对城市级大规模建筑物三维点云数据进行轻量化的方法与流程

本公开属于图像处理领域，并且更具体地，涉及对城市级大规模建筑物三维点云数据进行轻量化的方法和系统、以及电子设备和计算机可读存储介质。

背景技术：

1、城市级大规模建筑物三维点云数据处理在近年来变得越来越普遍。通过激光雷达、无人机、摄影测量等技术采集到的三维点云数据已经被广泛用于城市规划、地质勘探、遥感分析、智能交通等领域中。然而，这些建模技术所产生的点云数据量通常非常庞大，处理和存储这些数据也会面临很大的挑战。因此，如何对城市级大规模建筑物三维点云数据进行高效处理和存储，成为了当前研究的热点问题。

2、目前，已有一些点云数据处理技术被开发出来，例如点云压缩、点云滤波、点云分割、点云简化等方法。然而，这些方法的应用还存在一些问题，例如压缩后的数据质量损失、过滤噪声点和关键信息丢失、分割结果不准确和简化后的数据失真等。

技术实现思路

1、本公开提供了对建筑物三维点云数据进行轻量化处理的方法和系统、以及电子设备和计算机可读存储介质，以至少解决上述相关技术中的问题，也可不解决任何上述问题。

2、根据本公开的实施例的第一方面，提供了对建筑物三维点云数据进行轻量化处理的方法，所述方法可包括：从建筑物的二维图像提取建筑物外轮廓数据；分别对所述建筑物外轮廓数据和所述建筑物三维点云数据添加标注；使用点云配准算法对标注了的所述建筑物外轮廓数据和所述建筑物三维点云数据进行匹配；通过所述建筑物外轮廓数据和所述建筑物三维点云数据的匹配，基于所述建筑物外轮廓数据确定点云数据筛选区间；并且基于所述点云数据筛选区间对所述建筑物三维点云数据进行轻量化处理。

3、可选地，所述使用点云配准算法对标注了的所述建筑物外轮廓数据和所述建筑物三维点云数据进行匹配，可包括：选择所述建筑物外轮廓数据的特征点作为配准的参考点；基于所述参考点，对从所述建筑物三维点云数据选择的所述建筑物三维点云数据的代表性特征点进行匹配。

4、可选地，所述对从所述建筑物三维点云数据选择的所述建筑物三维点云数据的代表性特征点进行匹配，可包括：先对与所述参考点相距第一距离的代表性特征点进行匹配，再对与所述参考点相距第二距离的代表性特征点进行匹配，其中，第一距离可小于第二距离。

5、可选地，所述方法还可包括：基于非线性最小化算法优化所述点云配准算法的初始匹配结果。

6、可选地，所述通过所述建筑物外轮廓数据和所述建筑物三维点云数据的匹配，基于所述建筑物外轮廓数据确定点云数据筛选区间，可包括：利用所述建筑物外轮廓数据确定观察点的位置；将以所述观察点出发的多条射线投射到建筑物表面，以确定点云数据筛选区间。

7、可选地，所述基于所述点云数据筛选区间对所述建筑物三维点云数据进行轻量化处理，可包括：使用点云滤波算法对所述点云数据筛选区间内的建筑物三维点云数据进行处理。

8、可选地，所述从建筑物的二维图像提取建筑物外轮廓数据，可包括：将所述二维图像输入图像语义分割模型，得到所述二维图像中的建筑物的外轮廓特征，其中，所述图像语义分割模型的编码器可具有至少四个n×n卷积层，并且在所述至少四个卷积层中的每个卷积层中可使用自适应激活函数，其中，n＞1。

9、可选地，所述图像语义分割模型的编码器可包括至少两个编码器，并且所述将所述二维图像输入图像语义分割模型，可包括：将所述二维图像分别输入所述图像语义分割模型的所述至少两个编码器，分别得到至少两个有效特征层，并将所述至少两个有效特征层输入所述图像语义分割模型的解码器。

