從機(jī)載雷達(dá)點(diǎn)云數(shù)據(jù)中快速準(zhǔn)確提取建筑物是當(dāng)前研究的難點(diǎn)和熱點(diǎn)。在對(duì)現(xiàn)有建筑物點(diǎn)云提取方法充分研究和分析的基礎(chǔ)上,本文提出了一種基于lidar點(diǎn)云的建筑物提取方法。首先根據(jù)建筑物的幾何特性提取初始建筑物輪廓點(diǎn);然后構(gòu)建局部協(xié)方差矩陣計(jì)算點(diǎn)云分布特征,剔除非建筑物輪廓點(diǎn);最后利用dbscan聚類算法對(duì)建筑物輪廓點(diǎn)聚類,以聚類結(jié)果為基礎(chǔ)構(gòu)建緩沖區(qū),以緩沖區(qū)內(nèi)所有建筑物輪廓點(diǎn)為初始種子點(diǎn),采用圓柱體鄰域進(jìn)行多種子點(diǎn)區(qū)域增長(zhǎng),實(shí)現(xiàn)建筑物點(diǎn)云的提取。通過兩組試驗(yàn),共5組數(shù)據(jù)驗(yàn)證本文算法的性能。試驗(yàn)結(jié)果表明,該方法能夠準(zhǔn)確、有效地提取多層復(fù)雜的建筑物點(diǎn)云,效率高,且具有一定的適用性。

本文以濾波后的機(jī)載lidar非地面點(diǎn)集作為數(shù)據(jù)源,提出了基于平面擬合及法向量的區(qū)域生長(zhǎng)建筑物分類算法,剔除了大量的非建筑物點(diǎn)集,但在這些點(diǎn)云中仍存在少量非建筑物點(diǎn),為了精確去除非建筑物點(diǎn),分割出每個(gè)建筑物點(diǎn)集,提出了基于點(diǎn)集特征約束的建筑物分割算法,依據(jù)點(diǎn)數(shù)、點(diǎn)集離地面平均高度及平面面積特征分割每個(gè)建筑物,實(shí)驗(yàn)結(jié)果表明,該算法可完整去除非建筑物點(diǎn),具有重要的應(yīng)用價(jià)值。

為解決機(jī)載lidar點(diǎn)云數(shù)據(jù)建筑物提取精度不高的問題,首先分析了現(xiàn)有的基于機(jī)載lidar點(diǎn)云數(shù)據(jù)的建筑物提取方法；然后綜合地形、樹木、建筑物密度等對(duì)建筑物提取的影響,以德國(guó)斯圖加特市法伊英根的lidar點(diǎn)云數(shù)據(jù)為例進(jìn)行了建筑物提取實(shí)驗(yàn)；最后對(duì)提取結(jié)果進(jìn)行了定量精度評(píng)定。結(jié)果表明,基于影像的機(jī)載lidar點(diǎn)云數(shù)據(jù)建筑物提取精度為93.1%；而基于數(shù)學(xué)形態(tài)學(xué)圖像的處理方法和基于delaunay三角剖分的方法受建筑物形狀和地形等限制較多,提取精度分別為87.6%和81.3%,說明基于影像的機(jī)載lidar點(diǎn)云數(shù)據(jù)建筑物提取方法的準(zhǔn)確性較高,限制性條件較少。

建筑物立面點(diǎn)云分割是車載激光掃描數(shù)據(jù)特征提取與建模的基礎(chǔ)。本文將隨機(jī)抽樣一致性算法(ran-domsamplingconsensus)方法引入對(duì)點(diǎn)云的分割中,并在判斷準(zhǔn)則中引入了點(diǎn)云的r半徑密度,消除了噪聲的影響,同時(shí)建立角度和距離兩個(gè)約束條件對(duì)平面分割結(jié)果進(jìn)行優(yōu)化,提取出了最終的建筑物立面特征平面。

機(jī)載激光雷達(dá)技術(shù)已經(jīng)成為快速獲取城市建筑三維數(shù)字模型的有效手段,而建筑物屋頂點(diǎn)云提取則是建筑物三維數(shù)字模型重建的關(guān)鍵.為有效剔除植被和墻面點(diǎn)云,以及消除地形起伏對(duì)建筑點(diǎn)云提取精度的影響,提出一種層進(jìn)式屋頂點(diǎn)云提取方法.首先對(duì)lidar點(diǎn)云進(jìn)行濾波,在此基礎(chǔ)上利用點(diǎn)云回波特性和點(diǎn)云法向量檢測(cè)并刪除非地面點(diǎn)中特征明顯的植被點(diǎn)和建筑物墻面點(diǎn),然后利用連通成分分析法對(duì)非地面點(diǎn)聚類得到初始建筑點(diǎn),最后結(jié)合dtm并利用建筑物面積和高度信息分離得到建筑物屋頂點(diǎn)云.試驗(yàn)結(jié)果表明,本方法能有效地從機(jī)載點(diǎn)云數(shù)據(jù)中快速提取建筑屋頂點(diǎn)云,有效率可達(dá)85%以上.

