基于線段描述子的建筑摘要重建：理論、方法與實(shí)踐探索一、引言1.1研究背景與意義建筑作為人類文明的重要物質(zhì)載體，不僅承載著歷史文化信息，還在城市發(fā)展中扮演著關(guān)鍵角色。在文化遺產(chǎn)保護(hù)領(lǐng)域，古建筑是歷史的見(jiàn)證者，它們蘊(yùn)含著豐富的歷史文化價(jià)值，反映了特定時(shí)期的社會(huì)、經(jīng)濟(jì)、技術(shù)和藝術(shù)水平。然而，隨著時(shí)間的推移以及自然和人為因素的影響，許多古建筑面臨著損壞甚至消失的風(fēng)險(xiǎn)。通過(guò)建筑摘要重建技術(shù)，可以對(duì)這些瀕危的古建筑進(jìn)行數(shù)字化存檔，為后續(xù)的修復(fù)和保護(hù)工作提供精確的數(shù)據(jù)支持，從而有效地保護(hù)人類的文化遺產(chǎn)。在城市規(guī)劃方面，隨著城市化進(jìn)程的加速，城市規(guī)模不斷擴(kuò)大，建筑數(shù)量日益增多。準(zhǔn)確地獲取建筑的結(jié)構(gòu)和布局信息對(duì)于城市規(guī)劃至關(guān)重要。建筑摘要重建能夠?yàn)槌鞘幸?guī)劃者提供詳細(xì)的建筑模型，幫助他們更好地理解城市空間結(jié)構(gòu)，合理規(guī)劃城市功能分區(qū)，優(yōu)化交通流線，提高城市的可持續(xù)發(fā)展能力。同時(shí)，在建筑設(shè)計(jì)領(lǐng)域，重建后的建筑模型也可以為設(shè)計(jì)師提供參考，激發(fā)創(chuàng)新靈感，推動(dòng)建筑設(shè)計(jì)的發(fā)展。傳統(tǒng)的建筑重建方法往往依賴于復(fù)雜的測(cè)量設(shè)備和大量的人力物力，且在數(shù)據(jù)處理和模型構(gòu)建過(guò)程中存在一定的局限性。而線段描述子作為一種新興的技術(shù)手段，為建筑摘要重建帶來(lái)了新的契機(jī)。線段描述子能夠有效地提取和描述建筑圖像中的線段特征，這些特征包含了建筑的結(jié)構(gòu)信息，如墻體、門窗的輪廓等。與基于點(diǎn)特征的方法相比，線段特征在描述建筑結(jié)構(gòu)時(shí)具有更高的穩(wěn)定性和準(zhǔn)確性，能夠更好地反映建筑的整體形狀和局部細(xì)節(jié)。在實(shí)際應(yīng)用中，基于線段描述子的建筑摘要重建技術(shù)可以通過(guò)對(duì)不同角度拍攝的建筑圖像進(jìn)行處理，提取線段特征并進(jìn)行匹配和分析，從而構(gòu)建出準(zhǔn)確的三維建筑模型。這種方法不僅能夠提高重建的效率和精度，還能在一定程度上降低成本。例如，在對(duì)歷史建筑進(jìn)行保護(hù)時(shí)，利用該技術(shù)可以快速獲取建筑的現(xiàn)狀信息，為制定保護(hù)方案提供科學(xué)依據(jù)；在城市規(guī)劃中，能夠?yàn)橐?guī)劃者提供直觀、詳細(xì)的建筑模型，輔助決策制定。因此，研究基于線段描述子的建筑摘要重建技術(shù)具有重要的現(xiàn)實(shí)意義，它將為文化遺產(chǎn)保護(hù)、城市規(guī)劃等領(lǐng)域提供更加高效、精確的技術(shù)支持，推動(dòng)相關(guān)領(lǐng)域的發(fā)展和進(jìn)步。1.2國(guó)內(nèi)外研究現(xiàn)狀在建筑摘要重建領(lǐng)域，國(guó)內(nèi)外學(xué)者進(jìn)行了大量研究，取得了豐富成果。國(guó)外方面，早期的研究主要集中在基于傳統(tǒng)測(cè)繪數(shù)據(jù)的重建方法。例如，通過(guò)全站儀、GPS等設(shè)備獲取建筑的幾何數(shù)據(jù)，然后利用CAD軟件進(jìn)行建模。這種方法雖然精度較高，但數(shù)據(jù)采集過(guò)程繁瑣，成本高昂，且對(duì)于復(fù)雜建筑結(jié)構(gòu)的適應(yīng)性較差。隨著計(jì)算機(jī)視覺(jué)技術(shù)的發(fā)展，基于圖像的建筑重建方法逐漸成為研究熱點(diǎn)。一些學(xué)者利用多視圖幾何原理，從不同角度拍攝的建筑圖像中提取特征點(diǎn)，通過(guò)特征點(diǎn)匹配和三角測(cè)量來(lái)恢復(fù)建筑的三維結(jié)構(gòu)。如Snavely等人提出的基于互聯(lián)網(wǎng)圖像的大規(guī)模場(chǎng)景重建算法，能夠自動(dòng)從大量無(wú)序的圖像中重建出三維模型，為建筑重建提供了新的思路。然而，基于點(diǎn)特征的方法在描述建筑結(jié)構(gòu)時(shí)存在局限性，難以準(zhǔn)確表達(dá)建筑的線條、輪廓等重要特征。近年來(lái)，線段描述子在建筑摘要重建中的應(yīng)用逐漸受到關(guān)注。在國(guó)外，一些研究致力于開(kāi)發(fā)高效的線段描述子算法，以提高線段特征的提取和匹配精度。Lange等人提出了一種基于深度學(xué)習(xí)的線段描述子DLD，采用修改后的ResNet構(gòu)建描述子，并利用非真實(shí)物理引擎和多場(chǎng)景構(gòu)建合成數(shù)據(jù)集進(jìn)行訓(xùn)練，在合成數(shù)據(jù)集、真實(shí)雙目數(shù)據(jù)集和線段匹配基準(zhǔn)集上的測(cè)試結(jié)果表明，該方法相比傳統(tǒng)線段描述子在匹配精度上有顯著提升。在實(shí)際應(yīng)用中，國(guó)外的一些團(tuán)隊(duì)將線段描述子應(yīng)用于古建筑保護(hù)項(xiàng)目中，通過(guò)對(duì)古建筑圖像的處理，提取線段特征并進(jìn)行三維重建，為古建筑的數(shù)字化存檔和保護(hù)提供了有力支持。國(guó)內(nèi)在建筑摘要重建方面也取得了一系列進(jìn)展。早期研究多借鑒國(guó)外的方法和技術(shù)，并結(jié)合國(guó)內(nèi)建筑的特點(diǎn)進(jìn)行應(yīng)用和改進(jìn)。在基于圖像的建筑重建中，國(guó)內(nèi)學(xué)者針對(duì)復(fù)雜環(huán)境下的圖像特征提取和匹配問(wèn)題進(jìn)行了深入研究，提出了一些改進(jìn)算法。例如，針對(duì)光照變化、遮擋等因素對(duì)特征提取的影響，采用自適應(yīng)閾值、多尺度分析等方法來(lái)提高特征的穩(wěn)定性和準(zhǔn)確性。在應(yīng)用領(lǐng)域，國(guó)內(nèi)的研究團(tuán)隊(duì)將建筑摘要重建技術(shù)應(yīng)用于城市規(guī)劃、文化遺產(chǎn)保護(hù)等多個(gè)方面。在城市規(guī)劃中，通過(guò)對(duì)城市建筑的重建，為城市空間分析和規(guī)劃決策提供了可視化的模型支持；在文化遺產(chǎn)保護(hù)方面，利用三維重建技術(shù)對(duì)古建筑進(jìn)行數(shù)字化保護(hù)，如故宮博物院利用三維重建技術(shù)對(duì)紫禁城進(jìn)行數(shù)字化存檔，為古建筑的修繕和保護(hù)提供了詳細(xì)的數(shù)據(jù)依據(jù)。在基于線段描述子的建筑重建研究中，國(guó)內(nèi)學(xué)者也進(jìn)行了積極探索。有學(xué)者提出了基于線段匹配的三維重建方法，從不同角度拍攝的平面圖像中提取線段，確認(rèn)線段結(jié)構(gòu)并進(jìn)行匹配，利用匹配結(jié)果計(jì)算圖像間的相對(duì)位姿參數(shù)和相機(jī)的絕對(duì)位姿參數(shù)，最終構(gòu)建三維模型，該方法在一定程度上提高了重建的精度。然而，當(dāng)前國(guó)內(nèi)外基于線段描述子的建筑摘要重建研究仍存在一些不足之處。一方面，現(xiàn)有線段描述子算法在復(fù)雜場(chǎng)景下的魯棒性有待提高，例如在存在大量噪聲、遮擋或光照變化劇烈的情況下，線段特征的提取和匹配容易出現(xiàn)錯(cuò)誤。另一方面，在建筑重建過(guò)程中，如何有效地融合線段特征與其他信息（如點(diǎn)云數(shù)據(jù)、語(yǔ)義信息等），以進(jìn)一步提高重建模型的準(zhǔn)確性和完整性，也是亟待解決的問(wèn)題。此外，目前的研究大多集中在單一建筑的重建，對(duì)于大規(guī)模建筑群的摘要重建，在算法效率和數(shù)據(jù)處理能力方面還存在較大挑戰(zhàn)。1.3研究?jī)?nèi)容與方法1.3.1研究?jī)?nèi)容本研究聚焦于基于線段描述子的建筑摘要重建技術(shù)，主要涵蓋以下幾個(gè)關(guān)鍵方面：高效線段描述子算法研究：深入分析現(xiàn)有的線段描述子算法，針對(duì)復(fù)雜場(chǎng)景下魯棒性不足的問(wèn)題展開(kāi)研究。從特征提取的角度出發(fā)，探索新的特征表達(dá)方式，例如結(jié)合局部區(qū)域的紋理、顏色等信息，使線段描述子能夠更全面地描述線段特征，從而提高在噪聲、遮擋和光照變化等復(fù)雜條件下的穩(wěn)定性。同時(shí)，在匹配策略上進(jìn)行創(chuàng)新，利用機(jī)器學(xué)習(xí)中的分類算法，對(duì)線段匹配的可靠性進(jìn)行評(píng)估，降低錯(cuò)誤匹配的概率。通過(guò)理論分析和實(shí)驗(yàn)驗(yàn)證，優(yōu)化算法參數(shù)，提高線段描述子的提取和匹配精度，為后續(xù)的建筑重建工作奠定堅(jiān)實(shí)基礎(chǔ)。多源信息融合的建筑重建方法：研究如何將線段特征與點(diǎn)云數(shù)據(jù)、語(yǔ)義信息等多源信息進(jìn)行有效融合。在與點(diǎn)云數(shù)據(jù)融合方面，通過(guò)建立點(diǎn)云與線段之間的對(duì)應(yīng)關(guān)系，利用點(diǎn)云數(shù)據(jù)的精確位置信息來(lái)補(bǔ)充線段特征在空間定位上的不足，從而提高重建模型的幾何精度。