LiDAR点云与影像相结合的建筑物轮廓信息提取

分析机载LiDAR点云与影像数据特点,提出了一种建筑物点云与配准后影像相结合的建筑物轮廓信息提取方法。首先,采用α-shapes算法从点云中提取粗糙的建筑物轮廓多边形;然后,采用基于线支撑区域的直线段提取算法从影像中提取边缘信息,并利用投票机制,以点到直线的距离为因子,从中过滤出真实的建筑物边界;最后,提出一种建筑物轮廓精化的新方法,利用从影像中提取的边缘信息修正从点云中提取的粗糙轮廓,并对修正后的轮廓采用道格拉斯-普克算法去除冗余节点,采用强制相交方法恢复建筑物转角,最终得到了准确的建筑物外轮廓多边形,并通过实验验证了该方法的有效性。     

高分辨率遥感影像的建筑物轮廓信息提取方法

针对高分辨率遥感影像分割方法提取的建筑物边缘不准确和不规则等问题,提出了一种新的边缘轮廓信息提取方法:首先,通过一维Gabor滤波器获取建筑物的角度纹理特征,并结合光谱特征构造待分割的特征矢量,在运用高斯混合模型(Gaussian mixture model,GMM)构造图的基础上,利用图割法(graph cuts)获取建筑物候选点,经数学形态学处理得到建筑物斑块;然后,根据Radon变换检测建筑物主方向,构建最小二乘匹配模板,并利用该模板在建立的轮廓缓冲区内精确地提取建筑物拐角点;最后,连接拐角点,完成了轮廓信息的提取。采用合成图像和高分辨率遥感影像提取建筑物轮廓信息的实验证明了该方法的可行性。     

基于数学形态学的建筑物轮廓信息提取

针对高空间分辨率卫星图像上建筑物的特点,提出了一套半自动、快速简单的建筑物二维轮廓信息提取技术流程。首先,利用最大同质性近邻滤波算法(MHN)对图像进行预处理;然后,利用基于数学形态学经典算法(腐蚀、膨胀、开操作及闭操作等)重建的微分形态学断面方法(DMP)进行建筑物二维轮廓信息提取,并在结构算子的步长选择方面对方法进行了初步改进;最后,结合区域标识和面积阈值分割等方法进行了后处理操作。以北京师范大学校园QuickBird图像为例的试验结果显示,该方法不仅对规则建筑物的提取效果良好,还可以有效地提取出形状复杂的建筑物轮廓信息。     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

基于激光测距的航空扫描影像中建筑物的自动提取

介绍了利用“机载激光影像制图系统”获得的激光测距,飞机姿态和位置数据解算出的地面三维信息同光谱辐射信息高度融合,用于快速自动地提取城市建筑物边界及高度的方法,探讨了地物的分裂／ 合并算法、建筑物与树木的分离、边界提取中初始种子点的选择和灰度参考值及阈值的自适应调整,针对影像中建筑物的扭曲采用了二维／ 三维变换和曲线模板,针对边缘模糊、不连续和强噪声等采用了统计判决和取样模板等等。并利用呼和浩特市区数据进行了验证。     

基于高精度DSM的建筑物三维几何模型构建

随着测绘技术的不断进步,高精度DSM已经成为重要的测绘成果,DSM影像上建筑物区域与其周围背景有着显著差异,并且有着相对规则的建筑物边缘。根据边缘NSCT系数特点,提出一种有效的DSM影像建筑物边缘检测算法,在高、低频系数上采用不同方法对建筑物边缘进行检测,利用两类边缘互相补偿校正,能有效提取图像的轮廓特征信息。在获得房屋轮廓线的基础上,对轮廓线围成的房屋区域各点的表面法向量进行统计分析,重构坡面屋顶三维几何模型,实现建筑物的三维模型快速重构。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

基于分类与形态综合的高分辨率影像建筑物提取方法研究

本文提出了一种基于分类和形态综合的高分辨率影像建筑物提取方法。主要研究的是基于高分辨率影像多尺度分割的面向对象人工地物分类方法,并以此为基础提取房屋,实现房屋位置、范围的初步自动化提取。最后,对提取的地物图斑的精确边界利用Hough变换提取直线边缘轮廓线,并以此为基础进行轮廓拟合和制图综合,从而得到规则的、方形组合的建筑物形状信息。     

光谱和形状特征相结合的高分辨率遥感图像的建筑物提取方法

针对高分辨率遥感影像具有较为丰富的地物属性"谱相"信息和空间分布及其组合"图式"信息的特点,提出了一种光谱和形状特征相结合的建筑物自动提取方法。在多尺度分割和矢量化基础上,根据建筑物的形状、光谱特征,从特征基元中自动选取样本,并计算其特征;通过根据建筑物形状、光谱、纹理构造的模板,在整景影像上进行建筑区域识别,并在建筑区域内提取建筑物外部轮廓。实验表明,本算法具有较高的识别率和较低的误识别率。     

基于物方空间几何约束最小二乘匹配的建筑物半自动提取方法

提出了一种从数字航空立体像对半自动提取建筑物的方法。操作员通过人机界面选择房屋的种类并输入初始位置，然后经过边缘检测、直线段提取和据此房屋几何模型的线段自动编组等处理得到各房屋角点的初始位置，最后，为了获得房屋的精确定位和符合物方严格几何约束的结果，基于物方空间几何约束的最小二乘匹配平差模型用于求取房屋直线边缘和物方几何模型的最优匹配，试验表明，该方法能提高建筑物的提取精度并可为半自动建筑物提取提供一个灵活的框架。     

