【摘要】提出一种面向对象的激光点云建筑裂缝提取方法,在对激光点云进行分割的基础上,通过计算面片与水平面之间的夹角､面片面积､面片相似度等特征,依据建筑裂缝先验知识,利用面向对象的激光点云分析方法对裂缝周围面片进行识别,选取建筑裂缝数据进行实验,结果表明,该方法可对建筑裂缝进行有效提取｡

【关键词】激光点云;面向对象;特征计算;建筑裂缝提取

1 引言

    建筑结构的破坏常常始于裂缝,房屋裂缝作为常的破坏情形,轻则影响建筑结构的使用性能,重则损害结构的体性､减少使用寿命,造成安全事故[1],因此,裂缝监测是建筑物健康监测的一项重要工作。传统的裂缝监测方法通过放大镜､裂缝测宽仪等裂缝宽度进行识读,费时费力,效率较低,而且由于建筑物健康状态具有不确定性,现场监测人员会有一定的危险性。随着数字图象技术的进展,基于数字图像的裂缝测量方法已有大量研究[2-5],然而一方面由于裂缝所处环境复杂。获取的图像存在噪声且难于消除到合格程度,导致测得的结果不稳定;另一方面基于图像的裂缝测量方法,只能用于裂缝宽度的初测,难以捕述裂缝的三维空间信息｡

    三维激光扣描技术克服了传统监测手段对只能采集离散点坐标的局限,可获取房屋裂缝监测区域内密集的点云数据,整体､细致地描述建筑物的裂缝信息,本文基于面向对象的点云分析理论,研究分割面片的倾角､面积､面片相似度等特征,依据建筑裂缝相邻面片之间的规则对裂缝周围面片进行识别,实现激光点云数据的建筑裂缝信息提取｡

2 面向对象的激光点云建筑裂缝提取

    面向对象的点云分析理论和方法已有大量研究,国外学者基于面向对象的方法从激光点云中提取和重建建筑立面[6-7]､进行城市植被分类[8];国内学者将分割后的点云利用面向对象的思想,进行点云滤波和分类[9-11]､建筑物立面识别[12]等方面的研究工作｡然而针对建筑裂缝这种特定场景的三维激光点云提取尚且缺乏相应的研究,本文以面向对象思想为基础,研究面向对象的激光点云建筑裂缝提取方法,该方法包含点云分割,面片特征计算,裂缝周围面片识别等步骤,整个流程如图1所示,其中预处理部分采用TerraSolid软件进行粗差剔除和地面点滤除｡

图1建筑裂缝提取流程

2.1点云分割

    局部点云密度作为点云内部属性的一种,影响点云分割的效果,采用文献[14]提出的考虑局部点云密度的分割方法,利用KD树方式进行点云数据组织,通过在X,y,z方向不断剖分,剖分平面垂直于对应的轴向,直到所有的点云数据被剖分并结构化到KD树结构中｡

    理论上,在n维欧式空间R中,任何向量可由相互正交的向量线性组合得到｡对于给定的三维空间点,通过主成分分析可以确定相互正交的特征向量以及特征值｡

    为了准确分割和法向量计算,采用有效邻域进行,首先,轴向的包围球位于当前点和其k近邻点(候选邻域点)上,利用主成分分析获取估计的法向量n,然后通过点到切半面的最大距离进行约束,如果候选邻域点到切平面的距离小于设定的阈值d,则候选邻域被选择为有效邻域,否则作为平面分割的无效邻域被舍弃,其原理如图2所示[14]｡

    按照相似性测度和自适应生长半径进行点云面片生长,可得到非地面点云数据分割结果,作为进一步建筑裂缝提取的数据源｡

2.2特征计算及裂缝周围面片识别

    点云分类和目标识别领域通常包括尺寸､位置､形状､色彩､拓扑关系､方向等特征[15]｡考虑到建筑裂缝相邻平面之间存在以下先验知识:面积较大,通常垂直于水平面,裂缝周围面片具有空间临近性和共面性,因此针对以上先验知识对分割的面片进行特征计算｡

    1)面片法向量与水平面夹角:对于分割得到的建筑面片,基于特征值进行平面拟合并计算法向量,将法向量和水平面的夹角作为提取建筑裂缝周围面片的特征,利用该特征,可以剔除平面屋顶､树木以及倾斜屋顶等类别的激光点云｡

