利用倾斜影像重建点云的建筑物变化检测

城镇空间建筑物的变化检测是分析城市空间格局变化的一项重要内容。针对利用卫星影像检测建筑物变化过程中噪声、复杂边界等干扰难题,本文从不同期倾斜影像重建点云中自动提取建筑物平面和高度两个维度的准确变化信息。首先采用布料模拟滤波算法较大程度上减少地形点的影响;然后利用一种动态图神经网络深度学习方法,有效地检测出点云中的建筑物,通过前后两期点云分类后结果对比提取出建筑物的三维变化信息;最后选取杭州市萧山区局部区域的两期倾斜摄影测量密集匹配点云数据开展分析验证。结果表明,本文方法能够在大范围内快速实现可靠的建筑物变化检测,建筑物平面和高程两个维度的变化信息均有很好的反映,为城市精细化管理提供了一种有效方法。     

基于UAV影像密集匹配点云多层次分割的建筑物层高变化检测

针对城市建筑物层高变化检测难题,提出一种基于无人机(unmanned aerial vehicle,UAV)影像密集匹配点云多层次分割的变化检测方法。首先,对多时相UAV影像匹配密集点云进行网格划分,并计算网格内部的归一化数字表面模型和差分数字表面模型两种几何形状特征以及归一化过绿指数和亮度两种光谱特征;然后,基于区域生长规则进行点云分割,并判断分割对象的变化/未变化/不确定状态,对不确定状态的分割对象,逐步严格生长准则实现多层次迭代分割,直至判断出所有点的变化状态(增高/降低/未变化);最后,综合几何形状特征及光谱特征,识别变化对象中的三维建筑物目标以明确层高变化。采用两期武汉大学UAV影像密集点云进行实验验证,结果表明,所提检测方法的检测完整率、正确率及检测质量均达到90%以上。     

空地融合的建筑物室内外一体化点云构建技术

室内外一体化的建筑物模型是智慧城市管理的基础数据,倾斜摄影和地面三维激光扫描是当下两种主要的建筑物模型数据获取方式。针对单一数据采集方式受诸多因素制约,难以获取完整建筑物室内外三维数据的难题,本文提出了倾斜密集匹配点云与地面激光扫描点云融合的技术路线,利用地面激光扫描获取建筑物立面与室内点云,利用倾斜摄影获取建筑物顶部点云,并将两者结合构建室内外一体化的完整建筑物点云;以高密泥塑展馆为研究对象,验证了该技术路线的可行性及融合精度,可为类似项目提供参考。     

布料模拟法无人机倾斜摄影建筑点云提取

受布料模拟滤波思想的启发，本文提出一种基于无人机倾斜摄影密集匹配点云的建筑提取新方法。该方法引入布料模拟进行建筑顶面的初步识别，通过模拟布料下落过程，分析布料与对应密集匹配点云之间的作用，确定布料由重力下降后所停留的位置作为建筑顶面的初步识别，然后通过密度聚类算法进行建筑区分，从而实现建筑物顶面的单体化提取。通过实测数据进行试验，结果表明，该方法能取得较好的效果，为基于密集匹配点云的建筑物提取提供一种新思路。     

影像密集匹配点云的单体化提取

以倾斜影像密集匹配点云数据为研究对象,提出了一种快速提取建筑物单体点云模型的方法。首先通过过滤地面点云数据以实现地物分离,采用高程频率直方图确定植被点云的高程区间并予以剔除。然后采用基于密度的聚类分析算法对剩余建筑物顶部点云进行了聚类。最后根据每栋独立建筑物屋顶点云的坐标范围,从原始点云数据中提取了每栋独立建筑物的完整点云,实现了对于倾斜影像密集匹配点云的单体化提取。     

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。     

基于机载激光扫描和倾斜影像匹配的点云构建及差异性分析

点云是三维空间数据的重要组成部分,机载激光扫描和倾斜影像匹配是两种主要点云构建技术,具有共性与差异性。本文旨在分析机载激光扫描和倾斜影像匹配技术构建点云的差异性,首先阐述了机载激光扫描和倾斜影像匹配点云构建的具体方法,然后结合案例,从点云构建效果、数据完整性、密度、精度和植被穿透性等方面进行比较和分析。结果表明,两种技术构建点云都具有较好的数据完整性,均能生产高密集点云,远超规范要求,精度相当且较高,但是激光扫描在遮挡区有漏洞,影像匹配局部盲区细节失真;激光点云具有较好的穿透性,能实现不同植被覆盖区域地面点云构建,而影像匹配点穿透性差,在密集植被区域存在缺失甚至不能构建地面点。研究结果为后续点云构建方法的选用和优化提供了参考,具有一定的研究与应用价值。     