機(jī)載lidar點(diǎn)云數(shù)據(jù)分布呈現(xiàn)離散化,掃描的目標(biāo)點(diǎn)云沒有明確的輪廓,而建筑物形狀呈現(xiàn)復(fù)雜化和多樣化,這給提取機(jī)載lidar數(shù)據(jù)中建筑物輪廓線帶來了困難。alphashapes算法的優(yōu)點(diǎn)在于無需知道點(diǎn)云中各點(diǎn)處的法向量及其他先驗(yàn)知識(shí)就能進(jìn)行處理,避免了插值算法帶來的誤差影響,對(duì)于少量點(diǎn)云缺失及數(shù)據(jù)冗余的情況,算法仍具有良好的穩(wěn)定性和適應(yīng)性。alphashapes方法可以得到較為精細(xì)的建筑物邊緣,且該算法適用于各種多邊形建筑物輪廓線的提取。

機(jī)載激光雷達(dá)技術(shù)已經(jīng)成為快速獲取城市建筑三維數(shù)字模型的有效手段,而建筑物屋頂點(diǎn)云提取則是建筑物三維數(shù)字模型重建的關(guān)鍵.為有效剔除植被和墻面點(diǎn)云,以及消除地形起伏對(duì)建筑點(diǎn)云提取精度的影響,提出一種層進(jìn)式屋頂點(diǎn)云提取方法.首先對(duì)lidar點(diǎn)云進(jìn)行濾波,在此基礎(chǔ)上利用點(diǎn)云回波特性和點(diǎn)云法向量檢測(cè)并刪除非地面點(diǎn)中特征明顯的植被點(diǎn)和建筑物墻面點(diǎn),然后利用連通成分分析法對(duì)非地面點(diǎn)聚類得到初始建筑點(diǎn),最后結(jié)合dtm并利用建筑物面積和高度信息分離得到建筑物屋頂點(diǎn)云.試驗(yàn)結(jié)果表明,本方法能有效地從機(jī)載點(diǎn)云數(shù)據(jù)中快速提取建筑屋頂點(diǎn)云,有效率可達(dá)85%以上.

航空影像中,垂直邊緣對(duì)建筑物提取具有重要意義。為快速準(zhǔn)確地提取垂直邊緣,依據(jù)航空攝影測(cè)量學(xué)的有關(guān)知識(shí),利用攝影測(cè)量成像模型推導(dǎo)出垂直邊緣滅點(diǎn)位置,并結(jié)合物方空間幾何約束和圖像空間邊緣信息,采用一種自適應(yīng)模糊hough變換算法,實(shí)現(xiàn)了建筑物垂直邊緣的自動(dòng)提取。實(shí)驗(yàn)證明,該算法是行之有效的。

針對(duì)地面激光點(diǎn)云包含大量冗余數(shù)據(jù)、特征信息不明顯等缺點(diǎn),提出了一種自動(dòng)提取建筑物點(diǎn)云輪廓線的方法。首先基于主成分分析和熵函數(shù)計(jì)算每個(gè)點(diǎn)的最佳鄰域,再根據(jù)幾何位置關(guān)系,濾除散亂點(diǎn)和平面中的點(diǎn),保留輪廓線點(diǎn)云。針對(duì)不同地面激光點(diǎn)云數(shù)據(jù),無需反復(fù)調(diào)整閾值。實(shí)驗(yàn)證明,該方法提取的建筑物點(diǎn)云輪廓線清晰完整,與現(xiàn)有方法提取的結(jié)果相比正確率有一定的提高,且冗余點(diǎn)云幾乎全部被濾除,自動(dòng)化程度高,具有良好的適用性。

