基于深度学习的机载点云屋顶平面提取算法

来源：激光技术杂志2024年第5期北京时间：

作者：李婕, 李青清, 李礼, 刘钊, 沈阳, 涂静敏

摘要：为了准确提取不同类型建筑物屋顶点云的各个平面，采用度量学习的方式，将每个平面视为单独的实例，为每个平面上的点学习单独的高维深度特征。利用所提取的高维深度特征对平面点进行初步的聚类，通过简单的欧氏距离和特征空间距离进行综合度量将未聚类的点分配至各个平面；所提出的方法分别在合成数据集和公开的机载点云建筑物屋顶数据集RoofN3D上进行了训练和测试。结果表明，在合成数据集上，所提取的建筑物平面的准确率、召回率和F1分数分别为0.990、0.998和0.994；在机载点云数据集RoofN3D上，所提取的建筑物平面的准确率、召回率和F1分数分别为0.945、0.971和0.957。该方法不仅可以准确有效地提取出不同建筑物屋顶平面，且平面边缘非常准确，还可以准确区分建筑物屋顶平面内容和非平面内容，为建筑物3维建模提供重要帮助。

关键词：激光技术, 激光雷达点云, 平面分割, 深度学习, 建筑物屋顶