建筑物三维模型在诸多领域发挥重要作用,在近些年来,对建筑物三维模型技术不断发展,推动着数字城市、智慧城市的建设。而伴随着数字城市建设的不断推进,仅仅对地表三维建模已经不能满足需求,公共区域建筑物内部的三维模型需求量与日俱增。目前室内点云扫描技术日趋成熟,室内点云的获取成本不断降低,室内点云成为建筑物内部三维重建的重要数据源。室内点云获取方法有多种,除了高质量的激光扫描,还包括Kinect等价格低廉,但数据质量相对较低的点云数据获取方式。分割点云数据是利用点云数据进行场景三维重建的关键步骤,所以研究室内点云的分割具有重要的意义。针对室内点云数据特点和多模型方法的特点,本文主要完成了以下研究内容:(1)提出部分阈值自适应的多模型拟合方法目前的多模型拟合方法,由于通常需要生成大量的假设模型,然后对生成的假设模型进行选取,因而在计算效率上不高。同时,由于算法依赖于参数设置的准确性,因而往往需要长时间的调参过程。针对此,本文提出的方法自顶向下对数据进行分割,不仅提升了分割精度而且明显提升了数据处理效率。对于算法中的部分阈值,本文提出的算法可以自适应的选择合适阈值,因而节省了部分参数调整的时间。(2)激光扫描室内点云的分割流程室内点云包括大量的几何图元,通过拟合圆柱面和平面,可以实现对室内点云的大致分割。通过激光扫描得到的室内点云的特点是密度和精度都比较高,同时数据量大而且模型数目较多。目前常用的基于RANSAC的点云分割方法,只能够实现对点云中平面的拟合,而且由于需要预先设定模型个数,在复杂场景下并不适用。本文针对此类数据提出了一套基于分裂合并的多模型拟合方法的处理流程,首先对数据进行预分割,然后在预分割基础上,通过多模型拟合,进一步获得分割结果。结合预分割结果与多模型拟合结果,基于数据的分布特性以及圆柱模型和平面模型之间的相互作用的特点判断出可能出现圆柱的区域,然后通过切片技术,对圆柱模型进行拟合。通过一整套流程,实现对室内点云平面区域以及圆柱区域的拟合,从而实现对室内点云数据的分割。(3)RGB-D图像的分割流程RGB-D图像由Kinect获取,通过其中的深度图像,可以生成点云数据。由RGB-D图像生成的点云数据相对于激光扫描点云数据而言,更加廉价易得,但质量较低,噪声和空洞都较多,深度测量的有效区域较窄,与激光扫描获取的点云数据不能够使用同套流程。对此,本文提出一套针对Kinect获取的深度信息转换而成的点云数据的分割方法,通过滤波、降采样、多模型拟合等一系列手段,实现对室内低质量的点云数据的分割。多模型拟合方法通过数据点拟合到不同的几何图元(如球、圆锥、平面、圆柱等)模型上,实现对点云分割。对于包括了大量基础的几何图元的室内点云而言,多模型拟合方法能够获得较好的结果。而基于本文提出流程,在保证分割效果的情况下,相对于其他的模型拟合方法,能够明显提高点云分割的效率。