1.数字城市单体房屋点云立面3D特征提取方法，其特征在于，基于单体房屋立面点云数据的特点，对原始点云数据构建八叉树索引结构，在近似度评估约束的条件下对点云数据进行平面分割，通过面面相交和完整性规则约束提取单体房屋立面特征线；

第一，单体房屋点云立面3D分割：一是近似度评估约束的点云分割，包括近似度评估计算、八叉树结构索引、近似度评估约束下分割算法；二是点云数据平面3D拟合，采用改进的最小二乘平面3D拟合方法；

首先在获取单体房屋点云数据之前进行预处理，通过滤波分离地面点和非地面点，对地面点分类提取单体房屋点云，采用近似度评估约束的点云分割算法，首先对原始点云数据八叉树结构化，然后进行点的近似度评估计算，基于相似度迭代分割单体房屋点云数据，获取单体房屋平面，对最小二乘平面拟合进行去噪改进，将分割后得到的平面进一步拟合，得到更精确的平面模型参数；

第二，单体房屋立面3D特征线提取：一是立面3D特征线提取方法，包括立面3D数据结构设计、特征线提取、房屋立面特征点提取方法、精简立面3D特征线；二是单体房屋3D特征线优化，包括特征线平面相交、立面特征线规则化；

通过形状语法设计单体房屋平面的立面数据结构,判定面片所属类型，建立面片之间的拓扑关系；将单个平面点云子集内的所有数据点投影至该子集对应的平面空间中，计算点云子集的最小外包络矩形，构建二维网格结构实现立面特征线的提取，通过平面相交结合立面原始特征线提取单体房屋立面特征线并进行规则化处理。

2.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，近似度评估计算：综合空间3D位置、法向量两个空间几何特征进行点云数据近似度评估计算，赋予不同维度的特征向量不同权重，通过权重的调配得到意向分割结果，记两点为Q1、Q2，两点之间的近似度计算记为aL，则：

其中， 是Q1、Q2之间的欧式距离， 为两点法向量之间的夹角，为统一规划两者的单位和评价尺度，对 和 进行以下归一化处理，如式2所示：其中，t点云子集的分辨率， 表示两个3D点之间的法向量 和 之间的夹角，当两个3D点的法向量垂直时，两者之间的差异明显，故而将所有法向量夹角等于或者大于

90度的aNal均设为归一化的最大值1，点近似度aL最终的计算方式为：aL＝α*aCrd+β*aNal           式3

2 2

其中，α和β分别是aCrd和aNal对两个3D点之间近似度的影响因子，本申请中令α+β＝1，aL的值越小，两个3D点的近似度越高，属于同一个分割平面的可能性越大；

基于相似度的点云数据分割算法决定性因素是不同维度特征值的权重和判定相似度的临界值大小，单体房屋平面特征突出，分配给平面位置和法向量这两个空间特征值权重不同权重，判定相似度的临界值也有重要作用，将两个空间几何特征统一到相同量纲下，用数值表示点云数据之间多维度的特征差异，将相似度临界值的范围在[0,1]之间取值，经过多次分割结果确定最终的临界值。

3.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，八叉n m h

树结构索引：将单体房屋点云所在的三维空间看作是2×2 ×2个边长为t的立方体组成，n、m、h均为大于等于零的自然数，t为八叉树分辨率，将最小立方体视为八叉树的叶结点，即结构单元，得到三维点云数据的八叉树索引结构；

设八叉树的深度为a,则a＝max(n,m,1)+1，八叉树索引结构中的每一个叶子结点都有已经确定的26个邻域。

4.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，近似度评估约束下分割算法：采用迭代约束，根据点近似度对每个三维点所属的结构单元进行判定，从而不断更新每个结构单元的信息；

近似度评估约束下点云分割算法步骤为：第一步：设基于八叉树构建的结构单元集合C＝{s1,s2…,sm}，m为八叉树索引结构中所有非空的叶结点的数量；

第二步：对C中每一个子集ci(i＜m)进行计算，计算内容包括结构单元中心点的坐标及法向量；

第三步：令ci＝Average(Qi)，Qi为ci中所有3D点的集合，记与结构单元ci相邻的结构单元集合为Ni＝{sk，...,sh}，考虑实际情况中三维点云数据的分布情况，Ni的邻域小于理论值26；

