1、車載LiDAR掃描測量由于高效率、高精度、高密度和實時獲取三維空間坐標(biāo)信息等優(yōu)勢，已成為“智慧城市”建設(shè)中三維數(shù)字城市模型信息采集的豐要方式之一。車載LiDAR獲取的數(shù)字城市點云具有三維離散性、高密度和海量性特點，測量對象包含地面點、線桿、低矮灌木、樹木、行人、建筑物立面信息以及部分低矮建筑物的頂面、粗差點等復(fù)雜信息。如何高效率、高精度地從點云數(shù)據(jù)中自動提取建筑物立面信息，成為車載LiDAR點云應(yīng)用于數(shù)字城市建模的主要任務(wù)之一，也是目前

2、車載LiDAR點云數(shù)據(jù)后處理的難題。
　　車載LiDAR點云數(shù)據(jù)中提取建筑物立面信息首先要建立點云數(shù)據(jù)索引，然后分離出地物點和地面點，再從地物點中識別建筑物數(shù)據(jù)，最后提取出建筑物立面信息。車載LiDAR點云是三維離散分布、海量化的數(shù)據(jù)，應(yīng)用現(xiàn)有的常規(guī)八叉樹、規(guī)則格網(wǎng)等進(jìn)行海量點云索引構(gòu)建時效率較低。而且車載LiDAR獲取的城市點云數(shù)據(jù)中地面點與低矮灌木交界、低矮淺丘等地形變化區(qū)域，應(yīng)用基于掃描線、固定坡度等現(xiàn)有濾波算法不能隨著地形

3、的變化自動調(diào)整，難以準(zhǔn)確區(qū)分地面點和非地面點。濾波后的地物點，通常的算法難以從含有建筑物、樹木、線桿類、行人等多種多樣的地物信息中自動準(zhǔn)確識別出建筑物點云數(shù)據(jù)。即使是普遍認(rèn)同的隨機抽樣一致性算法(Random sample Consensus，RANSAC)算法，在自動提取建筑物立面信息時，也容易出現(xiàn)平面分割過度、共面點歸屬判斷和偽平面問題。
　　本文在車載LiDAR點云的建筑物立而信息快速自動提取研究中，首先汲取3D規(guī)則格網(wǎng)和線

4、性八叉樹優(yōu)點，利用哈希表對八叉樹結(jié)點存儲進(jìn)行優(yōu)化，采用3DGrid_Hash_ Octree索引算法為車載LiDAR點云后處理建立高效的索引基礎(chǔ)，實現(xiàn)高效構(gòu)建海量的三維離散點云索引。然后在地面點和地物點的分類過程中，根據(jù)城市地面具有連續(xù)性、局部平整性的特點，改進(jìn)坡度濾波算法的種子點選取和區(qū)域增長規(guī)則，提出地形自適應(yīng)的地面點濾波算法進(jìn)行地面點和地物點的自動濾波，解決了基于掃描線、固定坡度等現(xiàn)有濾波算法閾值不能隨著地形的變化自動調(diào)整問題，提

5、高了地面點和地物點自動分類的準(zhǔn)確性。分類出地物點集后，再根據(jù)地物對象的自然特征、空間特征以及拓?fù)潢P(guān)系，和同類地物的掃描點密度、空間分布、空間形態(tài)等共性知識規(guī)則，通過建立地物分類規(guī)則知識庫和判別規(guī)則，依據(jù)知識庫進(jìn)行建筑物、樹木、線桿和行人等地物目標(biāo)的自動識別和分類，解決人工輔助地物分類的低效率問題。最后通過分析平面過度分割、共面點空間位置關(guān)系和偽平面產(chǎn)生的原因，改進(jìn)常規(guī)RANSAC算法為I-RANSAC算法，根據(jù)平面法線和距離判斷實現(xiàn)過度

6、分割平面合并，應(yīng)用固定距離臨近球輔助判斷共面點歸屬、消除偽平面，實現(xiàn)建筑物立面點云中平面信息的自動提取。
　　本文根據(jù)研究算法開發(fā)的車載LiDAR點云數(shù)據(jù)后處理軟件，通過Trimble車載LiDAR獲取的實測數(shù)據(jù)和必要的模擬數(shù)據(jù)，進(jìn)行點云數(shù)據(jù)快速索引構(gòu)建、地面點和地物點自動濾波、地物自動識別分類和建筑物立面信息的自動提取等實驗。試驗結(jié)果表明，3DGrid_Hash_Octree的索引構(gòu)建效率和檢索效率比3DGrid_Octree算

7、法提高35％和55％左右，解決了海量三維離散點云的索引快速構(gòu)建和檢索問題;地形自適應(yīng)濾波方法實現(xiàn)了城市點云地形復(fù)雜區(qū)域的地面點和非地面點自動正確分類，可為建筑物、樹木等地物分類提供較精確的地物點子集，同時較精確的地面點云，也有利于如道路信息提取等研究;利用知識庫的地物自動分類方法可實現(xiàn)地物點集中建筑物等不同地物的自動識別與分類，同時獲得樹木、線桿等不同地物的獨立點云;I-RANSAC方法可實現(xiàn)建筑物立面信息中平而點云自動分割和提取，為建