本發明涉及建筑模型構建，具體涉及基于空間點云數據的建筑結構設計三維模型構建方法。

背景技術：

1、空間點云數據是通過激光掃描技術收集并處理的三維空間數據，由大量離散的數據點組成，每個數據點代表了一個空間位置?？臻g點云數據用于建筑三維模型時，可以精確重建建筑物的幾何形狀，為設計、分析和維護提供詳細的信息；用于建筑施工過程中時可以對施工的進度進行監控。因此，可以通過采集施工建筑的空間點云數據，并構建準確的施工建筑結構三維模型，然后用于對施工建筑的施工進度進行精確的監控。

2、為了對施工建筑構建三維模型，一般利用無人機對施工建筑進行空間點云數據的采集。但是，由于施工環境中存在較多的反光物導致采集的空間點云數據中存在大量的噪聲，因此需要對采集到的空間點云數據進行降噪處理。在對空間點云數據進行降噪處理時，由于施工建筑結構分布不規則，導致各個部位受到的噪聲影響不盡相同；另外，由于建筑施工現場情景復雜，增加了噪聲的復雜程度，進而增加了降噪處理的難度。

3、因此，亟需一種方法對施工建筑的空間點云數據進行精準的降噪處理，以構建可靠的建筑結構設計三維模型。

技術實現思路

1、為了解決以上的技術問題，本發明的目的在于提供一種基于空間點云數據的建筑結構設計三維模型構建方法。

2、根據本發明實施例的第一方面，提供的一種基于空間點云數據的建筑結構設計三維模型構建方法，所采用的技術方案具體如下：

3、采集建筑的空間點云數據；

4、將所述空間點云數據劃分為不同網格面的數據點，對每個網格面中的數據點進行投影，獲得每個網格面對應的投影平面；

5、分析所述投影平面中投影數據點的分布特征和數值特征，對所述投影平面的投影數據點進行超像素分割，得到多個超像素聚簇；

6、基于所述超像素聚簇內部投影數據點的分布特征和數值特征，分析所述超像素聚簇之間的相似性，獲得超像素聚簇的聚類；

7、分析所述聚類中所述超像素聚簇之間的位置關系，得到所述聚類的分布因子；

8、分析所述聚類中所述超像素聚簇的體量差異情況和體量分布情況，得到所述聚類的噪聲影響因子；

9、根據所述聚類的所述分布因子和所述噪聲影響因子，結合所述聚類的體量，得到所述投影平面的噪聲影響程度；

10、根據所述噪聲影響程度，對所述空間點云數據進行降噪處理。

11、在本發明的一些實施例中，將所述空間點云數據劃分為不同網格面的數據點，包括：

12、利用三角網格模型對所述空間點云數據進行表面重建，并將所述三角網格算法中的網格劃分為多個網格面，然后利用區域生長算法分割所述網格面，將空間點云數據劃分為不同網格面的數據點。

13、在本發明的一些實施例中，對每個網格面中的數據點進行投影，獲得每個網格面對應的投影平面，包括：

14、將每個網格面中所有數據點投影到與其視角垂直的平面，獲得每個網格面對應的投影平面，其中投影平面中投影數據點的數據值為該投影數據點對應的數據點與投影平面之間的高度值。