面向车载激光扫描点云快速分类的点云特征图像生成方法

车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。     

多尺度点云噪声检测的密度分析法

当前机载激光雷达数据和影像匹配得到的点云是密集点云数据的两类主要来源,但都不可避免存在着噪声点。本文提出一种新的点云去噪算法,可适用于这两类数据中所包含的噪声点的去除。算法主要包括两步:第1步利用多尺度的密度算法去除孤立噪声和小的簇状噪声;第2步利用三角网约束将第1步中误检测为噪声的点重新归为正常点。针对真实数据进行了剔噪试验,结果表明本文提出的基于密度分析的多尺度噪声检测算法对孤立噪声和簇状噪声都有较为效,且对于质量较差的影像匹配点云的检测也能有效处理。本文算法检测率达到97%以上。     

无人机影像密集匹配点云在违法占地和违法建筑监测中的应用

当前城市违法占地和违法建筑监测大多基于遥感影像开展,无法有效发现建筑物加建、加盖等情况,利用影像密集匹配点云提取建筑物三维变化是“两违”精准监测的有效途径。本文以贵港市“两违”监测工作为例,以无人机影像密集匹配点云为基础数据,通过构建深度神经网络模型自动提取建筑物点云,并检测不同时相建筑物点云的变化,经叠加审批、规划等自然资源管理数据,快速提取出疑似“两违”图斑并开展监测。     

建筑物立面分类与DIM点云滤波

针对目前基于近景摄影测量方法构建建筑物立面模型过程中因密集影像匹配（DIM）点云噪声所引起的建筑物立面TIN网格模型畸变问题,本文借鉴机器学习中样本学习的思想,对建筑物立面进行了分类并对DIM点云提出了相应的滤波方法,以达到去除DIM点云噪声和改善其TIN网格模型畸变的目的。其中,针对平面结构立面,采取先对点云样本进行学习计算构建数学立面模型所需参数,再对该立面模型设定阈值并对其点云进行滤波处理的方法;针对曲面结构立面,则结合DIM点云特性先将点云样本分类标记归为立面点与非立面点,再进行样本特征值学习,使用Logistic回归算法迭代计算求解最佳回归系数,从而构建滤波分类器的方法对立面点云进行滤波处理。试验结果表明,本文滤波处理方法能将立面DIM点云噪声有效识别并去除,而且使用该方法处理后所得点云构建的建筑物立面TIN网格模型精细化程度得到有效提高,模型质量得到明显改善。     

利用RANSAC算法对建筑物立面进行点云分割

建筑物立面点云分割是车载激光扫描数据特征提取与建模的基础.本文将随机抽样一致性算法( Random Sampling Consensus)方法引入对点云的分割中,并在判断准则中引入了点云的r半径密度,消除了噪声的影响,同时建立角度和距离两个约束条件对平面分割结果进行优化,提取出了最终的建筑物立面特征平面.     

地面激光扫描点云数据预处理综述

地面激光扫描点云数据预处理是激光扫描测量数据内业处理的重要研究内容。本文首先总结了激光点云数据的特点、激光点云数据预处理的关键技术及相应的研究意义。然后总结了海量激光点云的主要存储方式及几种常用的数据组织结构;从拼接精度出发将现有多站点云拼接方法归结为粗拼接法和基于ICP的精拼接法;根据简化压缩算法的特征保持能力将其归为可保持特征的简化法和不能保证特征的简化法两类;确定了去噪和光顺分别研究的噪声类型,总结和分析了当前一些去噪和光顺算法的研究现状。最后对地面激光扫描点云数据预处理作了整体性总结与展望。     