在融合語(yǔ)義信息時(shí)，借助深度學(xué)習(xí)中的語(yǔ)義分割技術(shù)，識(shí)別建筑圖像中的不同結(jié)構(gòu)部件（如墻體、門窗等），將語(yǔ)義標(biāo)簽與線段特征相結(jié)合，為重建過(guò)程提供更豐富的語(yǔ)義約束，使重建模型更符合建筑的實(shí)際結(jié)構(gòu)和功能。通過(guò)實(shí)驗(yàn)對(duì)比不同融合方式對(duì)重建結(jié)果的影響，確定最優(yōu)的融合策略，實(shí)現(xiàn)更準(zhǔn)確、完整的建筑重建。大規(guī)模建筑群摘要重建技術(shù)：針對(duì)大規(guī)模建筑群的特點(diǎn)，研究適用于建筑群的摘要重建算法。在數(shù)據(jù)處理方面，采用分布式計(jì)算和并行處理技術(shù)，提高對(duì)海量建筑圖像數(shù)據(jù)的處理效率。在算法設(shè)計(jì)上，考慮建筑群中建筑之間的空間關(guān)系和布局規(guī)律，通過(guò)提取建筑群的整體結(jié)構(gòu)特征和局部關(guān)鍵特征，實(shí)現(xiàn)對(duì)建筑群的快速、準(zhǔn)確摘要重建。同時(shí)，為了滿足不同應(yīng)用場(chǎng)景對(duì)重建模型精度和復(fù)雜度的要求，設(shè)計(jì)多尺度的重建模型，在保證重建精度的前提下，降低模型的計(jì)算復(fù)雜度，提高重建效率。通過(guò)實(shí)際的大規(guī)模建筑群數(shù)據(jù)集進(jìn)行實(shí)驗(yàn)，驗(yàn)證算法的有效性和可行性。1.3.2研究方法為了實(shí)現(xiàn)上述研究?jī)?nèi)容，本研究將綜合運(yùn)用多種研究方法：文獻(xiàn)研究法：廣泛查閱國(guó)內(nèi)外關(guān)于建筑摘要重建、線段描述子、多源信息融合等方面的學(xué)術(shù)文獻(xiàn)、研究報(bào)告和技術(shù)資料。通過(guò)對(duì)相關(guān)文獻(xiàn)的梳理和分析，了解該領(lǐng)域的研究現(xiàn)狀、發(fā)展趨勢(shì)以及存在的問(wèn)題，為研究提供理論基礎(chǔ)和研究思路。同時(shí)，跟蹤最新的研究成果，及時(shí)將其應(yīng)用到本研究中，確保研究的前沿性和創(chuàng)新性。實(shí)驗(yàn)研究法：搭建實(shí)驗(yàn)平臺(tái)，設(shè)計(jì)并開(kāi)展一系列實(shí)驗(yàn)。收集不同類型、不同場(chǎng)景下的建筑圖像數(shù)據(jù)，包括古建筑、現(xiàn)代建筑、城市街景等，構(gòu)建實(shí)驗(yàn)數(shù)據(jù)集。利用現(xiàn)有的線段描述子算法和自己提出的改進(jìn)算法進(jìn)行實(shí)驗(yàn)對(duì)比，評(píng)估算法在不同條件下的性能表現(xiàn)，如線段提取的準(zhǔn)確率、匹配的精度、重建模型的精度和完整性等。通過(guò)實(shí)驗(yàn)結(jié)果分析，驗(yàn)證算法的有效性，發(fā)現(xiàn)算法存在的問(wèn)題，并進(jìn)一步優(yōu)化算法。同時(shí)，開(kāi)展多源信息融合和大規(guī)模建筑群重建的實(shí)驗(yàn)，探索最佳的融合方式和重建策略。案例分析法：選取具有代表性的建筑案例，如歷史文化名城的古建筑群、現(xiàn)代化大都市的標(biāo)志性建筑群等，應(yīng)用基于線段描述子的建筑摘要重建技術(shù)進(jìn)行實(shí)際案例分析。通過(guò)對(duì)實(shí)際案例的重建過(guò)程和結(jié)果進(jìn)行深入研究，分析該技術(shù)在實(shí)際應(yīng)用中的優(yōu)勢(shì)和局限性，總結(jié)經(jīng)驗(yàn)教訓(xùn)，為技術(shù)的進(jìn)一步改進(jìn)和推廣應(yīng)用提供實(shí)踐依據(jù)。同時(shí)，通過(guò)實(shí)際案例的展示，讓更多的人了解和認(rèn)識(shí)該技術(shù)的應(yīng)用價(jià)值。二、線段描述子相關(guān)理論基礎(chǔ)2.1線段描述子的定義與原理線段描述子是一種用于表征圖像中線段特征的數(shù)據(jù)結(jié)構(gòu)，它能夠提取線段的幾何、紋理和上下文等多方面信息，為后續(xù)的分析和處理提供關(guān)鍵依據(jù)。在建筑摘要重建中，準(zhǔn)確提取和描述線段特征對(duì)于還原建筑的結(jié)構(gòu)和輪廓至關(guān)重要。從定義上看，線段描述子是通過(guò)對(duì)線段的各種屬性進(jìn)行量化和編碼而得到的向量表示。這些屬性涵蓋了線段的長(zhǎng)度、方向、位置、曲率以及線段周圍的局部紋理等信息。例如，線段的長(zhǎng)度可以直接反映建筑結(jié)構(gòu)中部件的尺寸，方向則與建筑的布局和朝向相關(guān)，而位置信息能夠確定線段在圖像中的具體坐標(biāo)，為構(gòu)建三維模型提供基礎(chǔ)。在原理上，線段描述子的提取通?；趫D像的梯度信息。圖像中的邊緣是灰度變化劇烈的區(qū)域，通過(guò)計(jì)算圖像的梯度，可以確定邊緣的位置和方向。而線段往往由連續(xù)的邊緣點(diǎn)組成，利用這一特性，通過(guò)一定的算法對(duì)邊緣點(diǎn)進(jìn)行聚類和連接，從而提取出線段。以經(jīng)典的LSD（LineSegmentDetector）算法為例，其核心步驟如下：首先，對(duì)輸入圖像進(jìn)行尺度縮放，目的是消除數(shù)字離散圖像的鋸齒效應(yīng)，默認(rèn)縮放因子為0.8。接著，計(jì)算圖像梯度強(qiáng)度以及每個(gè)像素點(diǎn)的梯度角，通過(guò)atan2函數(shù)計(jì)算得到，其中g(shù)x、gy分別為水平和垂直方向梯度。然后，設(shè)置圖像梯度強(qiáng)度范圍到[0,1023]，將相同梯度值像素坐標(biāo)放入同一張鏈表中，并按從大到小順序合成一張大鏈表。之后，取出鏈表頭部存儲(chǔ)圖像坐標(biāo)位置作為種子像素，根據(jù)梯度角方向相似進(jìn)行區(qū)域擴(kuò)散，每擴(kuò)散一個(gè)像素，將該像素坐標(biāo)從鏈表中刪除并做標(biāo)記。再將擴(kuò)散區(qū)域進(jìn)行矩形擬合，檢測(cè)擬合矩形內(nèi)梯度角，根據(jù)NFA（NegativeFirst-OrderApproximation）公式計(jì)算該擬合矩形精度誤差，若滿足要求，則將該矩形記錄存儲(chǔ)，表示為一條檢測(cè)到的直線。對(duì)于線段描述子的表示，除了幾何信息外，還會(huì)融入紋理等其他特征。如LBD（LineBandDescriptor）描述子，在尺度空間中提取線段，通過(guò)對(duì)原始圖像進(jìn)行高斯下采樣構(gòu)建尺度空間金字塔，用Edline算法在每層尺度空間產(chǎn)生一組線，將相關(guān)相同事件的線分配唯一ID并存儲(chǔ)在LineVecs向量中。在描述線段局部外觀時(shí)，將線段支持域劃分為一組平行的條帶，引入兩個(gè)方向構(gòu)成局部二維坐標(biāo)系，使描述符旋轉(zhuǎn)不變。對(duì)LSR中的每個(gè)像素梯度投影到局部框架，在條帶的行方向應(yīng)用高斯函數(shù)，分別計(jì)算全局權(quán)重系數(shù)和局部權(quán)重系數(shù)，以減少邊界效應(yīng)和對(duì)遠(yuǎn)離線段梯度的關(guān)注度。通過(guò)計(jì)算條帶描述符BDj，由其相鄰條帶計(jì)算得到，再構(gòu)建條帶描述矩陣BDM，由BDM的均值向量Mj和標(biāo)準(zhǔn)方差向量Sj得到LBD，并對(duì)其均值和標(biāo)準(zhǔn)方差部分分別進(jìn)行歸一化，為減少非線性光照變化影響，對(duì)LBD每個(gè)維度進(jìn)行抑制，使其小于閾值（經(jīng)驗(yàn)值為0.4），最后重新規(guī)范約束向量得到單元LBD。這種表示方法不僅考慮了線段的幾何特征，還結(jié)合了局部紋理信息，使描述子更具獨(dú)特性和魯棒性，能夠在不同光照、尺度和視角變化下準(zhǔn)確描述線段特征，為基于線段描述子的建筑摘要重建提供了有力支持。2.2常見(jiàn)線段描述子算法分析2.2.1LSD算法LSD（LineSegmentDetector）算法是一種經(jīng)典的線段檢測(cè)算法，由RafaelGromponevonGioi等人于2012年提出，在計(jì)算機(jī)視覺(jué)領(lǐng)域，特別是線段提取和分析中具有重要地位。LSD算法的原理基于圖像的梯度和水平線場(chǎng)（Level-LineField）。算法首先對(duì)輸入圖像進(jìn)行尺度縮放，通常默認(rèn)縮放因子為0.8，目的是消除數(shù)字離散圖像的鋸齒效應(yīng)。接著計(jì)算圖像梯度強(qiáng)度以及每個(gè)像素點(diǎn)的梯度角，通過(guò)atan2函數(shù)計(jì)算得到，其中g(shù)x、gy分別為水平和垂直方向梯度。隨后，設(shè)置圖像梯度強(qiáng)度范圍到[0,1023]，將相同梯度值像素坐標(biāo)放入同一張鏈表中，并按從大到小順序合成一張大鏈表。在得到梯度相關(guān)信息后，算法取出鏈表頭部存儲(chǔ)的圖像坐標(biāo)位置作為種子像素，根據(jù)梯度角方向相似進(jìn)行區(qū)域擴(kuò)散。每擴(kuò)散一個(gè)像素，將該像素坐標(biāo)從鏈表中刪除并做標(biāo)記，以避免重復(fù)擴(kuò)散。擴(kuò)散完成后，將擴(kuò)散區(qū)域進(jìn)行矩形擬合，檢測(cè)擬合矩形內(nèi)梯度角，根據(jù)NFA（NegativeFirst-OrderApproximation）公式計(jì)算該擬合矩形精度誤差。