15、在本發明的一些實施例中，分析所述投影平面中投影數據點的分布特征，包括：

16、在所述投影平面中，獲取所有投影數據點與其他投影數據點之間的第一最小距離，將所有第一最小距離中的最大值，記為第一距離；

17、對投影平面中每個投影數據點，以投影數據點為圓心、第一距離為半徑在投影平面內作圓，得到投影數據點的周圍區域；

18、分析所述周圍區域中投影數據點的密度，得到所述投影平面中投影數據點的分布特征。

19、在本發明的一些實施例中，分析所述投影平面中投影數據點的數值特征，包括：

20、在所述周圍區域中，獲取所有投影數據點與其他投影數據點之間的第二最小距離，將所有第二最小距離中的最大值，記為第二距離；

21、對所述周圍區域中的任意投影數據點，若其在第二距離范圍內數據值最大，則將該投影數據點記為極大值點，獲取所述周圍區域中所有極大值點；

22、分析任意兩個所述極大值點之間的距離和數值差異，得到所述投影平面中投影數據點的數值特征。

23、在本發明的一些實施例中，分析所述聚類中所述超像素聚簇之間的位置關系，得到所述聚類的分布因子，包括：

24、獲取所述聚類中每個所述超像素聚簇的質心；

25、在所述聚類中，獲取每個所述超像素聚簇的質心與所有其他超像素聚簇的質心之間的最小距離，記為所述超像素聚簇的第三距離；

26、在所述聚類中，分析每個所述超像素聚簇與所有其他超像素聚簇之間位置分布的信息熵；

27、根據所述第三距離和所述信息熵，得到所述聚類的分布因子。

28、在本發明的一些實施例中，在所述聚類中，分析每個所述超像素聚簇與所有其他超像素聚簇之間位置分布的信息熵，包括：

29、過所述超像素聚簇的質心在水平方向上延伸，得到所述超像素聚簇的延伸線；

30、在所述聚類中，將所述超像素聚簇與每個其他超像素聚簇之間的質心連線，獲得質心連線的長度，記為第四距離，并獲得質心連線與延伸線之間順時針方向夾角的角度，記為第一角度；

31、計算所述超像素聚簇與每個其他超像素聚簇之間的第四距離和第一角度的乘積，得到所述超像素聚簇的信息熵。

32、在本發明的一些實施例中，根據所述第三距離和所述信息熵，得到所述聚類的分布因子，包括：

33、分析所述聚類中所有所述超像素聚簇對應的第三距離之間的離散程度，和分析所述聚類中所有所述超像素聚簇對應的信息熵之間的離散程度，得到所述聚類的分布因子。

34、在本發明的一些實施例中，分析所述聚類中所述超像素聚簇的體量差異情況和體量分布情況，得到所述聚類的噪聲影響因子，包括：

35、獲取所述聚類中體量最大的超像素聚簇，記為第一聚簇；

36、計算所述聚類中所有其余超像素聚簇與所述第一聚簇的平均體量比值，得到所述聚類中所述超像素聚簇的體量差異情況；

37、獲取所述聚類中每個超像素聚簇與其體量最接近的兩個超像素聚簇，記為接近聚簇；

38、將所述超像素聚簇的質心分別與其對應的兩個接近聚簇的質心連線，記兩條質心連線之間的夾角的角度為第二角度；

39、分析所述聚類中每個超像素聚簇的第二角度與其他超像素聚簇的第二角度之間的差異，結合所述超像素聚簇體量，得到所述聚類中所述超像素聚簇的體量分布情況；

40、結合所述體量差異情況和所述體量分布情況，得到所述聚類的噪聲影響因子。

41、在本發明的一些實施例中，根據所述噪聲影響程度，對所述空間點云數據進行降噪處理，包括：

42、基于體素網格濾波算法對所述空間點云數據進行降噪處理，并根據每個投影平面對應的所述噪聲影響程度，調整體素網格濾波算法中的體素大小，對每個投影平面對應的所述空間點云數據進行降噪處理。

43、相較于現有技術，本發明提供的基于空間點云數據的建筑結構設計三維模型構建方法，具有以下有益效果：

44、本發明通過采集空間點云數據，首先根據施工建筑將空間點云數據劃分為若干個投影平面，然后根據投影平面內投影數據點的分布特征和數值特征劃分超像素聚簇，并通過分析不同超像素聚簇之間的相似性，獲得超像素聚簇的聚類，實現了對投影平面的功能塊分割，方便后續進行準確的噪聲影響的分析，進而進行精準有效的降噪處理；之后通過分析聚類中超像素聚簇之間的位置關系，以及分析聚類中超像素聚簇的體量差異情況和體量分布情況，再結合聚類的體量，從而得到投影平面的噪聲影響程度；最后根據噪聲影響程度，對空間點云數據進行降噪處理，為后續構建施工建筑的三維模型提供良好的數據支持。本發明方法通過對施工建筑不同投影平面和不同聚類的空間點云數據進行不同程度降噪處理，提高了降噪處理的高效性和準確性，進而有助于構建可靠的建筑結構設計三維模型。