基于爬山法的窗户特征提取方法

贾凯华　雷鸣　吴泽敏

摘 要：在建筑物立面重建中，窗户提取、结构识别是学者们研究的热点。针对建筑物特征提取的应用需求，提出了一套基于局部搜索算法——爬山法的窗户信息提取方法，并具体介绍了研究中采用的一些原理、方法，从而可以准确有效地从激光扫描数据中提取出建筑物的窗户信息。利用本方案对地面激光扫描系统获取的建筑物试验数据进行了具体的处理，并给出了可视化的表达结果。

关键词：建筑物；激光扫描；特征提取；爬山法

资助项目：1、基于激光点云数据的窗户提取技术研究，编号ZR14QN05

2、2010年江西省特色专业建设项目（土木工程）

3、江西科技学院规划建设学科项目（结构工程）

1 引言

随着地面激光扫描技术的发展，获取高密度点云成为可能，详细的建筑立面结构：如窗户、门框等特征信息也可以被重建。然而，对于窗户，通常只有少数可利用的激光点，这是由于窗户框边是整个墙壁上相对较小的部分，并且窗户上玻璃不能反射激光束。原始激光信息的不足，使得在没有人际交互的情况下很难恢复可靠真实的的窗户几何体。本文提出一种利用爬山法，从地面三维激光点云数据中提取建筑物窗户信息的方法。

2 算法

爬山法（Hill-Climbing）[6]是一种局部搜索迭代求出最优解的一种算法，首先选取某个可行解为初始解，并通过逐步迭代来改善解的精确性，在每次迭代中，算法依据邻域函数在当前解的邻域内寻找更优解来改善当前解的质量，即所谓的局部搜索，这种迭代求解算法，原理浅显易懂，容易实现，如下图1。

设爬山者最初位于P0点，目标是爬上峰顶，为此可有4种走法，即向东、向南、向西、向北，爬山法要求在每走一步之前，先计算分别向4个方向走一步后到达的新位置与原位置高度之差，即启发信息；然后根据这一信息决定向哪个方向走，一般选高度差最大的方向作为即将走步的方向，每走一步都要有预先计算的启发信息作引导，当到达某点时，若4个方向的高度差计算结果都导致高度下降，则认为该点就是峰顶，搜索结束，由于每一步都是向梯度最陡的方向前进，而非盲目攀登，因而爬山法对求解单峰问题是相当有效的。在算法搜索过程中，需要不断比较当前变量邻域范围的能量函数值与当前能量函数值，具体是：分别计算中心点向上、向下、向左、向右各平移一个像素，宽度和高度分别增加、减小1时对应的能量函数值，最小能量函数对应的参数即是最后得到最优的窗户矢量化参数，找到窗户各个变量的局部最优解。

3 实验

为验证本文算法应用于复杂场景的可行性和有效性，下边结合实验数据和图形来说明，如下图所示，图a为河海大学科学馆的建筑物实景图，图b为三维激光扫描仪扫描得到的点云数据，由于点云数量非常大，截取一部分说明。图c是提取出的窗户点云数据。图d为生成的图像。

经过以上处理，建筑物立面上依次排列的每个窗户都被准确地识别出来了。由于在投影时，我们记录下了图像中每个单元格对应点的三维坐标信息，因此，通过图像和点云的对应关系，利用窗户矢量参数就可以轻松地反求出其对应的外轮廓点云，如图4.j所示。得到窗户模型角点对应的点云和点坐标后，便可以方便地实现窗户区域和整个平面的重建工作。

4 结论

本文提出了，基于爬山法的窗户特征提取方法，详细叙述了基于地面激光扫描数据的窗户识别方法，该方法受窗户点云质量影响较小，对复杂场景也是可行、有效的。

参考文献

[1]魏征.车载LiDAR点云中建筑物的自动识别与立面几何重建[D]. 上海交通大学硕士学位论文，2012.

[2]Lee， S.C. and Nevatia， R.，2004. Extraction and integration of window in a 3D building model from ground view images. In： IEEE Conference on Computer Vision and Pattern Recognition，2： 113-120.

[3] 魏征，董震，李清泉，2012.车载LiDAR点云中建筑物立面位置边界的自动提取.武汉大学学报（信息科学版），37（11）： 1311-1315.

[4]李清泉. 三维空间数据的实时获取、建模和可视化[M ]. 武汉： 武汉大学出版社， 2003.

[5]郑德华. 三维激光扫描数据处理的理论与方法[D]. 同济大学博士学位论文，2005.

[6]杨洋. 基于车载LIDAR数据的建筑物立面重建技术研究[D]. 解放军信息工程大学硕士学位论文，2010.

[7]黄磊.基于激光扫描数据的建筑物立面信息提取[D].山东科技大学硕士论文，2007.

[8]王健，靳奉祥.基于车载激光测距的建筑物立面信息提取[J]；山东科技大学学报（自然科学版）；2004 （4）：57-59.