第四步：赋予所有空间特征向量不同的权重，对于任意一点q∈Qi，分别计算q与ci之间的近似度aLi和q与cj(cj∈Ni)之间的近似度aLij；

第五步：判定近似度的大小，如果所有cj(cj∈Ni)均符合aLi

第六步：遍历所有的3D点，当一轮遍历结束后，点q所属的结构单元发生变化，则相应信息进行更新；当遍历结束后八叉树的叶子结点为空，则从C中删除该结点对应的点云子集；

第七步：循环迭代，记录相邻点云子集之间的关系，将法向量相同且具有相邻关系的点云子集聚集为一个集合，记为一个分割平面的点云数据，直到没有3D点发生变化。

5.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，改进的最小二乘平面3D拟合方法：基于概率方法剔除噪点，获取正确的模型参数，采用随机抽样方法对点云N进行采样，假设含有噪点的概率为k,采样次数m，其中m次采样全部都抽到噪点m m

的概率为k ，至少有一次抽到正常数据点的概率r＝1‑k ，当噪点含量为50％，m＝50时，r≈

1，正常数据点邻域包含一定数目的噪点，采用K邻域法进行局部平面拟合，计算所有点到K邻域拟合的局部平面的距离，并计算距离中值，当选中的点为正常数据点时，距离中值最小，具体步骤包括：

第1步：从分割平面N中随机的选取一个数据点Q，计算点Q的K邻域；

第2步：以得到的K邻域中的点为基础，采用最小二乘平面拟合的方法计算拟合局部平面F；

第3步：计算N中所有点到拟合平面F的距离Ai(i＝1,2,…,m)，并对Ai进行大小排列，中间数为距离中值Amid，存储相应的平面方程F的参数；

第4步：重复第1步至第3步m次，选取m次中Amid最小值所对应的拟合平面为原始平面Z；

第5步：计算N中全部点到第4步中确定的原始平面的距离标准偏差r，计算式为：第6步：当Ai＞2r时，则认为该点噪点并删除，反之则保留数据点；

第7步：把保留后的平面点集记为Ni，用最小二乘的方法进行平面拟合，计算平面参数和标准差，并进行记录；

第8步：判定标准差是否满足第6步，如果不满足，循环第1步至第7步，直到得到最佳拟合平面的参数a、b、c；

为尽可能拟合出更多平面，把距离临界值p0设置较小的值，分成两个拟合平面，根据两个平面方程对平面进行判定是否能够合并，如果两个平面方程满足：

1)两个平面夹角小于临界值δ；

2)两个平面的所有数据点分别到两个平面的距离和的差值小于一定临界值△a，即将两个平面合并为一个平面；

设采用改进的最小二乘法得到的两个平面H1、H2；则合并的平面需同时满足式5和式6：则分别为两个平面的法向量；q1i、q2i分别为平面H1、H2上的数据点；

则分别为过q1i、q2i的法向量；ti为q1i、q2i之间的欧氏距离。

6.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，特征线提取：通过构建二维网格结构实现立面3D特征点的提取，首先将单个立面点云子集内的所有数据点投影至该子集对应的二维平面中，计算点云子集的最小外包络矩形，将矩形划分为规则网格，把包含数据点的网格单元与不包含数据点的网格单元的公共边作为分割线，距离分割线最近的点就是单体房屋点云立面的特征点；

提取的特征点包括内部特征点和外部特征点两种，外部特征点代表的立面墙面的特征，内部特征点由立面墙面内部的空洞提取得到，对特征点连线进行直线拟合及规则化，使其能满足真实单体房屋的情况，首先计算每条折线与Y坐标轴的夹角，夹角小于临界值范围则认为折线与Y轴平行，并对这些折线进行平行矫正；如果折线与Y轴之间的夹角在垂直误差范围内，则对这些折线进行垂直矫正。

7.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，房屋立面特征点提取方法：

步骤一：选取点云子集集合C＝{c1,c2,c3,…,cm}中一个子集ci(i≤m)点云数据，构建二*

维网格,通过旋转和平移操作将ci调整到二维网格立面，记为ci ，实现三维点云的降维处理；

*

步骤二：在立面点集ci 与最小外包络矩形之间,将距离包含数据点的网格单元与不包含数据点的网格单元的公共边最近的点顺序连接得到连续曲线，记为原始特征；

步骤三：设置比例临界值e，计算原始特征与最小外包络矩形面积的比值，保留比值大于e的多边；

步骤四：设置角度临界值u,计算曲线中每段折线段与Y坐标轴的夹角，夹角小于u则认为折线与Y轴平行，并对这些折线进行平行矫正；同理,如果折线与X轴之间的夹角在[‑u，+u]区间内，则对这些折线段进行平行X轴校核矫正；