10、可选地，所述至少两个编码器的卷积层可不同，并且所述至少两个编码器中的每个编码器的至少四个卷积层的卷积率可不同。

11、根据本公开的实施例的第二方面，提供了对建筑物三维点云数据进行轻量化处理的系统，所述系统可包括：外轮廓数据提取模块，被配置为从建筑物的二维图像提取建筑物外轮廓数据；标注模块，被配置为分别对所述建筑物外轮廓数据和所述建筑物三维点云数据添加标注；配准模块，被配置为使用点云配准算法对标注了的所述建筑物外轮廓数据和所述建筑物三维点云数据进行匹配；以及轻量化处理模块，被配置为通过所述建筑物外轮廓数据和所述建筑物三维点云数据的匹配，基于所述建筑物外轮廓数据确定点云数据筛选区间，并基于所述点云数据筛选区间对所述建筑物三维点云数据进行轻量化处理。

12、根据本公开的实施例的第三方面，提供了电子设备，所述电子设备可包括：至少一个处理器；至少一个存储计算机可执行指令的存储器，其中，所述计算机可执行指令在被至少一个所述处理器运行时，促使至少一个所述处理器执行所述对建筑物三维点云数据进行轻量化处理的方法。

13、根据本公开的实施例的第四方面，提供了存储指令的计算机可读存储介质，其特征在于，当所述指令被至少一个处理器运行时，促使至少一个所述处理器执行得到对建筑物三维点云数据进行轻量化处理的方法。

14、根据本公开的实施例，通过分别对建筑物外轮廓数据和建筑物三维点云数据添加标注，使用点云配准算法对标注了的所述建筑物外轮廓数据和所述建筑物三维点云数据进行匹配，通过所述建筑物外轮廓数据和所述建筑物三维点云数据的匹配，基于所述建筑物外轮廓数据确定点云数据筛选区间，并基于所述点云数据筛选区间对所述建筑物三维点云数据进行轻量化处理，不仅可以降低数据存储成本，加快数据传输速度，而且可以降低数据质量损失，提高数据可视化效果。

15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

技术特征：

1.对建筑物三维点云数据进行轻量化处理的方法，包括：

2.如权利要求1所述的方法，其中，所述使用点云配准算法对标注了的所述建筑物外轮廓数据和所述建筑物三维点云数据进行匹配，包括：

3.如权利要求2所述的方法，其中，所述对从所述建筑物三维点云数据选择的所述建筑物三维点云数据的代表性特征点进行匹配，包括：

4.如权利要求3所述的方法，还包括：基于非线性最小化算法优化所述点云配准算法的初始匹配结果。

5.如权利要求1所述的方法，其中，所述通过所述建筑物外轮廓数据和所述建筑物三维点云数据的匹配，基于所述建筑物外轮廓数据确定点云数据筛选区间，包括：

6.如权利要求1所述的方法，其中，所述基于所述点云数据筛选区间对所述建筑物三维点云数据进行轻量化处理，包括：

7.如权利要求1所述的方法，其中，所述从建筑物的二维图像提取建筑物外轮廓数据，包括：

8.如权利要求7所述的方法，其中，所述图像语义分割模型的编码器包括至少两个编码器，并且

9.如权利要求8所述的方法，其中，所述至少两个编码器的卷积层不同，并且所述至少两个编码器中的每个编码器的至少四个卷积层的卷积率不同。

10.对建筑物三维点云数据进行轻量化处理的系统，包括：

11.电子设备，包括：

12.存储指令的计算机可读存储介质，其特征在于，当所述指令被至少一个处理器运行时，促使至少一个所述处理器执行如权利要求1到9中的任意一项所述的方法。

技术总结提供了对城市级大规模建筑物三维点云数据进行轻量化的方法，所述方法包括：从建筑物的二维图像提取建筑物外轮廓数据；分别对所述建筑物外轮廓数据和所述建筑物三维点云数据添加标注；使用点云配准算法对标注了的所述建筑物外轮廓数据和所述建筑物三维点云数据进行匹配；通过所述建筑物外轮廓数据和所述建筑物三维点云数据的匹配，基于所述建筑物外轮廓数据确定点云数据筛选区间；并且基于所述点云数据筛选区间对所述建筑物三维点云数据进行轻量化处理。这不仅可以降低数据存储成本，加快数据传输速度，而且可以降低数据质量损失，提高数据可视化效果。技术研发人员：高旻,段强,彭林春,陶李,付程,李天舒,范灏受保护的技术使用者：四川见山科技有限责任公司技术研发日：技术公布日：2024/10/10