建筑物立面兼顧規(guī)則和非規(guī)則的幾何結(jié)構(gòu)排列,利用先驗(yàn)或提取的立面結(jié)構(gòu)規(guī)則推理數(shù)據(jù)稀疏區(qū)域立面模型時(shí),會(huì)產(chǎn)生不合理的重建結(jié)果.為此,提出一種結(jié)合規(guī)則推理和點(diǎn)云數(shù)據(jù)驗(yàn)證的數(shù)據(jù)稀疏區(qū)域建筑物立面重建方法,能夠?qū)ν茰y(cè)的立面模型合理性進(jìn)行驗(yàn)證.在利用影像數(shù)據(jù)改善立面點(diǎn)云數(shù)據(jù)初始重建模型偏移的基礎(chǔ)上,分析立面結(jié)構(gòu)的排列規(guī)律.采用四鄰域模板匹配方法推理點(diǎn)云數(shù)據(jù)稀疏區(qū)域立面幾何結(jié)構(gòu)的位置和類型.最后用點(diǎn)云數(shù)據(jù)驗(yàn)證推理重建結(jié)果的可靠性.實(shí)驗(yàn)表明,對(duì)于結(jié)構(gòu)多樣的建筑物立面,該方法可檢測(cè)出不合理的重建結(jié)果,提高了基于規(guī)則建筑物立面重建的可靠性.

簡(jiǎn)述三種典型的利用lidar點(diǎn)云自動(dòng)提取建筑物的方法。提出對(duì)建筑物提取結(jié)果的精度評(píng)價(jià)指標(biāo),并對(duì)三種方法的提取結(jié)果進(jìn)行比較。結(jié)果表明基于dempster-shafer理論的建筑物自動(dòng)提取方法最為穩(wěn)健。

基于航空影像建筑物個(gè)數(shù)繁多、形狀復(fù)雜,且存在較多的干擾信息,提出一種新穎的建筑物邊緣直線特征提取方法.對(duì)航空影像進(jìn)行改進(jìn)標(biāo)記分水嶺分割,并結(jié)合dsm高度信息,有效去除道路和陰影的影響.同時(shí),對(duì)影像進(jìn)行基于多尺度自適應(yīng)加權(quán)的改進(jìn)canny算子的邊緣檢測(cè).在每一個(gè)分割得到的建筑物初始區(qū)域內(nèi),對(duì)檢測(cè)到的邊緣點(diǎn)進(jìn)行相位編組提取直線,利用建筑物屋頂約束條件,統(tǒng)計(jì)屋頂?shù)闹鞣较?修正和規(guī)劃直線段,實(shí)現(xiàn)了建筑物邊緣直線特征快速、有效的提取.

建筑物是城市地圖中數(shù)量最多的地物，本文介紹了由多邊形頂點(diǎn)生成普通建筑物、棚房和暖房等三種建筑物符號(hào)的算法。

提出一種利用高分辨率遙感影像半自動(dòng)提取建筑物邊緣的方法。先對(duì)遙感影像進(jìn)行預(yù)處理,對(duì)所有邊緣進(jìn)行邊緣檢測(cè),然后進(jìn)行邊緣跟蹤,提取建筑物的主方向線,利用模型進(jìn)行線段關(guān)系判斷,再進(jìn)行線段關(guān)系處理、區(qū)域分割和區(qū)域生長(zhǎng),最后進(jìn)行區(qū)域合并提取出建筑物的輪廓。用上述方法對(duì)quickbird衛(wèi)星的高分辨率影像進(jìn)行了實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果證明該方法有較高的識(shí)別率、較好的準(zhǔn)確性,具有一定的實(shí)用價(jià)值。

提出了一種基于蟻群算法的地面激光掃描數(shù)據(jù)建筑物立面提取方法,該方法可以有效地區(qū)分沿街lidar掃描景觀數(shù)據(jù)中建筑物立面和位于其前方的樹木、街燈、行人、?？寇囕v等遮擋物。三組真實(shí)的地面激光點(diǎn)云的實(shí)驗(yàn)結(jié)果表明,該方法能準(zhǔn)確、有效地提取建筑物立面點(diǎn)云數(shù)據(jù)。

建筑物輪廓的準(zhǔn)確提取是建筑物三維重建中最重要的一步。本文在研究已有建筑物輪廓提取方法的基礎(chǔ)上,針對(duì)lidar離散的點(diǎn)云數(shù)據(jù),提出了一種自動(dòng)快速提取建筑物輪廓信息的方法。首先通過點(diǎn)云數(shù)據(jù)生成城市的數(shù)字表面模型(dsm)和數(shù)字地面模型(dtm)相減計(jì)算得出規(guī)則化的數(shù)字表面模型(ndsm),進(jìn)而將地面點(diǎn)和非地面點(diǎn)進(jìn)行分類;其次,考慮到地物的幾何特性,提出一種8鄰域搜索的方法對(duì)非地面點(diǎn)點(diǎn)云進(jìn)行分割,得到建筑物表面點(diǎn)云;最后運(yùn)用基于梯度圖的邊界跟蹤的方法來獲取建筑物的輪廓信息。實(shí)驗(yàn)表明:該方法能有效地提取建筑物輪廓。

