技术特征：
1.一种建筑立面边缘特征关键点提取方法，其特征在于，包括如下步骤：步骤一：获取建筑立面的三维点云数据；步骤二：由三维点云数据中的点p
i
和其邻域球n内的所有点构建协方差矩阵，并根据协方差矩阵的特征值来逐点计算每个点的置信度c
i
，邻域球n的球心为p
i
；步骤三：计算三维点云数据中每个点的梯度g(x，y，z)，并将梯度g(x，y，z)沿空间坐标系中三个坐标轴的方向分解为三个分量；步骤四：根据梯度g(x，y，z)的三个分量构建结构张量m，并对结构张量m采用高斯权函数进行平滑处理；步骤五：结合每个点的置信度c
i
、梯度g(x，y，z)以及平滑处理后结构张量m，采用双阈值法判别当前点是否为初始关键点，并将所得到的所有初始关键点提取出来从而得到初始关键点集；步骤六：采用边缘细化算法对步骤五中得到的初始关键点集进行细化。2.根据权利要求1所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤二中，每个点p
i
的置信度c
i
通过拟合质量c
f
和均匀分布性c
s
来表示：来表示：其中，n表示每个点置信度的静态尺度的数目，w表示每个点置信度的静态尺度的计数数目；拟合质量c
f
表示局部切平面在点p
i
处的拟合质量，计算公式为：处的拟合质量，计算公式为：均匀分布性c
s
为局部均匀采样性，计算公式为：其中，和表示协方差矩阵的三个特征值；p
i
的邻域点p
j
的坐标与邻域球n的几何中心的坐标相减得到3
×
1列向量，3
×
1列向量与其转置后的1
×
3行向量相乘得到3
×
3矩阵，将所有矩阵相加得到协方差矩阵；i、j分别表示点p
i
和邻域点p
j
的下标。3.根据权利要求2所述的一种建筑立面边缘特征关键点提取方法，其特征在于：邻域球n的半径为三维点云数据的平均密度的1.0倍、1.5倍或2.0倍。4.根据权利要求2或3所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤三中，点p
i
的梯度g(x，y，z)的计算如下：定义函数f(x，y，z)为可微函数，三维空间中的方向向量u＝cos(α)a+cos(β)b+cos(γ)c，其中，a、b、c分别表示沿x、y、z坐标轴方向的单位向量，α，β，γ分别表示方向向量u与x、y、z坐标轴正方向的夹角，函数f(x，y，z)沿方向向量u的方向导数的计算公式为：其中t表示当前点p
i
和邻域点p
j
的距离；在离散点云中，可微函数f(x，y，z)表示点p
i
处的置信度，点p
i
的梯度g(x，y，z)与方向导数的关系公式如下：其中，c
i
和c
j
分别表示当前点p
i
和邻域点p
j
的置信度，d
ij
表示点p
i
和点p
j
的欧几里得距
离；点p
i
处的梯度g(x，y，z)沿x、y、z坐标轴方向的分解为：其中，分别表示点p
i
和点p
j
在x、y、z坐标轴方向上的坐标差，g
x
、g
y
和g
z
分别表示当前点的梯度在x、y、z坐标轴三个方向上的分解值。5.根据权利要求4所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤四中，结构张量m的具体构建步骤为：在三维点云空间中，点p
i
在邻域球n内的梯度变化e(δx，δy，δz)通过向不同方向(δx，δy，δz)的移动位移来计算，梯度变化e(δx，δy，δz)的公式为：上述公式的泰勒一阶展开式为：上述公式的泰勒一阶展开式为：其中，δx表示在x轴方向上的坐标移动位移，δy表示在y轴方向上的坐标移动位移，δz表示在z轴方向上的坐标移动位移；m为以点p
i
为中心的邻域球n的结构张量；m为半正定对称矩阵，其三个特征值和两两相互正交。6.根据权利要求5所述的一种建筑立面边缘特征关键点提取方法，其特征在于：对结构张量m使用高斯权函数进行平滑处理，平滑处理如下公式：张量m使用高斯权函数进行平滑处理，平滑处理如下公式：其中，符号代表点p
i
生成的结构张量m
i
和邻域点p
j
生成的结构张量m
j
进行卷积操作，σ是点p
i
和其所有邻域点p
j
之间距离的标准差，为高斯平滑的结果。7.根据权利要求6所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤五中，采用结构张量m的三个特征值和检测建筑立面中的初始关键点，初始关键点的响应函数公式为：r
m
＝det(m)
‑
k[trace(m)]3，参数k取值为1；
若r
m
≥t
m
且g(x，y，z)≥t
g
，则保留该初始关键点，否则删除该初始关键点；其中，梯度g(x，y，z)为正态分布，g(x，y，z)～n(ψ，ω)，ψ和ω分别是三维点云数据中所有点云的梯度g(x，y，z)的平均值和标准差；t
g
为双阈值法中预定义的梯度阈值，t
g
∈[0.6ψ，ψ]；t
m
为双阈值法中预定义的阈值，t
m
∈[5，30]。8.根据权利要求7所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤六中，边缘细化算法采用网格简化法。9.根据权利要求7所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤六中，边缘细化算法采用层次简化法。10.根据权利要求7所述的一种建筑立面边缘特征关键点提取方法，其特征在于：步骤六中，边缘细化算法采用加权局部最优投影算法。
技术总结
本发明公开了一种建筑立面边缘特征关键点提取方法，属于三维建模领域。本发明首先通过对局部邻域内建立的协方差矩阵的特征值来计算三维点云中每个点的置信度；然后定义三维空间中每个点的梯度，再将三维点云的梯度信息编码为结构张量；结构张量的特征值可以表示局部点云的梯度分布情况，从而将建筑物点云的立面特征提取问题转换为分析结构张量的三个特征值的问题；将每个点的置信度和结构张量作为双阈值法的输入，判断当前被处理点是否为关键点；最后采用边缘细化算法对边缘特征点进行细化处理。本发明所提出的算法不仅精度高于现有直接从三维中提取边缘特征的方法，也优于基于Canny算子到二维图像进行边缘提取和细化的方法。法。法。
技术研发人员：陈动 李静 邸少宁 向桂丘 万林承 李相宏 车顺豪 王佳迪 胡凡
受保护的技术使用者：南京林业大学
技术研发日：2021.08.04
技术公布日：2021/11/28