一种基于深度学习的建筑三维点云线特征提取方法

本发明公开了一种基于深度学习的建筑三维点云线特征提取方法，包括：首先使用地面固定站激光扫描仪获取测区内建筑激光点云数据，接着对获取的建筑三维点云做切片，将切片点云投影到二维占用概率图像，同时根据切片点云的密度计算每个像素基于权重中心分解的PCA1生成分图像；然后人工标注建筑轮廓线并制作训练样本数据集；接着构建线特征提取神经网络LALine‑Net，通过网络训练、模型评估获得神经网络模型参数；应用新的数据进行模型预测，提取测区建筑激光点云的线特征；最后对提取的线特征进重拟合和优化得到最终的建筑轮廓线特征。本发明可以快速从激光点云中提取城市建筑轮廓线，具有更好的完整性和几何精度，可以满足基于激光三维点云建筑制图的需要。