若滿足要求，則將該矩形記錄存儲(chǔ)，表示為一條檢測(cè)到的直線。LSD算法具有諸多優(yōu)點(diǎn)。其運(yùn)行效率較高，能夠在線性時(shí)間內(nèi)得出亞像素級(jí)精度的檢測(cè)結(jié)果，這使得它在處理大規(guī)模圖像數(shù)據(jù)時(shí)具有明顯優(yōu)勢(shì)。算法無(wú)需人工調(diào)節(jié)任何參數(shù)，即可在各種類型的數(shù)字圖像上穩(wěn)定運(yùn)行，具有很強(qiáng)的自適應(yīng)性。而且對(duì)視角和光照變化具有很好的魯棒性，在不同拍攝條件下的圖像中都能較為準(zhǔn)確地檢測(cè)出線段。然而，LSD算法也存在一定的局限性。它對(duì)噪聲較為敏感，當(dāng)圖像中存在較多噪聲時(shí)，可能會(huì)導(dǎo)致線段檢測(cè)結(jié)果出現(xiàn)錯(cuò)誤或遺漏。在復(fù)雜場(chǎng)景中，如存在大量紋理或結(jié)構(gòu)復(fù)雜的區(qū)域，LSD算法容易產(chǎn)生過(guò)多的誤檢線段，影響后續(xù)分析的準(zhǔn)確性。該算法主要側(cè)重于線段的檢測(cè)，對(duì)于線段的描述能力相對(duì)較弱，在需要對(duì)線段進(jìn)行詳細(xì)特征描述的任務(wù)中表現(xiàn)欠佳。2.2.2LBD描述子LBD（LineBandDescriptor）描述子是一種用于描述線段局部外觀的特征描述子，在基于線段的圖像分析和匹配任務(wù)中發(fā)揮著重要作用。LBD描述子的提取過(guò)程較為復(fù)雜且獨(dú)特。在尺度空間提取線段方面，為了克服在線檢測(cè)碎片問(wèn)題和提高大尺度變化的性能，采用由對(duì)原始圖像進(jìn)行高斯下采樣（withasetof尺度因子and高斯模糊）的尺度空間金字塔組成（N層圖像）。首先用Edline算法在每層尺度空間產(chǎn)生一組線，每條直線的方向由從直線左側(cè)到右側(cè)的大部分邊緣像素點(diǎn)的梯度構(gòu)成。然后通過(guò)在尺度空間中找到對(duì)應(yīng)的直線來(lái)組織它們，為在尺度空間中所有相關(guān)相同事件的線分配唯一ID，并存儲(chǔ)在稱為L(zhǎng)ineVecs的向量中。在用條帶（Band）表示線支持域時(shí)，在octaveimage給出線段后，描述符將從線段支持域（LSR）計(jì)算。該支持區(qū)域被劃分為一組平行的條帶{B1；B2；…；Bm}，每個(gè)條帶都是LSR的子區(qū)域，條代數(shù)m和每個(gè)條帶的寬度w可根據(jù)具體情況設(shè)置，條帶的長(zhǎng)度等于線段的長(zhǎng)度。類似于MSLD，引入兩個(gè)方向構(gòu)成局部二維坐標(biāo)系，用于區(qū)分具有相反梯度方向的平行線并使描述符旋轉(zhuǎn)不變。LSR中的每個(gè)像素的梯度投影到這個(gè)局部框架，在條帶的行方向應(yīng)用高斯函數(shù)，分別計(jì)算全局權(quán)重系數(shù)和局部權(quán)重系數(shù)，以減少邊界效應(yīng)和對(duì)遠(yuǎn)離線段梯度的關(guān)注度。在構(gòu)造條帶描述符時(shí)，每條條帶的描述子BDj通過(guò)其最近的兩相鄰行的條帶Bj-1、Bj+1來(lái)計(jì)算。特別是對(duì)于頂部和底部的條帶B1和Bm，在計(jì)算時(shí)不考慮LSR之外的行。通過(guò)累計(jì)條帶Bj相關(guān)聯(lián)的所有行的梯度信息，構(gòu)造條帶描述矩陣BDMj，由BDMj的均值向量Mj和標(biāo)準(zhǔn)方差向量Sj得到LBD。對(duì)LBD的均值部分和標(biāo)準(zhǔn)方差部分分別進(jìn)行歸一化，為減少非線性光照變化的影響，對(duì)LBD每個(gè)維度進(jìn)行抑制，使其小于閾值（經(jīng)驗(yàn)值為0.4），最后重新規(guī)范約束向量得到單元LBD。LBD描述子在描述線段局部外觀方面具有顯著特點(diǎn)。它對(duì)尺度變化具有較好的魯棒性，通過(guò)尺度空間提取線段的方式，能夠在不同尺度的圖像中準(zhǔn)確描述線段特征。對(duì)方向的小的位置變化更具魯棒性，因?yàn)樵谶@種情況下，帶內(nèi)圖像的大部分內(nèi)容保持不變，只有帶邊界略有變化。計(jì)算效率較高，每個(gè)條帶之間在方向沒(méi)有重疊，高斯權(quán)重直接應(yīng)用于每一行，而不是每個(gè)像素。然而，LBD描述子也存在一些不足，例如在低紋理區(qū)域，由于可提取的梯度信息較少，其描述能力會(huì)受到一定限制。2.2.3ELSD算法ELSD（EfficientLineSegmentDetectorandDescriptor）算法是一種新穎的高效線段檢測(cè)與描述器，旨在同時(shí)在圖像中檢測(cè)線段并提取其描述符，為如SLAM和圖像匹配等高層次任務(wù)實(shí)時(shí)提供必要的線特征。ELSD算法采用了獨(dú)特的單階段緊湊型模型。提出使用中點(diǎn)、角度和長(zhǎng)度作為線段的最小化表示形式，即中心-角度-長(zhǎng)度（CAL）表示法，這種表示法保證了中心對(duì)稱性，只需預(yù)測(cè)四個(gè)參數(shù)，大大簡(jiǎn)化了線段的表示和計(jì)算。線檢測(cè)器由定位模塊和回歸模塊組成。定位模塊負(fù)責(zé)初步確定線段的位置，回歸模塊則預(yù)測(cè)幾何圖來(lái)提供旋轉(zhuǎn)角和長(zhǎng)度，并通過(guò)預(yù)測(cè)細(xì)粒度偏移量來(lái)精煉中間點(diǎn)的位置，以補(bǔ)償定位精度。當(dāng)線條相交時(shí)，中間點(diǎn)可能會(huì)引起檢測(cè)上的不確定性，ELSD引入了線中心性（非中心抑制法）來(lái)過(guò)濾掉屬于斷裂線段的虛假中間點(diǎn)，并采用改進(jìn)的FocalLoss來(lái)更多地關(guān)注困難情況下的中間點(diǎn)，有效提高了線段檢測(cè)的準(zhǔn)確性。在描述子提取方面，ELSD將線描述分支與檢測(cè)分支整合，并采用端到端的方式聯(lián)合訓(xùn)練這兩個(gè)分支。通過(guò)對(duì)每條預(yù)測(cè)線段進(jìn)行線池化來(lái)獲得其描述子，該描述子通過(guò)隨機(jī)仿射變換自監(jiān)督學(xué)習(xí)訓(xùn)練。這種聯(lián)合訓(xùn)練的方式使得檢測(cè)和描述任務(wù)能夠共享骨干網(wǎng)絡(luò)中的主要計(jì)算資源，不僅提高了效率，而且對(duì)檢測(cè)性能幾乎沒(méi)有損失。ELSD算法的優(yōu)勢(shì)明顯。在準(zhǔn)確性方面，它在Wireframe數(shù)據(jù)集和YorkUrban數(shù)據(jù)集上均實(shí)現(xiàn)了當(dāng)前最佳性能，無(wú)論是線段檢測(cè)的準(zhǔn)確率還是描述子的準(zhǔn)確性都表現(xiàn)出色。效率上，其輕量版本在單個(gè)GPU（RTX2080Ti）上實(shí)現(xiàn)了107.5FPS的速度，能夠滿足實(shí)時(shí)應(yīng)用的需求。與傳統(tǒng)方法分別進(jìn)行檢測(cè)與描述的方式相比，ELSD避免了分開(kāi)執(zhí)行帶來(lái)的耗時(shí)問(wèn)題，實(shí)現(xiàn)了更高效的線段檢測(cè)和描述。然而，ELSD算法也面臨一些挑戰(zhàn)，例如對(duì)硬件設(shè)備有一定要求，在一些計(jì)算資源有限的設(shè)備上可能無(wú)法充分發(fā)揮其性能優(yōu)勢(shì)。2.3線段描述子在建筑領(lǐng)域應(yīng)用的優(yōu)勢(shì)在建筑領(lǐng)域，基于線段描述子的方法具有獨(dú)特的優(yōu)勢(shì)，為建筑結(jié)構(gòu)分析、模型重建等任務(wù)提供了有力支持。線段描述子能夠準(zhǔn)確地提取建筑的輪廓特征。建筑的輪廓是其最直觀的外在表現(xiàn)，包含了豐富的結(jié)構(gòu)信息。如古建筑的飛檐、斗拱等獨(dú)特結(jié)構(gòu)，通過(guò)線段描述子可以精確地提取出其輪廓線段，這些線段的長(zhǎng)度、方向和位置等信息，能夠完整地展現(xiàn)出建筑輪廓的形狀和細(xì)節(jié)。與基于點(diǎn)特征的方法相比，線段特征在描述輪廓時(shí)具有更高的連續(xù)性和穩(wěn)定性。點(diǎn)特征在描述輪廓時(shí)可能會(huì)因?yàn)辄c(diǎn)的離散性而丟失部分信息，導(dǎo)致輪廓的不連續(xù)，而線段描述子能夠?qū)⑤喞系狞c(diǎn)連接成連續(xù)的線段，更準(zhǔn)確地反映建筑輪廓的真實(shí)形狀。在復(fù)雜建筑結(jié)構(gòu)的表示方面，線段描述子也具有明顯優(yōu)勢(shì)。復(fù)雜建筑往往包含眾多不同形狀和功能的結(jié)構(gòu)部件，如大型商業(yè)建筑中的中庭、異形建筑的獨(dú)特外觀等。線段描述子可以通過(guò)提取不同結(jié)構(gòu)部件的線段特征，清晰地表示出各個(gè)部件的形狀和它們之間的連接關(guān)系。通過(guò)對(duì)線段的組織和分析，能夠構(gòu)建出建筑結(jié)構(gòu)的拓?fù)潢P(guān)系圖，直觀地展示建筑結(jié)構(gòu)的層次和布局，有助于深入理解建筑的結(jié)構(gòu)體系。在建筑摘要重建中，線段描述子能夠提高重建的精度和效率。在重建過(guò)程中，準(zhǔn)確的線段特征匹配是關(guān)鍵步驟。線段描述子包含了豐富的幾何和紋理信息，使得線段匹配更加準(zhǔn)確可靠。