基于区域生长算法的复杂建筑物屋顶点云分割

精确分割建筑物屋顶激光雷达(light detection and ranging,LiDAR)点云是三维模型重建的重要环节.针对现有算法分割复杂建筑物屋顶面结构精度差的问题,提出一种以三角面为基元的基于区域生长算法的复杂建筑物屋顶点云分割方法.首先,构建Delaunay三角网建立各激光点间相互关系,计算各三角面法向量,利用同一建筑物面片上各三角面法向量基本一致的特征对点云进行初步划分;然后,由于点云散乱性及误差影响产生诸多散乱三角面,对各构成散乱三角面的点进行剖分,并基于具有良好鲁棒性的随机采样一致性算法(random sample consensus,RANSAC),结合Alpha Shape算法获取建筑物各面片边界,合并过度分割的面片及孤立点,完成建筑物屋顶点云分割.实验结果表明,该方法对复杂建筑物屋顶点云分割的完整性、正确性及质量均较为理想.