于海洋,余鹏磊,谢秋平, 李 宁,卢小平

(1. 河南理工大学 矿山空间信息技术国家测绘地理信息局重点实验室，河南 焦作 454000； 2. 河南理工大学 矿山空间信息技术河南省重点实验室，河南 焦作 454000)

一、引 言

机载激光雷达(airborne light detection and ranging，LiDAR)能够快速、精确地获取建筑物的顶面信息，为建筑物三维模型重建提供了有效的数据支持。在模型构建过程中，对建筑物顶面进行精确分割，进而通过拟合建筑物中各个部分来获得最可靠的多面体模型，可实现建筑物的精确、快速重建。

目前，建筑物顶面分割算法主要有随机抽样一致性(random sampling consensus，RANSAC) 算法、聚类算法、区域增长算法、3D 霍夫变换(3D-Hough transform)等[1]。RANSAC 算法通过迭代方法抑制点云噪声，但其模型参数的确定存在困难[2]。对于大范围建筑物的提取，建筑物形式各异，面片大小不同，难以采用统一的参数对所有建筑物进行面片分割处理，同时迭代运算计算量大[3]。聚类算法需要建(构) 筑物模型先验知识，往往难以获得，导致模式聚类中心不稳定，且算法过于复杂[4]。3D 霍夫变换顶面分割方法是将传统的二维图像霍夫变换拓展到三维点云参数空间，生成所有可能的平面，统计平面中点的个数来确定分割平面，此方法易产生伪平面，计算量大，速度慢[2]。区域增长算法复杂度低，计算速度快，但该方法对种子点选取及特征参数的设置要求较高。本文通过点云数据法向量的分析建立了一种建筑物顶面区域增长分割种子点选取和特征参数的设置方法。

二、点云法线与曲率计算

表面法线是几何体表面的重要属性，在计算机图形学等众多领域应用广泛。……