2D地图的建筑物场景结构提取方法及其在城市增强现实中的应用

城市AR中,场景结构的自动获取,对自适应信息表达具有重要意义,是解决“层叠式”信息表现形式引发的信息指示不明、场景感知混乱等问题的关键步骤。然而,场景结构信息隐藏在场景图像中,直接提取十分困难。2D地图描述了地理实体的位置、轮廓和空间布局,可作为场景结构提取的先验信息。针对城市AR中场景结构获取难、效率低的问题,本文提出一种基于2D地图的建筑物场景结构自动化提取方法。在地理配准的基础上,首先根据2D地图中建筑物的轮廓和属性信息,构建场景图像语义分割的结构线索;然后将其作为过分割处理后场景图像合并的依据,生成多个包含语义信息的图像区域;最后根据图像区域与2D地图中建筑物轮廓之间的映射关系,提取出场景图像中的区域轮廓、场景深度和平面朝向等场景结构信息。试验选取了格拉茨地区32个建筑物场景进行测试。结果表明本文方法能实时地提取建筑物场景结构,且建筑物立面提取的质量明显优于对比方法。提取的场景结构能应用于城市AR多种自适应信息表达方法中,使信息标注更明确,遮挡关系更清晰。     

结合影像的LIDAR数据三维建筑物提取

随着LIDAR技术的出现,三维建筑物的提取也受到越来越多的重视。由于LIDAR数据分布的不连续性和不规律性,直接从机载激光扫描测距数据中进行建筑物提取较为困难。本文提出了一种结合灰度影像的LIDAR数据三维建筑物提取方法,分三个步骤:首先对灰度影像进行建筑物二维提取;然后将处理后影像和LIDAR数据粗匹配,初步确定LI-DAR数据中的三维建筑物区域;最后利用一组阈值操作进行三维建筑物的精确提取。实验结果表明该方法简单实用,适应性强。     

利用机载三维成像仪的DSM数据自动提取建筑物

利用三维成像仪获取的DSM作为数据源，首先采用影像分割得到建筑物的平面轮廓线，再根据建筑物一般具有规则平面形状的特点，对建筑物的平面边缘线进行规格化处理，最后求出建筑物的平均高度值，从面得到建筑物的三维信息。试验表明，该方法是实用的。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素，在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取，以及提取精度评定各环节存在的一些问题，提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上，首先利用改进的区域生长算法滤波地面点，并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点；再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面；最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算，通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明，综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息，对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

基于城市航空立体像对的全自动3维建筑物建模

城市建筑物3维建模是虚拟城市建设的关键技术之一。基于大比例尺航空立体像对提出3维建筑物建模方法。首先对2维边缘检测Canny算子进行改进，以期从城市航空影像中检测出较为精确的2维建筑物轮廓线。然后把改进的自适应最小二乘相关算法运用到金字塔匹配算法中，由于金字塔匹配算法中最为关键的问题是误差传递的有效控制，而以往的研究中尽管采用了多咱控制策略但效果不是很好，作者通过提出2种新的误差传播控制策略得到了较高精度的匹配结果。利用匹配生成的高精度3维信息对检测到的2维建筑物轮廓线进行3维插值，获得建筑物的3维信息，由此实现了建筑物3维建模。     

高分辨率遥感影像建筑区域局部几何特征提取

及时准确地获取城市建筑区域的空间分布及其变化信息对于城市规划、空间地理数据库建设及区域社会经济分析具有重要意义。本文提出一种基于多尺度Gabor变换和感知聚类方法即张量投票TV (Tensor Voting)相结合的自适应局部几何不变特征检测方法,并将其应用于高空间分辨率遥感影像建筑区域提取。首先,考虑到高分辨率遥感影像复杂的几何结构特征,使用Gabor滤波器组对影像进行多尺度多方向变换检测奇异性特征。然后,在感知聚类框架下,根据张量投票理论将不同方向子带系数位置编码为相应的二阶对称方向张量,为了突出影像几何特征,对不同尺度、不同方向子带中任意像素位置方向张量使用滤波器响应系数加权并求和完成多尺度特征融合。再次,对张量特征分解得到点结构与线结构显著性图并使用非极大抑制提取相应角点和曲线等局部几何特征,同时生成约束准则筛选角点以确定建筑物坐标。最后,利用概率密度估计结合局部角点特征生成全局概率密度场描述影像中像素从属于建筑目标的概率,并使用最大类间方差法(Otsu)阈值分割自动提取居民地多边形区域。使用分辨率分别为0.49 m、0.98 m的Google Earth及0.8 m的高分二号等影像数据集进行实验,实验结果表明本文方法相对于已有的Harris和HSCD点检测算法,在建筑区域提取质量上(Quality)上分别提高了4.79%,5.96%;1.47%,3.76%和1.91%,4.08%。     

广义点摄影测量在建筑物立面轮廓重构中的应用

采用广义点摄影测量理论对建筑物立面框架轮廓进行重构。广义点是对当代线摄影测量以及无穷远点（灭点）理论的升华。实验结果表明,采用线面基元进行立面重构相比于经典的点云重构方法,不仅简洁、高效,还能获得清晰的三维边缘轮廓,且自动化程度较高。     

高分辨率航空影像建筑物垂直边缘线提取技术研究

高分辨率航空影像建筑物垂直边缘线的提取在获取建筑物高度信息和检测建筑物过程中可以发挥重要的作用。分析建筑物垂直边缘线在遥感影像上的特性,在遥感影像边缘检测和细化基础上,利用带约束条件的Hough变换实现建筑物垂直边缘线的提取,通过实验验证该方法的可行性。