基于点云与CityGML的建筑物三维语义建模研究
发布时间：2023-04-23 12:10
随着硬件设备的不断发展,三维激光扫描技术凭借着其高精度、非接触、自动化等特点逐渐在数字城市建设中扮演更加重要的角色。但是,语义信息的缺乏以及人工干预等导致的低自动化问题一直是一个挑战性且亟待解决的问题。作为一个开放的数据模型,并支持存储和交换的CityGML,是可用于多种应用程序的三维模型,相比于其它数据格式,CityGML具有很大的优势。CityGML具有对象语义、几何、拓扑表达一致性等特点,可以实现三维GIS领域的多尺度表达和精细化建模管理。本文通过研究点云数据的特性,采用半自动化的方式获得建筑物点云数据语义特征信息,并创建CityGML标准的三维建筑物模型,其主要研究内容如下:(1)建筑物点云数据进行平面提取。由于传统的区域增长算法中阈值确定困难,随机选择种子点,从而影响平面分割的效果,本文针对阈值给定问题,采用自适应方法确定搜索半径和选取鲁棒的种子点方法,来优化建筑物点云数据平面提取的效果。(2)建筑物语义信息的提取,包括:建筑物的立面、屋顶、地面和门窗的语义信息。建筑物平面分为屋顶、立面和地面,本文首先通过判别规则对提取的平面进行语义信息区分,基于邻域点分析的方法提取语义信息...
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于点云数据的建筑物三维重建
1.2.2 基于CityGML的建筑物语义建模研究
1.2.3 总结分析
1.3 研究内容及技术路线
1.3.1 研究目标
1.3.2 研究内容及技术路线
1.3.3 技术路线图
1.4 论文结构与创新点
1.4.1 论文结构
1.4.2 论文特色与创新
2 点云处理和CityGML模型相关理论与技术
2.1 点云数据概述
2.1.1 点云数据获取技术
2.1.2 点云数据特征
2.2 点云数据预处理
2.2.1 点云数据去噪
2.2.2 点云数据滤波处理
2.3 CityGML标准概述
2.3.1 CityGML简介
2.3.2 CityGML特点
2.4 CityGML建筑物模型表达
2.4.1 CityGML建筑物模型设计
2.4.2 CityGML建筑物模型几何特征
2.4.3 CityGML建筑物模型语义特征
2.4.4 CityGML建筑物模型拓扑特征
2.5 本章小结
3 基于区域增长算法的建筑物点云平面提取
3.1 建筑物点云数据的预处理
3.1.1 点云降采样处理
3.1.2 点云滤波处理
3.2 基于区域增长算法的点云平面提取
3.2.1 算法思想
3.2.2 基于区域增长算法的建筑物平面提取流程
3.3 基于改进区域增长算法的建筑物平面提取
3.3.1 改进的区域增长算法的流程图
3.3.2 自适应搜索半径
3.3.3 种子点选择
3.4 算法对比分析
3.5 本章小结
4 基于点云平面的建筑物CityGML语义模型构建
4.1 基于点云平面的建筑物语义信息提取
4.1.1 建筑物屋顶、立面和地面判别规则
4.1.2 建筑物立面中门窗判别规则
4.2 基于邻域点算法的平面边界点提取
4.2.1 立面、屋顶和地面边界点提取
4.2.2 有门窗细节特征的立面
4.3 建筑物语义平面边界点的关键点检测
4.3.1 基于二次聚类算法提取角点
4.3.2 自适应聚类算法
4.4 基于平面关键点的CityGML语义模型构建
4.4.1 CityGML LoD2建筑物模型构建
4.4.2 CityGML LoD3建筑物模型构建
4.5 本章小结
5 实验与分析
5.1 实验环境配置与数据
5.1.1 实验环境配置
5.1.2 实验数据
5.2 点云数据的预处理
5.2.1 降采样处理
5.2.2 滤波处理
5.3 建筑物点云平面提取
5.4 CityGML建筑物模型构建
5.4.1 CityGML LoD2建筑物模型构建
5.4.2 CityGML LoD3建筑物模型构建
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的论文发表及研究成果
致谢
本文编号：3799689
【文章页数】：69 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 基于点云数据的建筑物三维重建
1.2.2 基于CityGML的建筑物语义建模研究
1.2.3 总结分析
1.3 研究内容及技术路线
1.3.1 研究目标
1.3.2 研究内容及技术路线
1.3.3 技术路线图
1.4 论文结构与创新点
1.4.1 论文结构
1.4.2 论文特色与创新
2 点云处理和CityGML模型相关理论与技术
2.1 点云数据概述
2.1.1 点云数据获取技术
2.1.2 点云数据特征
2.2 点云数据预处理
2.2.1 点云数据去噪
2.2.2 点云数据滤波处理
2.3 CityGML标准概述
2.3.1 CityGML简介
2.3.2 CityGML特点
2.4 CityGML建筑物模型表达
2.4.1 CityGML建筑物模型设计
2.4.2 CityGML建筑物模型几何特征
2.4.3 CityGML建筑物模型语义特征
2.4.4 CityGML建筑物模型拓扑特征
2.5 本章小结
3 基于区域增长算法的建筑物点云平面提取
3.1 建筑物点云数据的预处理
3.1.1 点云降采样处理
3.1.2 点云滤波处理
3.2 基于区域增长算法的点云平面提取
3.2.1 算法思想
3.2.2 基于区域增长算法的建筑物平面提取流程
3.3 基于改进区域增长算法的建筑物平面提取
3.3.1 改进的区域增长算法的流程图
3.3.2 自适应搜索半径
3.3.3 种子点选择
3.4 算法对比分析
3.5 本章小结
4 基于点云平面的建筑物CityGML语义模型构建
4.1 基于点云平面的建筑物语义信息提取
4.1.1 建筑物屋顶、立面和地面判别规则
4.1.2 建筑物立面中门窗判别规则
4.2 基于邻域点算法的平面边界点提取
4.2.1 立面、屋顶和地面边界点提取
4.2.2 有门窗细节特征的立面
4.3 建筑物语义平面边界点的关键点检测
4.3.1 基于二次聚类算法提取角点
4.3.2 自适应聚类算法
4.4 基于平面关键点的CityGML语义模型构建
4.4.1 CityGML LoD2建筑物模型构建
4.4.2 CityGML LoD3建筑物模型构建
4.5 本章小结
5 实验与分析
5.1 实验环境配置与数据
5.1.1 实验环境配置
5.1.2 实验数据
5.2 点云数据的预处理
5.2.1 降采样处理
5.2.2 滤波处理
5.3 建筑物点云平面提取
5.4 CityGML建筑物模型构建
5.4.1 CityGML LoD2建筑物模型构建
5.4.2 CityGML LoD3建筑物模型构建
5.5 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间的论文发表及研究成果
致谢
本文编号：3799689
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3799689.html