步骤五：重复步骤四至步骤四，直到所有的C中所有的子集完成平行校核；

步骤六：判定完成平行校核后的立面的类型，如果立面的特征点连线较短，且位于立面内部，则这部分特征点属于内部特征点，其它的为外部特征点；

步骤七：将在二维空间中得到的立面3D特征点转化到三维空间,获取并记录对应的三维空间坐标值。

8.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，精简立面3D特征线：对这些特征点连线进行直线拟合，以更加简洁的线段表达立面特征；

(1)特征点分组：对规则多边形，拐角处的方位角较大，基于拐角的方位变化将位于同一特征的点分为一组，首先在平行校核后的折线段上选取一点，判断其与相邻两点构成的两个向量的夹角，夹角超过临界值则为特征拐角点，设夹角临界值为B，点Q、Q0为点Q前一点,Q1为后一点, 和 夹角为α，则：夹角α值越大，则Q点为拐角点的可能性越大，如果α≥B，则该点为拐角点，对特征点的判定连续，通过拐角点将特征点分为代表不同特征线的点组，标记拐角特征点；

(2)特征线拟合：采用最小二乘法将得到的不同特征线点组进行直线拟合，直线方程在笛卡尔坐标系以x或者y为自变量获取直线方程，设每个特征线点组中点的个数为m，分别计算它们的x、y均值和平方均值，基于分组的特征线点，得到直线拟合结果。

9.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，单体房屋3D特征线优化：采用单体房屋不同立面之间存在相互平行、垂直拓扑关系，对原始特征线中不能满足垂直或平行要求的进行垂直和平行校核,使之满足几何形状的要求；

1.特征线平面相交

得到单体房屋立面直线化后的特征及立面之间拓扑关系后，首先基于立面数据结构中Nei_ID字段提取相邻立面信息，采用相交立面平面方程计算相交线并进行竖直方向调整，对单体房屋立面竖直方向特征线进行优化；

设两个平面方程Q1和Q2为，两立面的交线分别垂直两个立面的法向量,设其中Q1法向量为 Q2法向量为 交线的方向向量为 则 将Q1和Q2公共点结合方向向量 求得两立面的交线方程,将两立面相交线上两端最远出的点带入交线方程,得到竖直特征线。

10.根据权利要求1所述数字城市单体房屋点云立面3D特征提取方法，其特征在于，立面特征线规则化：单体房屋的特征线是具有规则的几何形状，规则化调整立面原始特征线的长度、方位使其能准确的符合实际单体房屋形状，单体房屋的立面特征线大部分是平行或者垂直的正交关系，本申请通过单体房屋的主方向对原始特征线进行规则化调整；

步骤1，确定主方向：将拟合边界中最长的线段作为原始主方向，然后将拟合边界集合中与原始主方向在临界值范围内的拟合边界提取出来，然后根据长度采用加权平均得出单体房屋的主方向；

设特征线段集合为H＝{H1,H2,…,Hm}，其对应方位角集为a＝{a1,a2,…,am},其中m为特征线个数；Hw为H中长度最长的特征线段，记为原始主方向，对应的方位角为aw，获取H中方位角在(aw‑△a，aw+△a)的特征线段集C＝{C1，C2,…,Cn}∈H,其对应的长度集为a＝{a，a2,…,an}，对应的方位角集β＝{β1,β2,…,βn},△a为偏离原始主方向的角度临界值，则主方向D为：

步骤2，调整特征线：根据主方向调整边特征线段,将特征线按方位角分为三类，包括与主方向近似平行的、与主方向近似垂直的和既不平行也不垂直的；

设主方向的角度临界值为△β，获取H中方位角在(D‑△β，D+△β)的特征线段集A＝{A1，A2,…,An}∈H，记为与主方向平行组；获取H中方位角在((D±90°)‑△β，(0±90°)+△β)的特征线段集E＝{E1，E2,…,En}∈H,记为与主方向垂直组；H中剩余的线段记为集合S＝{S1，S2,…,Sn}∈H,属于既不平行也不垂直主方向组；

步骤3，根据主方向调整后的特征线顺序求交，获取新特征交点，更新立面数据结构中的特征点字段，依次连接新的特征交点得到规则化后的单体房屋立面3D特征线。