機(jī)載激光雷達(dá)是dem生產(chǎn)和城市三維重建的重要技術(shù)手段之一。文章在現(xiàn)有濾波算法的基礎(chǔ)上提出一種基于lidar影像分層的分割算法。該方法按照固定的高差間隔將dsm劃分為不同高度的數(shù)據(jù)層;然后在不同的數(shù)據(jù)層中對(duì)圖像目標(biāo)進(jìn)行分割,并計(jì)算各個(gè)圖像目標(biāo)的特征變化;最后分析影像分割在垂直方向上尺寸和形狀的變化以及其中心位置的偏移,在此基礎(chǔ)上完成建筑物的提取。結(jié)果表明上述方法可有效地提取大規(guī)模復(fù)雜的建筑物。

傳統(tǒng)算法直接使用數(shù)字表面模型(dsm)進(jìn)行建筑物提取,忽略了地形影響,只適用于地形變化較小的區(qū)域。針對(duì)該問題,提出了一種基于局部高程差異的建筑物提取算法。利用地物相對(duì)于局部區(qū)域的高程差異來反映地物高度,再運(yùn)用基于知識(shí)的提取算法提取建筑物。實(shí)驗(yàn)結(jié)果表明,該算法具有較高的精度,比svm算法降低了1.18%的誤提率和6.51%的漏提率。

本文提出了一種基于全色波段航空影像和激光雷達(dá)數(shù)據(jù)的建筑物檢測(cè)方法。如何從激光點(diǎn)云數(shù)據(jù)中提取出建筑物激光腳點(diǎn),是建筑物三維重建和輪廓提取的難點(diǎn)問題之一。植被密集區(qū)域以及與建筑物緊密相鄰的樹木的激光點(diǎn)很難與建筑物激光點(diǎn)區(qū)分開。本文利用支持向量機(jī)對(duì)單個(gè)激光點(diǎn)的特征進(jìn)行兩分類,特征向量包括激光點(diǎn)的高程、高程變化信息以及與激光點(diǎn)配準(zhǔn)的影像光譜信息。實(shí)驗(yàn)表明,基于支持向量機(jī)的點(diǎn)態(tài)分類算法能夠有效提取建筑物激光腳點(diǎn),影像光譜信息能明顯提高分類精度。

運(yùn)用點(diǎn)云切片提取建筑物特征線擬合建模,對(duì)于長(zhǎng)方體、圓柱體、管狀體等規(guī)則物體自動(dòng)匹配建模,對(duì)于不規(guī)則物體進(jìn)行點(diǎn)云切割、側(cè)視圖提取輪廓線、擬合建模,對(duì)相同的結(jié)構(gòu)復(fù)制等方式批量處理,然后根據(jù)點(diǎn)云組合模型,完成建筑物主體建模;通過平面投影方式提取門窗等細(xì)節(jié)的輪廓線,將輪廓線導(dǎo)出到第三方軟件,實(shí)現(xiàn)對(duì)門窗的精細(xì)建模;最后通過紋理貼圖生成極富真實(shí)感的三維模型并對(duì)其數(shù)字化展示.

提出一種從機(jī)載lidar點(diǎn)云數(shù)據(jù)中自動(dòng)提取建筑物平面的方法。給出了基于邊長(zhǎng)約束的三角形生長(zhǎng)算法對(duì)建筑物初始區(qū)域進(jìn)行提取,針對(duì)提取出的建筑物腳點(diǎn),利用自適應(yīng)meanshift方法在特征空間中對(duì)其進(jìn)行聚類分析,并提取出平面目標(biāo),最后利用alpha-shape算法生成建筑物平面的輪廓線。通過實(shí)驗(yàn)證實(shí)了方法的有效性。

設(shè)計(jì)了一種采用多種策略的建筑腳點(diǎn)提取方法,針對(duì)建筑腳點(diǎn)提取中的兩個(gè)關(guān)鍵步驟———數(shù)據(jù)分類和建筑腳點(diǎn)分割,分別提出和引入了鄰近關(guān)系和r半徑點(diǎn)密度,從僅反映單次反射的dsm數(shù)據(jù)中,直接提取出建筑表面點(diǎn)。