通過(guò)匹配不同圖像中的線段特征，可以確定圖像之間的相對(duì)位置和姿態(tài)關(guān)系，從而實(shí)現(xiàn)三維模型的精確重建。同時(shí)，由于線段特征的數(shù)量相對(duì)較少，與基于大量點(diǎn)特征的重建方法相比，基于線段描述子的重建算法在數(shù)據(jù)處理和計(jì)算量上具有優(yōu)勢(shì)，能夠提高重建的效率，更快地生成建筑的三維模型。線段描述子還對(duì)光照變化、遮擋等復(fù)雜情況具有一定的魯棒性。在實(shí)際的建筑圖像采集過(guò)程中，常常會(huì)遇到不同的光照條件，如清晨、傍晚的不同光照強(qiáng)度和角度，以及建筑部分被樹(shù)木、其他建筑物遮擋的情況。線段描述子通過(guò)綜合考慮線段的多種屬性，在一定程度上能夠克服這些因素的影響，準(zhǔn)確地提取和匹配線段特征。例如，一些線段描述子在提取過(guò)程中會(huì)對(duì)圖像進(jìn)行多尺度分析，從而減少光照變化對(duì)特征提取的影響；在匹配過(guò)程中，通過(guò)引入幾何約束和上下文信息，可以有效地排除因遮擋而產(chǎn)生的錯(cuò)誤匹配，保證建筑重建的準(zhǔn)確性。三、建筑摘要重建的技術(shù)流程3.1建筑數(shù)據(jù)采集與預(yù)處理3.1.1數(shù)據(jù)采集方法建筑數(shù)據(jù)采集是摘要重建的基礎(chǔ)環(huán)節(jié)，精準(zhǔn)、全面的數(shù)據(jù)獲取對(duì)于后續(xù)的重建工作至關(guān)重要。目前，常用的建筑數(shù)據(jù)采集技術(shù)主要包括激光掃描和攝影測(cè)量，它們各自具有獨(dú)特的優(yōu)勢(shì)和適用場(chǎng)景。激光掃描技術(shù)憑借其高精度和快速的數(shù)據(jù)采集能力，在建筑數(shù)據(jù)采集中占據(jù)重要地位。其工作原理基于激光測(cè)距原理，通過(guò)發(fā)射激光束并接收反射光來(lái)測(cè)量物體表面點(diǎn)的三維坐標(biāo)。以地面三維激光掃描儀為例，它能夠?qū)ㄖM(jìn)行全方位掃描，獲取建筑物表面的高密度點(diǎn)云數(shù)據(jù)，這些數(shù)據(jù)精確地記錄了建筑表面每個(gè)點(diǎn)的位置信息，從而完整地呈現(xiàn)出建筑的幾何形狀和空間結(jié)構(gòu)。激光掃描技術(shù)在大型建筑或復(fù)雜建筑結(jié)構(gòu)的數(shù)據(jù)采集方面表現(xiàn)出色。對(duì)于大型商業(yè)綜合體，其內(nèi)部結(jié)構(gòu)復(fù)雜，包含眾多的樓層、走廊、中庭等空間，激光掃描技術(shù)可以快速、準(zhǔn)確地獲取整個(gè)建筑的三維信息，為后續(xù)的結(jié)構(gòu)分析和重建提供詳實(shí)的數(shù)據(jù)基礎(chǔ)。在古建筑保護(hù)中，對(duì)于那些具有復(fù)雜雕刻、裝飾的古建筑構(gòu)件，激光掃描能夠高精度地捕捉其細(xì)節(jié)特征，即使是微小的紋理和造型變化也能被精確記錄，為古建筑的修復(fù)和數(shù)字化保護(hù)提供了關(guān)鍵數(shù)據(jù)。攝影測(cè)量技術(shù)則利用攝影設(shè)備從不同角度拍攝建筑圖像，通過(guò)對(duì)這些圖像的處理和分析來(lái)獲取建筑的三維信息。其核心原理是基于多視圖幾何理論，通過(guò)圖像匹配和三角測(cè)量等方法，從不同視角的圖像中恢復(fù)出物體的三維結(jié)構(gòu)。無(wú)人機(jī)傾斜攝影測(cè)量在建筑數(shù)據(jù)采集中應(yīng)用廣泛，它能夠搭載多個(gè)相機(jī)，從不同角度對(duì)建筑進(jìn)行拍攝，獲取高分辨率的影像。在城市建筑群的數(shù)據(jù)采集中，無(wú)人機(jī)可以快速飛行并拍攝大量的圖像，通過(guò)對(duì)這些圖像的處理，能夠快速構(gòu)建出城市建筑群的三維模型，為城市規(guī)劃和管理提供直觀的視覺(jué)模型和數(shù)據(jù)支持。數(shù)字近景攝影測(cè)量適用于對(duì)建筑局部細(xì)節(jié)要求較高的場(chǎng)景。在對(duì)歷史建筑的門窗、裝飾構(gòu)件等進(jìn)行數(shù)據(jù)采集時(shí)，通過(guò)在近距離拍攝高質(zhì)量的圖像，利用攝影測(cè)量軟件進(jìn)行處理，可以精確地獲取這些局部構(gòu)件的尺寸、形狀等信息，為歷史建筑的修復(fù)和保護(hù)提供詳細(xì)的數(shù)據(jù)。3.1.2數(shù)據(jù)預(yù)處理步驟采集到的建筑數(shù)據(jù)往往包含噪聲、數(shù)據(jù)缺失或不一致等問(wèn)題，這些問(wèn)題會(huì)影響后續(xù)的分析和重建工作，因此需要進(jìn)行預(yù)處理。數(shù)據(jù)預(yù)處理主要包括去噪、濾波和配準(zhǔn)等關(guān)鍵步驟。去噪是數(shù)據(jù)預(yù)處理的重要環(huán)節(jié)，其目的是去除數(shù)據(jù)中的噪聲點(diǎn)，提高數(shù)據(jù)的質(zhì)量和可靠性。在激光掃描數(shù)據(jù)中，由于環(huán)境干擾、儀器誤差等因素，可能會(huì)產(chǎn)生一些離群點(diǎn)，這些點(diǎn)會(huì)嚴(yán)重影響數(shù)據(jù)的準(zhǔn)確性。常用的去噪算法如統(tǒng)計(jì)濾波，通過(guò)計(jì)算點(diǎn)云數(shù)據(jù)中每個(gè)點(diǎn)與其鄰域點(diǎn)之間的距離統(tǒng)計(jì)信息，根據(jù)設(shè)定的閾值來(lái)判斷并去除離群點(diǎn)。對(duì)于攝影測(cè)量數(shù)據(jù)，圖像噪聲可能會(huì)導(dǎo)致特征提取和匹配的錯(cuò)誤，中值濾波是一種常用的圖像去噪方法，它將圖像中每個(gè)像素點(diǎn)的灰度值替換為其鄰域像素灰度值的中值，從而有效地去除椒鹽噪聲等離散噪聲。濾波也是數(shù)據(jù)預(yù)處理的關(guān)鍵步驟，它可以進(jìn)一步平滑數(shù)據(jù)，減少數(shù)據(jù)的波動(dòng)和誤差。高斯濾波是一種常用的濾波方法，它基于高斯函數(shù)對(duì)數(shù)據(jù)進(jìn)行加權(quán)平均，對(duì)于激光掃描點(diǎn)云數(shù)據(jù)，通過(guò)高斯濾波可以使點(diǎn)云表面更加平滑，去除微小的起伏和毛刺，使后續(xù)的模型構(gòu)建更加準(zhǔn)確。在攝影測(cè)量中，高斯濾波同樣可以應(yīng)用于圖像數(shù)據(jù)，它能夠在保留圖像主要特征的前提下，有效地減少圖像的噪聲和高頻干擾，提高圖像的清晰度和穩(wěn)定性，有利于后續(xù)的特征提取和匹配操作。配準(zhǔn)是將不同視角或不同時(shí)間采集到的數(shù)據(jù)統(tǒng)一到同一個(gè)坐標(biāo)系下，以實(shí)現(xiàn)數(shù)據(jù)的融合和分析。在激光掃描過(guò)程中，由于需要從多個(gè)站點(diǎn)對(duì)建筑進(jìn)行掃描，不同站點(diǎn)獲取的點(diǎn)云數(shù)據(jù)處于不同的局部坐標(biāo)系中，因此需要進(jìn)行點(diǎn)云配準(zhǔn)。ICP（IterativeClosestPoint）算法是一種經(jīng)典的點(diǎn)云配準(zhǔn)算法，它通過(guò)不斷迭代尋找兩組點(diǎn)云之間的對(duì)應(yīng)關(guān)系，并計(jì)算變換矩陣，將不同的點(diǎn)云數(shù)據(jù)對(duì)齊到同一坐標(biāo)系下。在攝影測(cè)量中，圖像配準(zhǔn)也是必不可少的步驟，通過(guò)提取圖像中的特征點(diǎn)（如SIFT特征點(diǎn)），利用特征點(diǎn)匹配算法（如RANSAC算法）計(jì)算圖像之間的變換關(guān)系，實(shí)現(xiàn)圖像的配準(zhǔn)，為后續(xù)的三維重建提供準(zhǔn)確的圖像對(duì)齊基礎(chǔ)。三、建筑摘要重建的技術(shù)流程3.2基于線段描述子的特征提取3.2.1線段檢測(cè)與匹配在建筑摘要重建中，線段檢測(cè)與匹配是關(guān)鍵步驟，其準(zhǔn)確性直接影響后續(xù)重建的精度和效果。利用線段描述子算法進(jìn)行線段檢測(cè)時(shí)，以LSD算法為例，該算法首先對(duì)輸入的建筑圖像進(jìn)行尺度縮放，通常默認(rèn)縮放因子為0.8，以此消除數(shù)字離散圖像的鋸齒效應(yīng)。隨后，計(jì)算圖像梯度強(qiáng)度以及每個(gè)像素點(diǎn)的梯度角，通過(guò)atan2函數(shù)計(jì)算得到，其中g(shù)x、gy分別為水平和垂直方向梯度。接著，將相同梯度值像素坐標(biāo)放入同一張鏈表中，并按從大到小順序合成一張大鏈表。算法取出鏈表頭部存儲(chǔ)的圖像坐標(biāo)位置作為種子像素，根據(jù)梯度角方向相似進(jìn)行區(qū)域擴(kuò)散，每擴(kuò)散一個(gè)像素，將該像素坐標(biāo)從鏈表中刪除并做標(biāo)記。擴(kuò)散完成后，將擴(kuò)散區(qū)域進(jìn)行矩形擬合，檢測(cè)擬合矩形內(nèi)梯度角，根據(jù)NFA（NegativeFirst-OrderApproximation）公式計(jì)算該擬合矩形精度誤差。若滿足要求，則將該矩形記錄存儲(chǔ)，表示為一條檢測(cè)到的直線。在復(fù)雜建筑場(chǎng)景中，如包含眾多裝飾和紋理的古建筑圖像，LSD算法能夠快速檢測(cè)出大量線段，為后續(xù)分析提供基礎(chǔ)。對(duì)于不同視角或數(shù)據(jù)集中線段的匹配，通常采用基于線段描述子的相似性度量方法。