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。     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息, 对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

多源数据融合的DIM点云滤波及DEM生成

针对已有密集影像匹配(DIM)点云滤波算法通用性差,滤波效果受限于参数设置,且均未利用生成点云的影像信息等问题,该文提出一种融合多源数据的DIM点云滤波算法。首先融合影像和DIM点云高程多源信息;再引入新型分类器对融合影像进行分类,其分类结果作为知识引导用于点云滤波中,即将分类专题图与DIM点云叠加以过滤非地面点,实现点云滤波并生成数字高程模型;最后选用航空影像进行密集匹配和滤波实验。实验结果表明,利用该点云滤波算法生成的DEM与参考DEM呈现高度相关性,可大大减少生产DEM人工后处理的工作量。     

倾斜影像中提取高精度DEM的方法研究

针对传统航空影像获取的DSM在立面及局部地面、建筑物屋顶空间信息的不足,获取高精度DEM较为困难的问题,提出了基于倾斜影像提取高精度DEM的方法。首先对倾斜影像获取的点云DSM结构进行分析,得出了DSM具有几何约束特点,能够在城区很好地区分地面点和地物点;然后指出对DSM滤波处理是获取高精度数字高程模型（DEM）的关键技术,提出了基于法向量差值区域生长分割TIN的滤波方法;最后选取吉林省敦化市的倾斜影像数据进行了滤波试验和算法验证。试验结果表明,该方法能够快速、有效地滤除不同尺寸的建筑物、植被和其他地物,获取高精度DEM。     

利用网络图进行高分辨率航空多视影像密集匹配

提出了一种基于网络图的高分辨率航空多视影像密集匹配算法。首先利用影像间的重叠关系和方向确定候选立体像对并构建网络图;在立体像对密集匹配阶段,引入导向中值滤波采用由粗到精的改进半全局匹配(SGM)算法进行双向视差图生成;最后基于所有立体像对构建的网络图完成多视影像间的密集点云生成及融合。试验选取了ISPRS的Vaihingen航空影像和ISPRS/EuroSDR项目的苏黎世倾斜下视影像进行试验,结果表明:本文算法对高分辨率多视影像密集匹配是有效可行的,无论在匹配完整性、效率、精度上都能获取较好的结果,重建的密集点云平均反投影误差的中误差可以达到亚像素级精度,实际精度可以达到1.5倍GSD,并且在建筑物、植被、水体等视差不连续、弱纹理或重复纹理区域也取得了较好的匹配结果。     

基于摄影测量匹配点云估算建筑表面太阳辐照度

针对现有建筑物太阳辐照度评估方法难以同时兼顾建筑屋顶和立面,激光点云数据成本较高,不适合计算大范围、高密度获取建筑表面点云问题。本文提出了一种基于倾斜影像密集匹配点云进行建筑物表面太阳辐照度一体化评估方法。该方法通过无人机倾斜影像获取感兴趣区域的建筑物三维模型,结合阴影仿真算法和简化后的太阳辐射模型,对建筑物表面进行阴影仿真和太阳辐照度计算。经对比试验验证,本文方法能够准确计算建筑表面太阳辐照度,有效拓展了倾斜摄影测量的应用范围,为协助建筑师设计建筑表面和最大化利用建筑表面太阳能提供了可靠的数据支撑。     

虚拟格网分类支持下的密集匹配点云布料模拟滤波

为了提高倾斜影像密集匹配点云滤波算法在地形复杂场景的精度、效率及自适应性,针对传统的布料模拟滤波算法的不足,本文提出了一种基于虚拟格网分类的布料模拟滤波方法。该方法首先构建带有缓冲区的虚拟格网;然后将虚拟格网按其范围内的点云坡度划分为平地、缓坡、陡坡3种类型;最后针对不同类型的虚拟格网,使用相应的布料参数进行布料模拟滤波,从而实现倾斜影像匹配点云在地形复杂场景中的点云滤波,与单一参数的布料模拟滤波进行对比试验。结果表明,基于虚拟格网分类的布料模拟滤波方法结果更接近于目视解译,该方法适合混合地形滤波。     

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。     

基于倾斜影像的城市场景隐式曲面重建

在基于倾斜影像的城市场景重建过程中,由于获取影像时存在场景遮蔽和大视点变化的情况,建筑物立面等区域存在着影像密集匹配点云稀疏甚至空洞的情况,自动化重建难度大,难以反映建筑物的真实形态。本文提出了一种新的基于倾斜影像的城市场景隐式曲面重建方法：首先,以倾斜影像密集匹配点云为基础建立Delaunay四面体;然后,对Delaunay四面体进行约束图割,提取出可视化的三角面,进而更加精确地估计点云的法向信息;最终,结合Screened Poisson曲面重建,实现了城市场景的隐式曲面重建。通过多种隐式曲面重建方法的对比试验,验证了本方法的准确性和适用性。     

