邹纪伟, 刘德儿, 康 翔, 兰小机, 杨 鹏, 刘靖钰

(江西理工大学 土木与测绘工程学院, 江西 赣州 341000)

0 引 言

三维激光扫描技术自问世以来已被应用于各个领域, 如文物修复、建筑物的三维建模、智慧城市的建设和大面积的地形测量等[1]。地面激光扫描仪能够快速高精度地获取地物的表面信息, 相比于机载激光扫描仪和航空摄影测量, 其获取的数据更加精细[2], 由于点云数据量庞大, 若直接对其进行操作, 工作量较大且耗时长, 因此需对源数据进一步处理, 点云分割作为数据处理的关键环节, 其分割精度直接影响到后续点云三维重建、特征提取、地物识别等操作。

常见的点云分割算法有RANSAC算法、欧氏聚类算法、区域增长算法、最小割算法等。RANSAC算法作为随机参数的估计算法[3], 由Fishier等于1981年提出, 该算法在直线拟合、平面拟合、计算图形方面应用广泛, 在点云分割中, 该算法通常用于提取平面点云：李娜等[4]将RANSAC算法运用于点云的分割处理, 提取出了建筑物的特征立面；贺亦峰等[5]则通过设置不同阈值, 使用RANSAC算法将建筑立面中的墙面、窗户、阳台等要素单独分割开来, 再通过欧氏聚类完成独立个体的分割。基于欧氏聚类的点云分割是根据不同点间的欧氏距离来判断是否属于同类地物点：吴燕雄等[6]使用欧氏聚类加上平滑阈值的方法对地物实现分类提取, 能够高效快速地达到分割效果, 但若地物种类过多, 阈值则较难设置, 易出现过分割或欠分割现象。区域增长算法[7-10]则是根据法向量及曲率实现不同地物分割：王竞雪等[11]提出了一种对机载LiDAR数据中的建筑物提取, 通过区域生长算法与主成分分析相结合的方法实现高精度提取；……