共享近邻聚类算法点云面线提取

针对激光点云数据进行建筑物建模或矢量信息提取中快速识别建筑物面和棱线信息的要求,该文提出基于共享近邻聚类算法进行建筑物面和棱线的快速提取方法。首先,计算点云中每个数据点的单位法向量和点到基准面的距离,利用基于网格的共享近邻聚类算法对点云进行分类确定建筑物面点云;然后,自动判别相交平面,提取建筑物棱线,并与RANSAC算法对某建筑物面的提取结果进行比较。结果证明,该方法自动化程度高,建筑物面和棱线提取快速、准确,提取结果能够应用于三维建筑物自动建模和测绘出图。     

室内SLAM点云的快速分割研究

建筑物内部结构和环境复杂,由此产生的噪声等影响使其无法直接运用于室外建模中已经成熟的点云分割算法。为降低噪声带来的影响,本文提出利用直方图统计法,分别对点云进行Z轴方向和X-Y轴方向上的直方图统计,从而分割出地板面,天花板面以及墙面的"候选点"。以K-D树构建空间数据索引,计算点云中各点的法向量以及曲率,将"候选点"中面与面相交处曲率"突变"的点去除,利用区域生长算法分割出建筑物的地板面、墙面以及天花板面。以NavVis公司的M3三维激光扫描车获取的室内SLAM点云数据,对本文方法检验,实验结果表明该方法能有效地降低噪声带来的影响,并且可以对平面点云数据进行分割提取。     

面向对象的车载激光扫描点云建筑物立面提取

本文利用面向对象的点云分析方法进行车载激光扫描点云数据中建筑物立面的识别。该方法对点云进行基于法向量和距离约束的点云分割,计算分割面片的倾角、面积、高程变化范围等特征,并依据建筑物立面垂直于水平面、面积比较大、高程变化范围较大等规则从点云数据中识别建筑物立面。实验表明该方法可以精确有效地进行MLS点云中建筑物立面提取。     

增强型形态学建筑指数的建筑物变化检测

针对在高分辨率遥感影像中,利用形态学建筑指数提取建筑物时,同质性区域内部会出现噪声影响建筑物变化检测精度的问题,该文提出一种基于增强型形态学建筑指数的建筑物变化检测方法。采用增强型形态学建筑指数进行建筑物的提取,较好地去除了同质性区域内部的噪声,提高了建筑物提取精度;利用变化向量分析法获得建筑物变化检测结果,并采用LFI指数对变化检测结果进行后处理,有效地区分出建筑物对象和城市道路等地物,提高了建筑物变化检测精度。最后通过实验证明:该文算法可以有效地进行建筑物的提取和变化检测。     

顾及几何及颜色信息的倾斜影像立面点云提取

针对建筑物立面自动提取难题,根据多角度航空倾斜影像密集匹配生成的三维点云,提出了一种顾及点云几何及颜色信息的建筑物立面点云自动提取方法。首先通过计算三维点云中各点对应的法向量,并根据法向量方向进行粗略的分割;然后根据各点的颜色信息剔除植被点云;在此基础上剔除少量地面点,通过基于聚类分析的后处理获取立面点云。利用2组数据进行了实验,结果表明,本文方法能够自动提取出建筑物的立面,立面的完整性和正确性都大于90%,准确率大于83%,为后续立面的重建提供了基础。     

支持向量机的建筑物激光脚点提取方法

本文提出了一种基于全色波段航空影像和激光雷达数据的建筑物检测方法.如何从激光点云数据中提取出建筑物激光脚点,是建筑物三维重建和轮廓提取的难点问题之一.植被密集区域以及与建筑物紧密相邻的树木的激光点很难与建筑物激光点区分开.本文利用支持向量机对单个激光点的特征进行两分类,特征向量包括激光点的高程、高程变化信息以及与激光点...     

地面点云数据快速重建建筑模型的分层方法

为了快速从地面激光扫描数据重建建筑物模型,避免数据处理中复杂的点云栅格化和面片分割,提出一种基于分层方法的建筑三维模型快速重建方法。利用直方图统计方法去除噪声,结合大多数建筑物自身特点,对点云数据进行分层并垂直投影至各层平均高度的平面,得到建筑物各层的边缘特征点,进而规则化,实现建筑物三维数字模型的快速重建。实验结果表明,方法可以快速提取建筑物边界点,简化传统点云数据在建筑物重建中的复杂过程和大量的数据处理运算,而且最终模型的精度可以得到保证,具有一定的普适性。