李明星，任高升，吉文来

(1.江苏省盐城技师学院，江苏 盐城 224000；2.南京工业大学，江苏 南京 211816 )

0 引 言

机载激光雷达(airborne light detection and ranging，LiDAR)是一种对地探测新技术，能够快速、精确地获取地物位置信息和高度信息，为构建三维数字城市特别是建筑物重建提供了新的手段[1-2]。屋顶面作为建筑物屋顶结构的基本组成元素，对其快速准确提取是基于机载LiDAR点云建筑物三维模型重建的关键步骤[3]。

由于机载LiDAR点云分布不规则且建筑物空间结构复杂，从建筑物LiDAR点云中高精度分割屋顶面仍面临较大挑战。相关学者对此进行了研究，主要分为聚类法、3D-Hough变换、随机抽样一致性(random sampling consensus，RANSAC)法和区域增长法等。聚类法[4]根据点云间距和点云密度等相似性测度进行聚类，提取结果较为稳定，但易受聚类参数和聚类策略的影响，导致过提取或漏提取；3D-Hough[5]通过在参数空间内进行简单累加统计得到参数聚类中心，但采样大小会影响特征提取精度，且离散化会增加计算量；RANSAC算法[6]通过迭代方式从一组数据样本中估算数学模型参数，具有较好的稳健性，但提取结果易出现伪平面，当数据复杂时，算法效率较低。区域增长法[7-8]简单易行，但参数难以设置且过度依赖局部特征的计算精度，增长过程易受噪声影响。

基于上述研究，提出一种结合超体素和区域增长的建筑物屋顶面点云分割方法。利用超体聚类算法将点云过分割为超体素，基于超体素的光滑性和表面几何特征进行区域增长，实现屋顶面点云提取。……