本发明属于地理信息，具体涉及一种基于密集匹配点云特征的城市建筑物三维模型重建方法。
背景技术：
1、随着社会的不断发展，“数字城市”、“智慧城市”等字眼进入人们的眼帘。目前，构建城市三维模型已经成为“智慧城市”信息化建设的主流。而建筑物作为智慧城市中的重要元素之一，在生活中许多实际的应用都与之相关。建筑物三维模型是城市三维模型的重要组成部分，也是构建“智慧城市”的基础。利用无人机倾斜摄影技术获取密集匹配点云数据构建建筑物三维模型的方法，可以便于人们对城市中建筑物的各项信息进行精细化查询、管理与分析等，同时这也是目前研究领域的难点之一。
2、通过无人机倾斜摄影经过影像密集匹配得到的点云可以获取建筑物的表面三维坐标信息从而保持建筑物的结构，逐渐成为城市建筑物高效三维建模的重要途径。目前，人工绘制提取建筑物轮廓线是主要方法，但是该方法生产周期长，效率低，成本高。因此本发明旨在针对通过密集匹配点云数据的特点，研究一种行之有效的提取建筑物轮廓线的方法，实现建筑物三维模型重建。
3、根据2012年定义了 citygml 2.0(city geography markup language)标准，城市建筑物精细化三维模型按照细节层次可分为lod(level of details)0-4五个等级：lod0是指二维数据，lod1是指基于建筑物轮廓线与建筑物高度，纵向拉伸构成的类似盒子状平屋顶的三维模型，lod2是指在lod1的基础上包含建筑物屋顶结构的三维模型，lod3是指在lod2的基础上包含建筑物外立面结构的三维模型，lod4是指在lod3的基础上包含建筑物室内信息、可以分层分户的三维模型。对于当前构建智慧城市的应用需求而言，lod1级模型是最基础的城市建筑物三维模型，本发明仅研究lod1级建筑物三维模型重建，具有实际的推广应用价值，在一定程度上充分满足了智慧城市的需求。
4、公开号为cn108765568a的中国发明提供了“一种基于激光雷达点云的多层次建筑物快速三维重建方法”，其步骤为：采集三维点云数据；点云滤波处理得到建筑物点云；使用优化的随机抽样一致性算法获得激光点云集；delaunay三角剖分进行建筑物轮廓点的提取；冒泡排序对轮廓点进行排序，生成轮廓线；使用关键点提取算法，提取建筑物轮廓的关键点；连接关键点，并使用正交约束对轮廓线进行规则化处理；将建筑物轮廓线赋予点云中的高程信息，生成三维建筑物模型。而专利文献cn108765568a中使用delaunay三角剖分进行建筑物轮廓点的提取时，未说明提取的轮廓线部分拐角及半隐蔽部分点是否提取出来，该专利文献提出的方法适用于规则建筑物的构建，对于复杂的建筑物未说明；所能构建的建筑物三维模型细节层次等级未说明。
技术实现思路
1、本发明的目的在于设计出一种基于密集匹配点云特征的城市建筑物三维模型重建方法，用于快速构建lod1级城市建筑物三维模型。
2、为了实现上述目的，本发明采用的技术方案如下：
3、一种基于密集匹配点云特征的城市建筑物三维模型重建方法，方法如下：
4、s1：通过无人机倾斜摄影测量系统获取密集点云数据进行滤波处理，得到建筑物点云数据；
5、s2：使用alpha shape 算法提取建筑物的初始轮廓，采用alpha shape算法提取过程的取值为2时达到最优的边缘检测效果；
6、s3：在提取初始轮廓的基础上利用道格拉斯-普克算法提取关键轮廓点，将轮廓线的首尾点连接为一条直线，求所有轮廓点到该直线的距离，并求出最大距离值；
7、s4：如果所述s3中的最大距离值大于设定阈值，则去除该区间的点，如果最大距离值小于设定阈值，则以最大距离值这个点将曲线分成两部分，重复以上步骤，直到没有点到直线的距离大于设定阈值，就输出剩余关键轮廓点；
8、s5：连接关键轮廓点，并对建筑物轮廓线进行主方向规则化处理，两条线段之间的夹角a满足阈值条件，则将这两条线段的公共端点看作初始拐点，确定初始拐点后，通过初始拐点分组边缘线段，利用最小二乘方法对分组边缘点进行线段拟合；将最长拟合的线段作为建筑物的主方向，计算其余的线段向量与建筑物主方向向量之间的夹角a；
9、s6：根据夹角a判断线段与建筑物的主方向位置关系；假设夹角a小于120°，则认为该线段与建筑物的主方向垂直；若夹角a大于150˚，则认为该线段与建筑物的主方向平行；若夹角a在120˚与150˚之间，则认为该线段与上一线段方向垂直；
10、s7：结合建筑物轮廓线信息和高程信息构建lod1级城市建筑物三维模型，在实际生活中建筑物的顶面结构大多数为矩形，所以需要结合所述s5以及s6，将建筑物的轮廓线进行规则化处理。通过建筑物屋顶轮廓顶点坐标查询对应位置的高程，将每栋建筑物顶部所有顶点的高程取平均值作为每栋建筑物的楼高，将墙角点底部的高程值统一设为0 m，建筑物顶部与墙角点底部的高程差即为建筑物高度，将建筑物屋顶向下拉伸，拉伸长度为建筑物的高度，得到的立方体即为lod1级城市建筑物三维模型。
11、与现有技术相比，上述技术方案可以得到以下有益效果：
12、本发明针对密集点云数据提出一种改进的alpha shape建筑物轮廓线提取方法，通过alpha shape算法提取建筑物的初始轮廓，再利用道格拉斯-普克（douglas-peucker，d-p）算法提取关键轮廓点进行主方向规则化处理；最后结合建筑物轮廓线信息和高程信息构建lod1级城市建筑物三维模型。通过步骤s3利用道格拉斯-普克算法提取关键轮廓点以及步骤s5连接关键轮廓点对建筑物轮廓线进行主方向规则化处理结合能够有效克服传统alpha shape算法所易出现的轮廓线呈锯齿状的现象，对实现建筑物单体化的构建具有重要应用价值。
1.一种基于密集匹配点云特征的城市建筑物三维模型重建方法，其特征在于：方法如下：
2.根据权利要求1所述的一种基于密集匹配点云特征的城市建筑物三维模型重建方法，其特征在于：假设夹角a小于120°，则认为该线段与建筑物的主方向垂直；若夹角a大于150˚，则认为该线段与建筑物的主方向平行；若夹角a在120˚与150˚之间，则认为该线段与上一线段方向垂直。
3.根据权利要求1所述的一种基于密集匹配点云特征的城市建筑物三维模型重建方法，其特征在于：s1中通过无人机倾斜摄影测量系统获取密集点云数据进行滤波处理。
4.根据权利要求1所述的一种基于密集匹配点云特征的城市建筑物三维模型重建方法，其特征在于：s7中通过建筑物屋顶轮廓顶点坐标查询对应位置的高程，将每栋建筑物顶部所有顶点的高程取平均值作为每栋建筑物的楼高，将墙角点底部的高程值统一设为0 m，建筑物顶部与墙角点底部的高程差即为建筑物高度，将建筑物屋顶向下拉伸，拉伸长度为建筑物的高度，得到的立方体即为lod1级城市建筑物三维模型。