以LBD描述子為例，在描述線段局部外觀時(shí)，將線段支持域劃分為一組平行的條帶，引入兩個(gè)方向構(gòu)成局部二維坐標(biāo)系，使描述符旋轉(zhuǎn)不變。對(duì)LSR中的每個(gè)像素梯度投影到局部框架，在條帶的行方向應(yīng)用高斯函數(shù)，分別計(jì)算全局權(quán)重系數(shù)和局部權(quán)重系數(shù)，以減少邊界效應(yīng)和對(duì)遠(yuǎn)離線段梯度的關(guān)注度。通過(guò)計(jì)算條帶描述符BDj，由其相鄰條帶計(jì)算得到，再構(gòu)建條帶描述矩陣BDM，由BDM的均值向量Mj和標(biāo)準(zhǔn)方差向量Sj得到LBD。在匹配過(guò)程中，計(jì)算不同圖像中線段的LBD之間的歐氏距離或其他相似性度量指標(biāo)，距離越小則表明線段越相似，從而實(shí)現(xiàn)線段的匹配。在對(duì)同一古建筑從不同角度拍攝的圖像進(jìn)行處理時(shí)，通過(guò)LBD描述子的匹配，可以準(zhǔn)確地找到不同圖像中對(duì)應(yīng)的線段，為后續(xù)的三維重建提供關(guān)鍵的對(duì)應(yīng)關(guān)系。3.2.2關(guān)鍵線段特征提取提取建筑關(guān)鍵結(jié)構(gòu)線段特征是建筑摘要重建的重要環(huán)節(jié)，這些特征能夠反映建筑的核心結(jié)構(gòu)信息，對(duì)重建的準(zhǔn)確性和完整性至關(guān)重要。在提取關(guān)鍵結(jié)構(gòu)線段特征時(shí)，首先需要根據(jù)建筑的結(jié)構(gòu)特點(diǎn)和語(yǔ)義信息進(jìn)行篩選。對(duì)于古建筑，其承重結(jié)構(gòu)如柱子、梁等對(duì)應(yīng)的線段是關(guān)鍵特征，這些線段的長(zhǎng)度、方向和位置能夠體現(xiàn)建筑的力學(xué)結(jié)構(gòu)和空間布局。在現(xiàn)代建筑中，建筑的框架結(jié)構(gòu)、主要外立面的輪廓線段等也是關(guān)鍵結(jié)構(gòu)特征。通過(guò)對(duì)建筑圖像進(jìn)行語(yǔ)義分割，利用深度學(xué)習(xí)中的語(yǔ)義分割網(wǎng)絡(luò)，如U-Net等，將建筑圖像中的不同結(jié)構(gòu)部件進(jìn)行分類識(shí)別，從而確定關(guān)鍵結(jié)構(gòu)線段所在的區(qū)域。在確定關(guān)鍵結(jié)構(gòu)線段所在區(qū)域后，進(jìn)一步提取其特征。除了線段的基本幾何特征（如長(zhǎng)度、方向、端點(diǎn)坐標(biāo)）外，還可以結(jié)合線段的上下文信息和局部紋理特征。例如，在古建筑中，柱子線段周圍的紋理可能包含雕刻等裝飾信息，這些紋理特征可以通過(guò)LBP（LocalBinaryPattern）等紋理描述子進(jìn)行提取，并與線段的幾何特征相結(jié)合，形成更全面的關(guān)鍵線段特征描述。這些關(guān)鍵線段特征對(duì)建筑摘要重建具有重要意義。它們?yōu)橹亟ㄌ峁┝岁P(guān)鍵的結(jié)構(gòu)約束，在構(gòu)建三維模型時(shí)，根據(jù)關(guān)鍵線段的長(zhǎng)度和方向可以確定建筑結(jié)構(gòu)部件的尺寸和空間位置，從而保證重建模型的準(zhǔn)確性。關(guān)鍵線段特征還能夠幫助識(shí)別建筑的類型和風(fēng)格，不同類型和風(fēng)格的建筑在關(guān)鍵結(jié)構(gòu)線段的布局和形態(tài)上具有明顯差異，通過(guò)對(duì)這些特征的分析，可以為重建提供更豐富的語(yǔ)義信息，使重建模型更符合建筑的歷史和文化背景。3.3建筑模型重建算法3.3.1三角網(wǎng)格重建三角網(wǎng)格重建是基于提取的線段特征構(gòu)建三角網(wǎng)格，實(shí)現(xiàn)建筑表面重建的關(guān)鍵技術(shù)，其原理基于將離散的線段特征轉(zhuǎn)化為連續(xù)的三角網(wǎng)格，以準(zhǔn)確表示建筑的表面形狀。在該過(guò)程中，常用的算法有Delaunay三角剖分算法，其核心思想是將給定的二維點(diǎn)集通過(guò)特定的規(guī)則連接成一系列不相交的三角形，從而形成一個(gè)覆蓋整個(gè)凸包的三角網(wǎng)格。這些三角形滿足空外接圓性質(zhì)，即任何一個(gè)三角形的外接圓內(nèi)部不包含點(diǎn)集中的其他點(diǎn)。在建筑模型重建中，首先從提取的線段特征中獲取線段的端點(diǎn)等關(guān)鍵點(diǎn)，將這些關(guān)鍵點(diǎn)作為Delaunay三角剖分的輸入點(diǎn)集。以古建筑的屋頂重建為例，通過(guò)提取屋頂輪廓和內(nèi)部結(jié)構(gòu)的線段特征，得到一系列關(guān)鍵點(diǎn)，然后利用Delaunay三角剖分算法，將這些關(guān)鍵點(diǎn)連接成三角形網(wǎng)格，從而構(gòu)建出屋頂?shù)谋砻婺Ｐ?。另一種常用的算法是基于點(diǎn)云的三角網(wǎng)格重建算法，如滾球法（BallPivotingAlgorithm，BPA）。該算法的原理是想象有一個(gè)給定半徑的3D球，將其放到點(diǎn)云數(shù)據(jù)上。如果這個(gè)球碰到了三個(gè)點(diǎn)（并且不會(huì)再回到這三個(gè)點(diǎn)），那我們就創(chuàng)造一個(gè)三角形。之后，球開(kāi)始沿著已有三角形的邊開(kāi)始滾動(dòng)，每次碰到不重復(fù)的三個(gè)點(diǎn)時(shí)就會(huì)創(chuàng)造一個(gè)三角形。在基于線段描述子的建筑重建中，將提取的線段特征轉(zhuǎn)化為點(diǎn)云數(shù)據(jù)，然后應(yīng)用滾球法進(jìn)行三角網(wǎng)格重建。在對(duì)現(xiàn)代建筑的墻面重建時(shí)，將墻面線段特征轉(zhuǎn)化為點(diǎn)云，通過(guò)滾球法生成三角網(wǎng)格，能夠準(zhǔn)確地重建出墻面的表面形態(tài)，包括窗戶、裝飾線條等細(xì)節(jié)。三角網(wǎng)格重建的步驟一般包括以下幾個(gè)關(guān)鍵環(huán)節(jié)：首先是數(shù)據(jù)準(zhǔn)備，將提取的線段特征進(jìn)行整理和轉(zhuǎn)換，提取關(guān)鍵點(diǎn)或轉(zhuǎn)化為點(diǎn)云數(shù)據(jù)。然后是初始三角網(wǎng)格生成，利用上述算法生成初步的三角網(wǎng)格。接著進(jìn)行網(wǎng)格優(yōu)化，對(duì)生成的三角網(wǎng)格進(jìn)行平滑、去噪等處理，去除不合理的三角形，使網(wǎng)格更加光滑、準(zhǔn)確地表示建筑表面。通過(guò)拉普拉斯平滑算法對(duì)網(wǎng)格進(jìn)行平滑處理，調(diào)整三角形頂點(diǎn)的位置，使網(wǎng)格表面更加光滑，符合建筑的實(shí)際形狀。最后進(jìn)行模型驗(yàn)證和修正，將重建的三角網(wǎng)格模型與原始數(shù)據(jù)進(jìn)行對(duì)比，檢查模型的準(zhǔn)確性和完整性，對(duì)存在的問(wèn)題進(jìn)行修正。將重建的建筑模型與激光掃描獲取的點(diǎn)云數(shù)據(jù)進(jìn)行對(duì)比，若發(fā)現(xiàn)模型存在偏差，通過(guò)調(diào)整三角網(wǎng)格的參數(shù)或重新進(jìn)行三角剖分來(lái)修正模型。3.3.2語(yǔ)義信息融入將建筑的語(yǔ)義信息融入重建模型是提高模型準(zhǔn)確性和實(shí)用性的重要手段，能夠使重建模型更符合建筑的實(shí)際結(jié)構(gòu)和功能。語(yǔ)義信息包括建筑的功能分區(qū)、建筑類型、結(jié)構(gòu)部件的類別等。在功能分區(qū)方面，對(duì)于商業(yè)建筑，不同的區(qū)域具有不同的功能，如零售區(qū)、餐飲區(qū)、辦公區(qū)等。通過(guò)語(yǔ)義分割技術(shù)，利用深度學(xué)習(xí)中的U-Net、SegNet等網(wǎng)絡(luò)模型，對(duì)建筑圖像進(jìn)行處理，將圖像中的不同區(qū)域劃分為相應(yīng)的功能分區(qū)。在重建過(guò)程中，根據(jù)功能分區(qū)的語(yǔ)義信息，對(duì)不同區(qū)域的建筑結(jié)構(gòu)進(jìn)行合理的重建。對(duì)于零售區(qū)，根據(jù)其開(kāi)放性和展示性的特點(diǎn)，重建出寬敞的空間和大面積的展示櫥窗；對(duì)于辦公區(qū)，重建出規(guī)整的辦公空間和隔斷。在建筑類型方面，不同類型的建筑具有獨(dú)特的結(jié)構(gòu)和風(fēng)格特點(diǎn)。古建筑與現(xiàn)代建筑在外觀、結(jié)構(gòu)和裝飾等方面存在明顯差異。對(duì)于古建筑，其結(jié)構(gòu)往往具有獨(dú)特的榫卯結(jié)構(gòu)、斗拱等特征，在重建時(shí)，根據(jù)古建筑的類型語(yǔ)義信息，準(zhǔn)確地重建出這些特征。利用歷史文獻(xiàn)和建筑知識(shí)，確定古建筑的類型和風(fēng)格，在重建過(guò)程中，按照相應(yīng)的風(fēng)格特點(diǎn)，重建出飛檐、雕花等裝飾元素。而現(xiàn)代建筑則更注重簡(jiǎn)潔的線條和功能性，在重建時(shí)體現(xiàn)出現(xiàn)代建筑的這些特點(diǎn)。在結(jié)構(gòu)部件的類別方面，建筑由多種結(jié)構(gòu)部件組成，如墻體、門窗、柱子等。通過(guò)語(yǔ)義信息的融入，可以準(zhǔn)確地識(shí)別和重建這些部件。利用目標(biāo)檢測(cè)算法，如FasterR-CNN、YOLO等，對(duì)建筑圖像中的結(jié)構(gòu)部件進(jìn)行檢測(cè)和分類。