    2)面片面积:由于分割后的面片具有不规则性,直接计算面积通常比较复杂,本文利用每一个面片中包含的激光点数量作为面积测度,避免了获取激光点云面片边缘数据和计算面积过程,减少了算法时间和空间复杂度,通过面片面积这一特征,可以剔除面积较小的地物激光脚点｡

    3)面片相似度:分割后的每个面片表达式如公式(2)所示,可以用向量(a,b,c,d)表示,通过上述两项特征对面片进行过滤后,对剩下的面片通过相似度计算进行共面性质判断,采用向量夹角的余弦值进行相似度计算,如公式(6)所示｡

3 实验过程及结果

    为了验证方法的可行性与有效性,采用徕卡Scanstation2三维激光扫描设备获得建筑裂缝点云数据,经过TerraSolid软件进行粗差剔除和地面点滤除,按照高程显示得到如图3所示的实验验证数据,通过考虑局部点云密度的点云分割方法,采用文献[14]的分割参数对该实验数据进行分割,共得到28个平面,分割后效果利用自主研制的LPS(LiDARProcessingSoftware)软件进行显示,如图4所示

图3建筑裂缝实验点云数据

图4实验点五分割结果

    为了进一步得到与建筑裂缝相关的点云面片,将分割后的点云按照面向对象的裂缝提取方法进行提取,其中面片法向量与水平面夹角设定为86~92,面片包含最少点数为500,面片相似度参数设置为0.96,实验得到6个与建筑裂缝有关的点云面片,共包含28731个点,提取效果利用自主研制的LPS软件进行显示如图5所示｡

图5建筑裂缝提取效果

    从图5可以看出,本文提出的面向对象激光点云裂缝提取方法能够实现对建筑裂缝周围面片提取,分析其原因在于:

    1)利用点云分割的结果作为裂缝提取的前提,采用面向对象的思想,不仅考虑了点云之间的关系,而且也考虑面片之间的关系;

    2)利用建筑裂缝的先验知识,通过面片特征辅助进行提取,计算简单,具有较好的操作性｡

与图4对比可以看出,本文方法大大减少了分割面片数,实验数据从28个面片精确到与建筑裂缝有关的6个面片,为进一步精确分析建筑变形信息提供数据支持｡

4 结语

    基于建筑裂缝数据的先验知识,提出一种面向对象的激光点云建筑裂缝提取方法｡该方法首先对激光点云进行分割,然后利用分割面片与水平面的夹角､面积､面片相似度等特征定义规则对裂缝周围面片进行识别,具有以下特点:①通过激光点云数据进行建筑裂缝提取,可以获得裂缝的三维信息;②采用面向对象的思想,利用先验知识,不仅考虑了点与点之间的关系,同时考虑了面片与面片之间的关系｡实验结果表明,本文方法能够实现对建筑裂缝提取,可为建筑监测及裂缝提取工作提供借鉴｡

[参考文献]

[1]肖峰.基于数字图像处理技术的建筑裂缝监测研究[D].重庆:重庆大学,2013.

[2]卢晓霞.基于图像处理的混凝土裂缝宽度检测技术的研究[D].成都:电子科技大学,2010.

[3]王雷.基于数字图像的混凝土结构构件裂缝测量[D].天津:天津大学,2006.

[4]聂红林,胡伍生.基于数字图像处理技术的城墙裂缝变形监测研究[J].测绘工程,2012,21(4):61-65.

[5]肖锋,刘星,张亚力等.基于数字图像处理技术的建筑裂缝测量研究[J].北京测绘,2012,(5):10-14.

[11]杨娜,秦志远,朱艳,等.面向对象的机载LiDAR点云滤波方法[J].测绘科学技术学报,2014,31(2):157-161.

[12]倪欢,张继贤,段敏燕,等.面向对象的车载激光扫描点云建筑物立面提取[J].测绘科学,2014,39(4):92-96.

[14]王果,沙从术,王健.考虑局部点云密度的建筑立面自适应分割方法[J].激光与光电子进展,2015,52(6):061001-1-6.

[15]魏征.车载LiDAR点云中建筑物的自动识别与立面几何重建[D].武汉:武汉大学,2012.