摘要
全面推进实景三维中国建设是“十四五”时期基础测绘转型升级发展的重要任务之一，对室内场景点云特征提取与语义分割的研究是其中重要一环。随着激光雷达扫描设备的便捷化、小型化，室内三维点云的获取越来越方便，数据精度越来越高，利用激光点云提取室内关键信息已成为一种重要方式。然而室内结构复杂，获取的点云数据更加杂乱，无法针对不同点云特征准确提取特征点，且对室内场景中的各类点云对象的分割提取亦会出现错误划分的问题。研究如何利用点云几何特征精确提取特征点、如何实现室内部件及平面点的准确分割并对分割的点云对象进行语义识别具有重要的理论与实践意义。本文以真实室内点云数据为研究对象，在深入分析现有方法提取室内特征点、对室内部件与平面的精确识别与分割方面存在不足的基础上，顾及实际室内几何结构特征、点云数据特征、空间拓扑关系等约束，研究更精细的提取与分割方法，为相关领域提供模型基础。完成的研究工作和取得相应成果如下： （1）基础理论、现有研究成果、预处理方法梳理与总结 从国内国外两种角度对室内特征点提取算法、部件分割算法、室内点云平面精细化分割方法的优劣性进行了对比分析和总结。分析了室内场景结构、室内点云数据的特征，介绍了点云拓扑关系构建方法及邻域点搜索方法，通过实验分析，选出了最适用于本文数据的组合滤波去噪参数，对包围盒精简算法进行改进，简化点云数据量的同时保留了点云细节信息。 （2）提出一种基于曲率约束的室内特征点多元参数融合提取方法 针对室内场景点云特征提取方法存在错误提取、鲁棒性差等问题，本文提出一种基于曲率约束的室内特征点多元参数融合提取方法。该方法以曲率作为约束条件为特征判别参数计算筛选出合适的待算点并构建点集，以提升特征值计算精度，然后将法向夹角余弦值、密度参数、距离权重融合定义特征判别参数提取特征点，从而增强算法的鲁棒性。采用三组具有不同特征的室内点云数据对算法进行实验，结果表明，所提方法可以准确识别不同密度区域点云的特征点，并有效避免异常点对提取结果的影响，与其它融合算法相比，所提方法提取的特征点更加精简，算法提取特征点的精度更高，精度稳定在97%左右，表现出较好的算法性能。 （3）提出一种融合RGB差异的欧式聚类改进分割算法 针对传统欧式聚类算法对距离较近的点云部件无法准确分割的问题，本文根据不同部件间的RGB差异对欧式聚类算法进行改进。改进算法是在点云在欧式聚类分割的基础上，增加RGB差异判定条件，对目标点的类别进行二次判定，将同时满足欧式聚类条件与RGB差异阈值的点进行归为一类，最后对分割完成的点云类检测合并。试验结果表明，所提方法能准确分割室内部件点云，分割准确率达到95%以上，且部件分割的完整度在93%左右，改进方法融入RGB差异参数可以进一步提高室内部件分割精度。 （4）提出一种基于边界特征约束的室内平面点云分割方法与语义融合方法 针对现有平面分割算法分割室内平面时边界区域容易出现点云错误划分的问题，提出一种基于边界特征约束平面分割方法，并根据室内布局经验设定先验知识对分割的点云类进行语义识别。该方法在点云生长分割的同时，对种子点所处区域进行判定，精确识别处于边界区域的种子点邻域内的边界点，并以边界点为生长约束对该区域平面点进行精细划分，提高边界区域点云识别精度，最后利用先验知识将语义信息与分割的各点云对象相融合。试验表明，本文方法能够准确的对边界区域点云进行归类，避免了点云过分割和欠分割的问题，平面分割的准确率和完整度相比于区域生长算法分别提升了 5%和 6%左右，语义融合后的各点云类与实际室内场景各结构能准确对应。
NETL