在重建過(guò)程中，根據(jù)部件的類別語(yǔ)義信息，采用相應(yīng)的重建方法。對(duì)于墻體，根據(jù)其位置和形狀的語(yǔ)義信息，利用三角網(wǎng)格重建算法構(gòu)建墻體的表面模型；對(duì)于門窗，根據(jù)其尺寸和位置的語(yǔ)義信息，在墻體模型上準(zhǔn)確地添加門窗的模型。通過(guò)將這些語(yǔ)義信息融入建筑重建模型，不僅能夠提高模型的準(zhǔn)確性，使其更真實(shí)地反映建筑的實(shí)際情況，還能為后續(xù)的建筑分析、管理和維護(hù)提供更豐富的信息。在建筑能耗分析中，根據(jù)功能分區(qū)和建筑結(jié)構(gòu)的語(yǔ)義信息，準(zhǔn)確地計(jì)算不同區(qū)域的能耗，為節(jié)能改造提供科學(xué)依據(jù)。四、案例分析4.1選擇典型建筑案例為了全面、深入地驗(yàn)證基于線段描述子的建筑摘要重建技術(shù)的有效性和適用性，本研究精心挑選了兩個(gè)具有代表性的建筑案例進(jìn)行分析，分別是歷史古建筑——山西五臺(tái)山佛光寺東大殿，以及現(xiàn)代復(fù)雜建筑——廣州大劇院。山西五臺(tái)山佛光寺東大殿建于唐大中十一年（857年），坐東朝西，被稱為“東大殿”。該殿面闊七間進(jìn)深四間，單檐廡殿頂，梁架結(jié)構(gòu)復(fù)雜，斗拱技巧運(yùn)用純熟。外檐下的“雙杪雙下昂”柱頭斗拱，盡顯尊貴高級(jí)；轉(zhuǎn)角處出三下昂，使屋角高高翹起；內(nèi)槽則以四跳斗拱層層出挑，特別之處為全部未出橫向斗拱，稱為“偷心造”。選擇佛光寺東大殿作為案例，主要是因?yàn)樗鳛樘拼緲?gòu)建筑的杰出代表，承載著深厚的歷史文化價(jià)值，其獨(dú)特的建筑結(jié)構(gòu)和精美的斗拱裝飾，對(duì)于研究中國(guó)古代建筑的發(fā)展演變具有重要意義。古建筑在歷經(jīng)歲月洗禮后，往往面臨著不同程度的損壞，且其結(jié)構(gòu)復(fù)雜、造型獨(dú)特，對(duì)重建技術(shù)的精度和對(duì)復(fù)雜結(jié)構(gòu)的處理能力提出了極高要求。佛光寺東大殿的這些特點(diǎn)，使其成為檢驗(yàn)基于線段描述子的建筑摘要重建技術(shù)在古建筑保護(hù)領(lǐng)域應(yīng)用效果的理想案例。通過(guò)對(duì)該建筑的重建，可以深入探討如何準(zhǔn)確提取古建筑的關(guān)鍵結(jié)構(gòu)線段特征，如斗拱、梁枋等構(gòu)件的輪廓線段，以及如何利用這些特征精確重建古建筑的三維模型，為古建筑的數(shù)字化保護(hù)和修繕提供有力支持。廣州大劇院由扎哈?哈迪德設(shè)計(jì)，其建筑造型獨(dú)特，宛如兩塊被珠江水沖刷過(guò)的靈石，外觀充滿了流暢的曲線和不規(guī)則的幾何形狀。劇院內(nèi)部空間復(fù)雜，包含了不同功能的演出廳、觀眾席、后臺(tái)等區(qū)域，結(jié)構(gòu)設(shè)計(jì)極具挑戰(zhàn)性。選擇廣州大劇院作為案例，是因?yàn)樗砹爽F(xiàn)代復(fù)雜建筑的典型特征，其獨(dú)特的造型和復(fù)雜的內(nèi)部結(jié)構(gòu)，充分體現(xiàn)了現(xiàn)代建筑在設(shè)計(jì)理念和結(jié)構(gòu)創(chuàng)新方面的突破。現(xiàn)代復(fù)雜建筑在設(shè)計(jì)上追求獨(dú)特性和創(chuàng)新性，往往采用不規(guī)則的形狀和復(fù)雜的空間布局，這給建筑重建帶來(lái)了巨大的困難。廣州大劇院的這些特點(diǎn)，能夠有效檢驗(yàn)基于線段描述子的建筑摘要重建技術(shù)在處理現(xiàn)代復(fù)雜建筑時(shí)的能力，包括對(duì)不規(guī)則線段特征的提取和匹配，以及如何利用這些特征構(gòu)建準(zhǔn)確的三維模型，以滿足現(xiàn)代建筑在空間分析、設(shè)計(jì)優(yōu)化等方面的需求。4.2基于線段描述子的重建過(guò)程以山西五臺(tái)山佛光寺東大殿為例，在數(shù)據(jù)采集階段，運(yùn)用地面三維激光掃描儀對(duì)佛光寺東大殿進(jìn)行全方位掃描，獲取了高精度的點(diǎn)云數(shù)據(jù)，這些數(shù)據(jù)精確記錄了建筑表面每個(gè)點(diǎn)的三維坐標(biāo)，完整呈現(xiàn)出大殿的幾何形狀和空間結(jié)構(gòu)，如大殿的梁架、斗拱、墻體等結(jié)構(gòu)的精確位置和形狀信息。同時(shí)，采用無(wú)人機(jī)傾斜攝影測(cè)量技術(shù)，從多個(gè)角度拍攝大殿的高分辨率影像，獲取了豐富的紋理信息，包括斗拱上的彩繪、墻體的質(zhì)感等。數(shù)據(jù)采集完成后，進(jìn)行數(shù)據(jù)預(yù)處理。使用統(tǒng)計(jì)濾波算法去除激光掃描點(diǎn)云中的離群噪聲點(diǎn)，通過(guò)計(jì)算點(diǎn)云數(shù)據(jù)中每個(gè)點(diǎn)與其鄰域點(diǎn)之間的距離統(tǒng)計(jì)信息，根據(jù)設(shè)定的閾值判斷并去除離群點(diǎn)，提高點(diǎn)云數(shù)據(jù)的質(zhì)量和可靠性。對(duì)于攝影測(cè)量獲取的圖像數(shù)據(jù)，采用中值濾波方法去除圖像噪聲，將圖像中每個(gè)像素點(diǎn)的灰度值替換為其鄰域像素灰度值的中值，有效去除椒鹽噪聲等離散噪聲，提高圖像的清晰度和穩(wěn)定性，為后續(xù)的特征提取和匹配操作奠定基礎(chǔ)。在基于線段描述子的特征提取環(huán)節(jié)，利用LSD算法進(jìn)行線段檢測(cè)。對(duì)預(yù)處理后的建筑圖像進(jìn)行尺度縮放，默認(rèn)縮放因子為0.8，消除數(shù)字離散圖像的鋸齒效應(yīng)。接著計(jì)算圖像梯度強(qiáng)度以及每個(gè)像素點(diǎn)的梯度角，通過(guò)atan2函數(shù)計(jì)算得到，其中g(shù)x、gy分別為水平和垂直方向梯度。將相同梯度值像素坐標(biāo)放入同一張鏈表中，并按從大到小順序合成一張大鏈表。取出鏈表頭部存儲(chǔ)的圖像坐標(biāo)位置作為種子像素，根據(jù)梯度角方向相似進(jìn)行區(qū)域擴(kuò)散，每擴(kuò)散一個(gè)像素，將該像素坐標(biāo)從鏈表中刪除并做標(biāo)記。擴(kuò)散完成后，將擴(kuò)散區(qū)域進(jìn)行矩形擬合，檢測(cè)擬合矩形內(nèi)梯度角，根據(jù)NFA公式計(jì)算該擬合矩形精度誤差。若滿足要求，則將該矩形記錄存儲(chǔ)，表示為一條檢測(cè)到的直線。在佛光寺東大殿的圖像中，成功檢測(cè)出大量線段，如斗拱的輪廓線段、梁枋的邊緣線段等，為后續(xù)分析提供了豐富的數(shù)據(jù)基礎(chǔ)。對(duì)于不同視角圖像中線段的匹配，采用LBD描述子。在尺度空間提取線段，對(duì)原始圖像進(jìn)行高斯下采樣構(gòu)建尺度空間金字塔，用Edline算法在每層尺度空間產(chǎn)生一組線，將相關(guān)相同事件的線分配唯一ID并存儲(chǔ)在LineVecs向量中。在描述線段局部外觀時(shí)，將線段支持域劃分為一組平行的條帶，引入兩個(gè)方向構(gòu)成局部二維坐標(biāo)系，使描述符旋轉(zhuǎn)不變。對(duì)LSR中的每個(gè)像素梯度投影到局部框架，在條帶的行方向應(yīng)用高斯函數(shù)，分別計(jì)算全局權(quán)重系數(shù)和局部權(quán)重系數(shù)，以減少邊界效應(yīng)和對(duì)遠(yuǎn)離線段梯度的關(guān)注度。通過(guò)計(jì)算條帶描述符BDj，由其相鄰條帶計(jì)算得到，再構(gòu)建條帶描述矩陣BDM，由BDM的均值向量Mj和標(biāo)準(zhǔn)方差向量Sj得到LBD。在匹配過(guò)程中，計(jì)算不同圖像中線段的LBD之間的歐氏距離，距離越小則表明線段越相似，從而實(shí)現(xiàn)線段的匹配。通過(guò)LBD描述子的匹配，準(zhǔn)確找到了不同角度拍攝的佛光寺東大殿圖像中對(duì)應(yīng)的線段，為后續(xù)的三維重建提供了關(guān)鍵的對(duì)應(yīng)關(guān)系。提取建筑關(guān)鍵結(jié)構(gòu)線段特征時(shí)，結(jié)合佛光寺東大殿的結(jié)構(gòu)特點(diǎn)和語(yǔ)義信息進(jìn)行篩選。大殿的承重結(jié)構(gòu)如柱子、梁枋等對(duì)應(yīng)的線段是關(guān)鍵特征，通過(guò)對(duì)建筑圖像進(jìn)行語(yǔ)義分割，利用深度學(xué)習(xí)中的U-Net語(yǔ)義分割網(wǎng)絡(luò)，將建筑圖像中的不同結(jié)構(gòu)部件進(jìn)行分類識(shí)別，確定關(guān)鍵結(jié)構(gòu)線段所在的區(qū)域。進(jìn)一步提取關(guān)鍵結(jié)構(gòu)線段的特征，除了線段的基本幾何特征（如長(zhǎng)度、方向、端點(diǎn)坐標(biāo)）外，還結(jié)合線段的上下文信息和局部紋理特征。利用LBP紋理描述子提取柱子線段周圍的雕刻紋理特征，并與線段的幾何特征相結(jié)合，形成更全面的關(guān)鍵線段特征描述。這些關(guān)鍵線段特征為重建提供了關(guān)鍵的結(jié)構(gòu)約束，在構(gòu)建三維模型時(shí)，根據(jù)關(guān)鍵線段的長(zhǎng)度和方向可以確定建筑結(jié)構(gòu)部件的尺寸和空間位置，保證重建模型的準(zhǔn)確性。在建筑模型重建算法階段，采用三角網(wǎng)格重建方法。利用Delaunay三角剖分算法，從提取的線段特征中獲取線段的端點(diǎn)等關(guān)鍵點(diǎn)，將這些關(guān)鍵點(diǎn)作為Delaunay三角剖分的輸入點(diǎn)集。