006.01) (54)发明名称 基于LiDAR点云和影像的建筑物 提取方法和 系统 (57)摘要 本发明提供一种基于LiDAR点云和影像的建 筑物提取方法和系统， 方法包括： 获取LiDAR点 云 数据和影像， 根据LiDAR点云数据和影像获取对 应的高程信息； 获取用户选定的目标建筑物对应 的局部影像和局部高程信息， 对局部影像进行边 缘检测， 并对得到的边缘轮廓进行简化和打断， 得到对应的多线段数据； 对局部影像进行角点提 取获取角点数据， 根据多线 段数据和角点数据对 局部影像进行三角网过分割， 获取对应的三角网 影像； 结合局部高程信息对三角网影像进行前景 目标提取， 并对提取到的前景目标进行边界优 化， 从而得到目标建筑物的轮廓信息； 本发明通 过在算法中加入高程信息来提高提取的准确性 和稳定性， 减少用户参与步骤， 提高了用户体验。 权利要求书3页 说明书15页 附图6页 CN 114943711 A 2022.08.26 CN 114943711 A 1.一种基于L iDAR点云和影 像的建筑物提取 方法， 其特 征在于， 所述方法包括： 获取LiDAR点云数据， 对所述 LiDAR点云数据进行 滤波得到数字高程模型； 获取所述LiDAR点云数据对应的影像， 根据所述影像的外方位元素和所述数字高程模 型， 获取对应的高程信息； 根据所述影像和所述高程信 息， 获取用户选定的目标建筑物对应的局部影像和局部 高 程信息； 对所述局部影像进行边缘检测， 并对获取到的边缘轮廓进行简化和打断， 得到对应的 多线段数据； 对所述局部影像进行角点提取获取对应的角点数据， 根据 所述多线段数据和所述角点 数据对所述局部影 像进行三角网过分割， 获取对应的三角网影 像； 结合所述局部 高程信息对所述三角网影像进行前景目标提取， 并对提取到的前景目标 进行边界优化， 得到所述目标建筑物对应的轮廓信息 。 2.根据权利要求1所述的基于LiDAR点云和影像的建筑物提取方法， 其特征在于， 所述 对所述LiDAR点云数据进行 滤波的步骤， 包括： 读取所述LiDA R点云数据， 将所述LiDA R点云数据按一维扫 描线建立索引得到对应的扫 描线； 获取设定沿扫描 线移动的窗口， 标记所述窗口中的局部最低点； 将所述局部最低 点设定为种子点， 沿所述种子点对应的扫描线向两边生长直至标记所 述LiDAR点云数据中全部的种子点， 完成对所述 LiDAR点云数据的滤波处 理。 3.根据权利要求2所述的基于LiDAR点云和影像的建筑物提取方法， 其特征在于， 所述 生长的规则为相邻点坡度和高差小于对应的预设阈值： ΔZi＝Zi‑Zi‑1； 其中， 0表示地形点， 1表示非地形点， vi和vi‑1表示两个相邻点， vi‑1已标记为0， (Xi， Yi， Zi)为点vi的空间坐标， Zthreshold为高差阈值， Sl opethreshold为坡度阈值。 4.根据权利要求3所述的基于LiDAR点云和影像的建筑物提取方法， 其特征在于， 所述 对所述LiDAR点云数据进行 滤波的步骤， 还 包括： 读取LiDAR点云数据， 将所述LiDAR点云数据按一维扫描线建立索引得到对应的扫描 线； 分配预设大小的显存， 将所述扫描 线拷贝至所述显存中； 执行第一核函数， 为各扫描线分配对应的线程块， 计算各扫描线上激光点的坡度和高 差； 执行第二核函数， 获取设定沿扫描 线移动的窗口， 标记所述窗口中局部最低点； 执行第三核函数， 将所述局部最低点设定为种子点， 沿所述种子点对应的扫描线向两 边生长直至标记所述LiDAR点云数据中全部的种子点， 完成对 所述LiDAR点云数据的滤波处 理。权　利　要　求　书 1/3 页 2 CN 114943711 A 25.根据权利要求1所述的基于LiDAR点云和影像的建筑物提取方法， 其特征在于， 所述 获取所述LiDAR点云数据对应的影像， 根据所述影像的外方位元素和所述数字高程模 型， 获 取对应的高程信息的步骤， 包括： 获取所述LiDA R点云数据对应的影像， 根据所述影像的外方位元素和所述LiDA R点云数 据构成数字表面模型； 通过所述数字表面模型计算所述影 像的各个 像素点对应的物方点的空间坐标； 根据所述数字高程模型获取 所述物方点对应的地形高程； 根据所述空间坐标和所述 地形高程计算所述影 像中各个 像素点对应的高程信息 。 6.根据权利要求1所述的基于LiDAR点云和影像的建筑物提取方法， 其特征在于， 所述 结合所述局部高程信息对所述 三角网影 像进行前景目标提取的步骤， 包括： 获取选定区域， 将所述选 定区域标记为前 景区域； 在OneCut框架中引入星型形状约束， 并在所述星型形状约束中的边界项中加入所述局 部高程信息； 根据所述OneCut框架获取所述三角网影像中各像素点与所述前景区域对应相似度的 赋权图； 根据所述赋权图计算 最小割提取 所述局部影 像的前景目标。 7.根据权利要求6所述的基于LiDAR点云和影像的建筑物提取方法， 其特征在于， 所述 根据所述影像和所述高程信息， 获取用户选定的目标建筑物对应的局部影像和局部高程信 息的步骤， 包括： 将所述影 像发送至用户交 互端， 以使用户在所述交 互端选取目标建筑物的目标区域； 获取用户选定的目标区域， 根据所述目标区域截取所述影像和所述高程信息， 得到对 应的局部影 像和局部高程信息 。 8.一种基于L iDAR点云和影 像的建筑物提取系统， 其特 征在于， 包括： 点云滤波模块， 用于获取LiDAR点云数据， 对所述LiDAR点云数据进行滤波得到数字高 程模型； 高程计算模块， 用于获取所述LiDA R点云数据对应的影像， 根据所述影像的外方位元素 和所述数字高程模型， 获取对应的高程信息； 用户交互模块， 用于根据所述影像和所述高程信息， 获取用户选定的目标建筑物对应 的局部影 像和局部高程信息； 轮廓获取模块， 用于对所述局部影像进行边缘检测， 并对获取到的边缘轮廓进行简化 和打断， 得到对应的多 线段数据； 影像分割模块， 用于对所述局部影像进行角点提取获取对应的角点数据， 根据所述多 线段数据和所述角点数据对所述局部影 像进行三角网过分割， 获取对应的三角网影 像； 目标提取模块， 用于结合所述局部高程信息对所述局部影像进行前景目标提取， 并对 提取到的前 景目标进行边界优化， 得到所述目标建筑物的轮廓。 9.一种设备， 其特征在于， 包括存储器、 处理器， 所述处理器用于执行存储器中存储的 计算机管理类程序时实现如权利要求1 ‑7任一项所述的基于LiDAR点云和影像的建筑物提 取方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 其上存储有计算机管理类程序， 所述计算权　利　要　求　书 2/3 页 3 CN 114943711 A 3