利用空间小面元模型重构序列影像密集点云

提出了一种基于空间小面元模型(space-patch model,SPM)的序列影像密集点云重构方法。顾及SPM灰度一致性约束和空间几何约束,通过种子点的获取、扩散和滤波,生成密集SPM以逼近物体表面。该方法突破了传统核线影像密集匹配条件苛刻的限制。利用狮子影像数据,进行了密集点云模型的重构实验,验证了该算法的有效性。设计了几类对比试验,分析了扩散迭代次数和滤波对模型点云质量的影响。结果表明,对高分辨率影像多次扩散迭代并进行滤波,能够恢复出二维影像所包含的大量三维点云信息。     

Image classification-based ground filtering of point clouds extracted from UAV-based aerial photos

With the advent of unmanned aerial vehicles (UAVs) for mapping applications, it is possible to generate 3D dense point clouds using stereo images. This technology, however, has some disadvantages when compared to Light Detection and Ranging (LiDAR) system. Unlike LiDAR, digital cameras mounted on UAVs are incapable of viewing beneath the canopy, which leads to sparse points on the bare earth surface. In such cases, it is more challenging to remove points belonging to above-ground objects using ground filtering algorithms generated especially for LiDAR data. To tackle this problem, a methodology employing supervised image classification for filtering 3D point clouds is proposed in this study. A classified image is overlapped with the point cloud to determine the ground points to be used for digital elevation model (DEM) generation. Quantitative evaluation results showed that filtering the point cloud with this methodology has a good potential for high-resolution DEM generation.     

航空倾斜摄影系统多相机姿态安装误差检校

针对航空倾斜摄影系统多相机间相对关系的姿态误差,提出一种利用下视影像密集匹配点云约束的联合平差多相机姿态安装误差检校方法。文中方法以共线方程为基础,通过联立倾斜立体像对连接点、下视影像密集匹配点云数据提供的高程约束虚拟观测值,采用非线性最小二乘SQPM算法求解倾斜影像的外方位元素改正数,从而解算下视相机与倾斜相机间的姿态安装误差。为了保证连接点可靠性,提高虚拟观测值的有效性,采用下视影像密集匹配的点云约束倾斜影像立体连接点匹配和分布优化过程。利用SWDC-5倾斜摄影系统获取的数据进行实验,通过原始姿态检校参数将下视影像生成的密集点云投影至倾斜立体影像上,在像方有22个像素左右的误差,采用文中方法检校后,像方误差减少到0.29个像素。     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。     

遥感图像数字表面模型建筑物点过滤方法研究

针对图像密集匹配生产的数字表面模型(DSM)进行点云滤波,算法对地形依赖大,参数设置复杂,精度不高,后续人工编辑修饰的工作量大、效率低的问题,该文设计了第一套针对DSM滤波、涵盖多种样本形式(栅格、矢量)的航空图像建筑物数据集。针对航空图像建筑物尺度较大等特点,将膨胀卷积加入U-Net构成Dilated U-Net,并综合运用其进行建筑物语义分割,利用分割结果在相应图像密集匹配得到的DSM上滤除建筑物点,然后采用投票插值策略得到过滤掉建筑物点的DSM。实验证明:利用该文网络DU-Net将DSM中非地面建筑物点滤除,Ⅰ类误差在5.8%以内,Ⅱ类误差在2.4%以内,其可以在30 s内完成超过9000万个建筑点与非建筑物点位置的预测,效率高、成本低。DU-Net网络建筑物语义分割过程不受地形、高差的限制,对于其他非地面点的滤波具有一定的借鉴意义。     

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。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

利用图割算法进行城市密集点云表面模型重建

利用倾斜影像获得的密集点云来构建表面模型是基于倾斜影像进行三维重建的核心之一。本文针对现行密集点云表面模型重建存在的建模效率低、表面选取不真实等问题，提出了一种基于图割算法的城市密集点云表面模型重建方法。利用该方法重建城市密集点云表面模型，首先通过预处理软件对无人机倾斜影像进行空中三角测量，并利用空中三角测量的解算结果生成密集点云；然后对密集点云添加相应的边，同时对三维点云根据距离进行选取合并；最后根据三维点云形成的四面体和三角面建立图割问题，并通过求解图割问题来求取最优的密集点云表面模型。为证明这种方法的可行性和有效性，使用城市地区的无人机倾斜影像数据进行城市密集点云表面模型重建，试验结果表明，该方法具有可行性好、建模效果好、处理速度快等优势。