以佛光寺東大殿的屋頂重建為例，通過(guò)提取屋頂輪廓和內(nèi)部結(jié)構(gòu)的線段特征，得到一系列關(guān)鍵點(diǎn)，然后利用Delaunay三角剖分算法，將這些關(guān)鍵點(diǎn)連接成三角形網(wǎng)格，構(gòu)建出屋頂?shù)谋砻婺Ｐ?。在?gòu)建過(guò)程中，還對(duì)生成的三角網(wǎng)格進(jìn)行優(yōu)化，采用拉普拉斯平滑算法對(duì)網(wǎng)格進(jìn)行平滑處理，調(diào)整三角形頂點(diǎn)的位置，使網(wǎng)格表面更加光滑，符合建筑的實(shí)際形狀。將重建的三角網(wǎng)格模型與激光掃描獲取的點(diǎn)云數(shù)據(jù)進(jìn)行對(duì)比，檢查模型的準(zhǔn)確性和完整性，對(duì)存在的偏差進(jìn)行修正。將建筑的語(yǔ)義信息融入重建模型。佛光寺東大殿作為唐代木構(gòu)建筑，具有獨(dú)特的建筑類型和風(fēng)格語(yǔ)義信息。根據(jù)其歷史文化背景和建筑知識(shí)，在重建過(guò)程中，準(zhǔn)確地重建出斗拱、梁枋等具有唐代建筑特色的結(jié)構(gòu)部件，以及飛檐、彩繪等裝飾元素，使重建模型更符合建筑的歷史和文化背景。利用目標(biāo)檢測(cè)算法對(duì)建筑圖像中的結(jié)構(gòu)部件進(jìn)行檢測(cè)和分類，在重建過(guò)程中，根據(jù)部件的類別語(yǔ)義信息，采用相應(yīng)的重建方法。對(duì)于墻體，根據(jù)其位置和形狀的語(yǔ)義信息，利用三角網(wǎng)格重建算法構(gòu)建墻體的表面模型；對(duì)于斗拱，根據(jù)其尺寸和位置的語(yǔ)義信息，在相應(yīng)位置準(zhǔn)確地添加斗拱的模型。在重建過(guò)程中，遇到了一些問(wèn)題。在復(fù)雜的建筑結(jié)構(gòu)中，如佛光寺東大殿的斗拱部分，由于結(jié)構(gòu)復(fù)雜且存在大量的遮擋，線段檢測(cè)和匹配的準(zhǔn)確性受到影響，容易出現(xiàn)錯(cuò)誤匹配和漏檢的情況。針對(duì)這一問(wèn)題，采用了多尺度分析和上下文約束的方法。在多尺度分析方面，對(duì)圖像進(jìn)行不同尺度的處理，在小尺度下能夠檢測(cè)到更多的細(xì)節(jié)線段，在大尺度下能夠更好地把握整體結(jié)構(gòu)，通過(guò)綜合不同尺度下的檢測(cè)結(jié)果，提高線段檢測(cè)的準(zhǔn)確性。引入上下文約束，利用線段之間的空間關(guān)系和語(yǔ)義關(guān)系，對(duì)匹配結(jié)果進(jìn)行驗(yàn)證和修正，排除錯(cuò)誤匹配，提高匹配的可靠性。在紋理映射過(guò)程中，由于圖像采集時(shí)的光照不均勻和視角差異，導(dǎo)致紋理映射出現(xiàn)變形和模糊的問(wèn)題。為解決這一問(wèn)題，采用了光照校正和圖像融合技術(shù)。通過(guò)對(duì)圖像進(jìn)行光照校正，消除光照不均勻的影響，使紋理更加清晰。利用圖像融合技術(shù)，將不同視角拍攝的圖像進(jìn)行融合，獲取更完整、準(zhǔn)確的紋理信息，提高紋理映射的質(zhì)量。4.3重建結(jié)果評(píng)估與分析4.3.1評(píng)估指標(biāo)設(shè)定為了全面、客觀地評(píng)估基于線段描述子的建筑摘要重建結(jié)果，本研究設(shè)定了一系列科學(xué)合理的評(píng)估指標(biāo)，涵蓋精度、完整性以及可視化效果等多個(gè)關(guān)鍵方面。精度評(píng)估指標(biāo)是衡量重建結(jié)果準(zhǔn)確性的重要依據(jù)。其中，平均絕對(duì)誤差（MAE）用于計(jì)算重建模型中線段的實(shí)際長(zhǎng)度、角度等幾何參數(shù)與真實(shí)值之間差值的絕對(duì)值的平均值。對(duì)于重建的建筑輪廓線段，通過(guò)測(cè)量其長(zhǎng)度并與實(shí)際建筑輪廓線段長(zhǎng)度對(duì)比，計(jì)算MAE，MAE值越小，表明重建模型在幾何參數(shù)上與真實(shí)值越接近，重建精度越高。均方根誤差（RMSE）則考慮了誤差的平方和，對(duì)較大誤差賦予更大的權(quán)重，能更敏感地反映重建模型的誤差情況。在評(píng)估建筑模型中線段的位置精度時(shí)，計(jì)算重建線段端點(diǎn)坐標(biāo)與真實(shí)端點(diǎn)坐標(biāo)之間的RMSE，RMSE值低說(shuō)明重建模型在位置精度上表現(xiàn)出色。完整性評(píng)估指標(biāo)主要關(guān)注重建模型是否完整地包含了建筑的關(guān)鍵結(jié)構(gòu)信息。關(guān)鍵結(jié)構(gòu)覆蓋率用于統(tǒng)計(jì)重建模型中包含的建筑關(guān)鍵結(jié)構(gòu)線段數(shù)量與實(shí)際關(guān)鍵結(jié)構(gòu)線段數(shù)量的比例。對(duì)于佛光寺東大殿，關(guān)鍵結(jié)構(gòu)如斗拱、梁枋等的線段被準(zhǔn)確重建的比例越高，說(shuō)明關(guān)鍵結(jié)構(gòu)覆蓋率越高，重建模型的完整性越好。結(jié)構(gòu)連通性評(píng)估則側(cè)重于檢查重建模型中不同結(jié)構(gòu)部件之間的連接關(guān)系是否正確、完整。在重建的建筑模型中，檢查梁枋與柱子之間的連接線段是否準(zhǔn)確建立，以及斗拱各部件之間的連接關(guān)系是否符合實(shí)際建筑結(jié)構(gòu)，結(jié)構(gòu)連通性好意味著重建模型能夠準(zhǔn)確反映建筑結(jié)構(gòu)的拓?fù)潢P(guān)系，完整性較高?？梢暬Чu(píng)估指標(biāo)旨在從視覺(jué)角度評(píng)價(jià)重建模型的質(zhì)量。模型清晰度通過(guò)觀察重建模型在不同分辨率下的顯示效果來(lái)評(píng)估，清晰的模型能夠準(zhǔn)確呈現(xiàn)建筑的細(xì)節(jié)特征，如建筑表面的紋理、裝飾線條等。紋理映射質(zhì)量是評(píng)估模型表面紋理的真實(shí)感和準(zhǔn)確性，好的紋理映射能夠使重建模型的外觀更接近實(shí)際建筑。在重建的廣州大劇院模型中，檢查其表面紋理是否準(zhǔn)確反映了建筑的實(shí)際材質(zhì)和色彩，紋理映射質(zhì)量高則模型的可視化效果好，更能直觀地展示建筑的外觀特點(diǎn)。4.3.2結(jié)果對(duì)比分析將基于線段描述子的重建結(jié)果與其他方法及實(shí)際建筑進(jìn)行對(duì)比，能夠深入分析該方法的優(yōu)勢(shì)與不足，為技術(shù)的進(jìn)一步改進(jìn)提供方向。與基于點(diǎn)特征的重建方法相比，基于線段描述子的方法在重建精度和結(jié)構(gòu)表達(dá)方面具有明顯優(yōu)勢(shì)。在精度方面，基于點(diǎn)特征的方法由于點(diǎn)的離散性，在重建建筑輪廓和結(jié)構(gòu)時(shí)容易出現(xiàn)誤差累積的問(wèn)題，導(dǎo)致模型與實(shí)際建筑的偏差較大。而基于線段描述子的方法能夠提取連續(xù)的線段特征，更準(zhǔn)確地描述建筑的輪廓和結(jié)構(gòu)，在計(jì)算平均絕對(duì)誤差（MAE）和均方根誤差（RMSE）時(shí)，基于線段描述子的重建結(jié)果誤差明顯更小。在對(duì)佛光寺東大殿的重建中，基于點(diǎn)特征的方法重建的斗拱輪廓存在較多鋸齒狀邊緣，而基于線段描述子的方法能夠重建出更平滑、準(zhǔn)確的斗拱輪廓，MAE和RMSE值更低。在結(jié)構(gòu)表達(dá)方面，基于點(diǎn)特征的方法難以準(zhǔn)確表達(dá)建筑結(jié)構(gòu)部件之間的連接關(guān)系，對(duì)于復(fù)雜的建筑結(jié)構(gòu)，如佛光寺東大殿的梁枋與斗拱的連接結(jié)構(gòu)，容易出現(xiàn)結(jié)構(gòu)表達(dá)模糊的情況。基于線段描述子的方法通過(guò)提取關(guān)鍵結(jié)構(gòu)線段特征，能夠清晰地表示出建筑結(jié)構(gòu)部件之間的連接關(guān)系，重建模型的結(jié)構(gòu)連通性更好。與實(shí)際建筑對(duì)比時(shí)，基于線段描述子的重建方法在大部分情況下能夠準(zhǔn)確重建建筑的主要結(jié)構(gòu)和外觀特征。在對(duì)廣州大劇院的重建中，能夠準(zhǔn)確地重建出其獨(dú)特的不規(guī)則外形和流暢的曲線輪廓，模型清晰度較高，紋理映射質(zhì)量也較好，能夠直觀地展現(xiàn)出建筑的獨(dú)特設(shè)計(jì)。然而，該方法也存在一些不足之處。在處理建筑細(xì)節(jié)方面，對(duì)于一些微小的裝飾構(gòu)件，如古建筑上的精美雕刻，由于線段描述子主要關(guān)注線段特征，可能會(huì)丟失部分細(xì)節(jié)信息，導(dǎo)致重建模型在細(xì)節(jié)還原上不夠精準(zhǔn)。在復(fù)雜場(chǎng)景下，當(dāng)建筑存在嚴(yán)重遮擋或光照條件復(fù)雜時(shí)，線段檢測(cè)和匹配的準(zhǔn)確性會(huì)受到影響，從而導(dǎo)致重建模型出現(xiàn)局部結(jié)構(gòu)偏差或不完整的情況。在對(duì)佛光寺東大殿的重建中，由于斗拱部分存在遮擋，導(dǎo)致部分線段檢測(cè)錯(cuò)誤，重建模型中斗拱的某些部件出現(xiàn)位置偏差。通過(guò)與其他方法和實(shí)際建筑的對(duì)比分析，可以看出基于線段描述子的建筑摘要重建方法在精度和結(jié)構(gòu)表達(dá)方面具有優(yōu)勢(shì)，但在細(xì)節(jié)處理和復(fù)雜場(chǎng)景適應(yīng)性上仍有待改進(jìn)。五、應(yīng)用拓展與展望5.1在文化遺產(chǎn)保護(hù)中的應(yīng)用基于線段描述子的建筑摘要重建技術(shù)在文化遺產(chǎn)保護(hù)領(lǐng)域展現(xiàn)出廣闊的應(yīng)用前景，為古建筑修復(fù)和虛擬展示等工作提供了創(chuàng)新的解決方案。在古建筑修復(fù)方面，該技術(shù)能夠?yàn)樾迯?fù)工作提供精確的數(shù)據(jù)支持。通過(guò)對(duì)古建筑進(jìn)行基于線段描述子的三維重建，可以獲取古建筑各個(gè)結(jié)構(gòu)部件的精確尺寸、形狀和位置信息。對(duì)于遭受損壞的古建筑構(gòu)件，如梁枋、斗拱等，利用重建模型可以準(zhǔn)確地分析其損壞情況，制定針對(duì)性的修復(fù)方案。在修復(fù)佛光寺東大殿的斗拱時(shí)，基于線段描述子重建的三維模型清晰地展示了斗拱各部件的原始結(jié)構(gòu)和連接方式，修復(fù)人員可以根據(jù)這些信息，精確地復(fù)制損壞的部件，并準(zhǔn)確地進(jìn)行安裝，確保修復(fù)后的斗拱結(jié)構(gòu)與原建筑一致，最大程度地保留古建筑的歷史真實(shí)性。該技術(shù)還可以對(duì)古建筑的整體結(jié)構(gòu)穩(wěn)定性進(jìn)行評(píng)估。通過(guò)分析重建模型中建筑結(jié)構(gòu)的受力情況和關(guān)鍵結(jié)構(gòu)線段的完整性，預(yù)測(cè)古建筑在不同環(huán)境條件下的穩(wěn)定性變化，為古建筑的預(yù)防性保護(hù)提供科學(xué)依據(jù)。在虛擬展示方面，基于線段描述子的建筑摘要重建技術(shù)能夠?yàn)橛^眾帶來(lái)沉浸式的文化體驗(yàn)。通過(guò)將重建的古建筑三維模型與虛擬現(xiàn)實(shí)（VR）、增強(qiáng)現(xiàn)實(shí)（AR）技術(shù)相結(jié)合，觀眾可以身臨其境地感受古建筑的魅力。在數(shù)字博物館中，利用VR技術(shù)，觀眾可以仿佛置身于古建筑內(nèi)部，自由地瀏覽建筑的各個(gè)部分，近距離觀察建筑的裝飾細(xì)節(jié)和結(jié)構(gòu)特點(diǎn)，深入了解古建筑的歷史文化內(nèi)涵。利用AR技術(shù)，觀眾可以在現(xiàn)實(shí)場(chǎng)景中通過(guò)手機(jī)或其他移動(dòng)設(shè)備，將古建筑的虛擬模型疊加在實(shí)際建筑遺址上，實(shí)現(xiàn)虛擬與現(xiàn)實(shí)的融合，更加直觀地感受古建筑的原貌。這種虛擬展示方式不僅可以突破時(shí)間和空間的限制，讓更多的人有機(jī)會(huì)欣賞和了解文化遺產(chǎn)，還能夠有效地保護(hù)古建筑，減少因大量游客參觀帶來(lái)的損壞風(fēng)險(xiǎn)。通過(guò)虛擬展示，還可以對(duì)古建筑進(jìn)行數(shù)字化傳播，提高文化遺產(chǎn)的知名度和影響力，促進(jìn)文化交流與傳承。5.2在城市規(guī)劃與設(shè)計(jì)中的應(yīng)用在城市規(guī)劃與設(shè)計(jì)領(lǐng)域，基于線段描述子的建筑摘要重建技術(shù)具有重要的應(yīng)用價(jià)值，為城市的合理規(guī)劃和建筑設(shè)計(jì)的優(yōu)化提供了有力支持。在建筑布局分析方面，該技術(shù)能夠?yàn)槌鞘幸?guī)劃者提供直觀、準(zhǔn)確的建筑布局信息。通過(guò)對(duì)城市中現(xiàn)有建筑的三維重建，利用線段描述子提取建筑的輪廓和結(jié)構(gòu)線段特征，規(guī)劃者可以清晰地了解建筑之間的空間關(guān)系，如建筑間距、朝向、排列方式等。在分析老城區(qū)的建筑布局時(shí)，基于線段描述子重建的模型可以展示出街道兩側(cè)建筑的高度變化、建筑與街道的相對(duì)位置關(guān)系，以及建筑之間的采光和通風(fēng)間距等信息，幫助規(guī)劃者評(píng)估現(xiàn)有布局的合理性，發(fā)現(xiàn)存在的問(wèn)題，如建筑過(guò)于密集導(dǎo)致的交通擁堵、采光不足等。根據(jù)這些分析結(jié)果，規(guī)劃者可以制定相應(yīng)的優(yōu)化策略，如合理調(diào)整建筑間距，優(yōu)化街道布局，以改善城市的空間環(huán)境和交通狀況。在新建筑設(shè)計(jì)參考方面，基于線段描述子的建筑摘要重建技術(shù)可以為設(shè)計(jì)師提供豐富的靈感和參考。通過(guò)對(duì)不同風(fēng)格、不同時(shí)期建筑的重建和分析，設(shè)計(jì)師可以深入了解各種建筑的結(jié)構(gòu)特點(diǎn)、設(shè)計(jì)理念和美學(xué)風(fēng)格。在設(shè)計(jì)一座新的商業(yè)建筑時(shí)，設(shè)計(jì)師可以參考基于線段描述子重建的國(guó)內(nèi)外知名商業(yè)建筑模型，分析其外立面的線條設(shè)計(jì)、內(nèi)部空間的劃分以及功能區(qū)域的布局，從中汲取靈感，結(jié)合項(xiàng)目的具體需求和場(chǎng)地條件，設(shè)計(jì)出更具創(chuàng)新性和實(shí)用性的建筑方案。重建的建筑模型還可以用于模擬不同設(shè)計(jì)方案下建筑的外觀和空間效果，通過(guò)對(duì)模型進(jìn)行虛擬展示和分析，設(shè)計(jì)師可以直觀地評(píng)估不同設(shè)計(jì)方案的優(yōu)劣，如建筑的采光效果、空間利用率等，從而選擇最佳的設(shè)計(jì)方案。5.3研究不足與未來(lái)發(fā)展方向盡管基于線段描述子的建筑摘要重建技術(shù)取得了一定成果，但仍存在一些不足之處，需要在未來(lái)的研究中加以改進(jìn)和完善。當(dāng)前的線段描述子算法在復(fù)雜場(chǎng)景下的魯棒性有待進(jìn)一步提高。在實(shí)際的建筑數(shù)據(jù)采集中，常常會(huì)遇到光照變化劇烈、遮擋嚴(yán)重以及噪聲干擾大的情況。在夜晚或陰天等低光照條件下，建筑圖像的對(duì)比度降低，線段描述子提取的準(zhǔn)確性會(huì)受到影響，導(dǎo)致部分線段特征丟失或錯(cuò)誤提取。當(dāng)建筑被其他物體遮擋時(shí)，被遮擋部分的線段難以準(zhǔn)確檢測(cè)和匹配，從而影響重建模型的完整性。為了解決這些問(wèn)題，未來(lái)的研究可以從改進(jìn)算法的特征提取方式入手，例如采用自適應(yīng)的特征提取方法，根據(jù)圖像的光照、噪聲等條件自動(dòng)調(diào)整提取參數(shù)，以提高線段描述子在復(fù)雜場(chǎng)景下的穩(wěn)定性。結(jié)合深度學(xué)習(xí)中的注意力機(jī)制，使算法能夠更加關(guān)注圖像中的關(guān)鍵區(qū)域，減少遮擋和噪聲對(duì)線段提取的影響。在復(fù)雜建筑結(jié)構(gòu)的重建精度方面，現(xiàn)有技術(shù)也存在一定的提升空間。對(duì)于一些具有復(fù)雜內(nèi)部結(jié)構(gòu)和不規(guī)則外形的建筑，如哥特式建筑的復(fù)雜拱券結(jié)構(gòu)、現(xiàn)代藝術(shù)建筑的異形外觀，雖然基于線段描述子的方法能夠提取部分關(guān)鍵線段特征，但在重建過(guò)程中，由于結(jié)構(gòu)的復(fù)雜性，難以準(zhǔn)確還原建筑的細(xì)節(jié)和整體結(jié)構(gòu)。未來(lái)可以進(jìn)一步研究如何更有效地提取和利用復(fù)雜結(jié)構(gòu)中的線段特征，結(jié)合其他輔助信息，如建筑的結(jié)構(gòu)力學(xué)原理、歷史文獻(xiàn)資料等，來(lái)提高復(fù)雜建筑結(jié)構(gòu)的重建精度。開(kāi)發(fā)更先進(jìn)的重建算法，如基于深度學(xué)習(xí)的端到端重建算法，直接從原始數(shù)據(jù)中學(xué)習(xí)建筑結(jié)構(gòu)的特征和規(guī)律，實(shí)現(xiàn)更準(zhǔn)確的重建。在算法效率方面，目前的基于線段描述子的建筑摘要重建算法在處理大規(guī)模建筑數(shù)據(jù)時(shí)，計(jì)算量較大，運(yùn)行時(shí)間較長(zhǎng)，難以滿足實(shí)時(shí)性要求較高的應(yīng)用場(chǎng)景。在城市快速更新和建設(shè)過(guò)程中，需要快速獲取建筑的三維模型以支持決策，但現(xiàn)有的算法可能無(wú)法及時(shí)完成重建任務(wù)。未來(lái)的研究可以探索采用并行計(jì)算、分布式計(jì)算等技術(shù)，將計(jì)算任務(wù)分配到多個(gè)處理器或計(jì)算節(jié)點(diǎn)上，加快算法的運(yùn)行速度。優(yōu)化算法的計(jì)算流程，減少不必要的計(jì)算步驟，提高算法的效率。未來(lái)基于線段描述子的建筑摘要重建技術(shù)的發(fā)展方向具有廣闊的前景。一方面，可以進(jìn)一步拓展該技術(shù)在不同領(lǐng)域的應(yīng)用。在建筑遺產(chǎn)保護(hù)領(lǐng)域，可以利用該技術(shù)對(duì)更多的瀕危建筑進(jìn)行數(shù)字化存檔和保護(hù)，通過(guò)與虛擬現(xiàn)實(shí)、增強(qiáng)現(xiàn)實(shí)等技術(shù)的深度融合，為建筑遺產(chǎn)的展示和傳承提供更多創(chuàng)新的方式。在城市規(guī)劃中，結(jié)合地理信息系統(tǒng)（GIS）技術(shù)，將建筑摘要重建模型與城市的地理空間數(shù)據(jù)相結(jié)合，實(shí)現(xiàn)對(duì)城市空間的全面分析和規(guī)劃。另一方面，隨著人工智能