数码社区3维模型建立方法的探讨

引入数码社区的概念、阐述了建筑物模型的分类和3维建模的方法，探讨了基于边界表示法的分体组合建模方法，并扼要提出数码社区的构建结构。     

LiDAR数据与航空影像结合的建筑物重建

探讨了结合航空影像的LiDAR数据简单建筑物重建算法,以建筑物边界、屋顶面片的自动提取及面片邻域关系的建立,重建了简单直角建筑物模型,并利用航空影像进行了精确定位。     

车载激光扫描点云中建筑物边界的快速提取

以车载激光扫描点云数据为研究对象,提出一种由粗到细且快速获取点云中建筑物3维位置边界的方法。首先,通过分析格网内部点云的空间分布特征(平面距离、高程差异和点密集程度等)确定激光扫描点的权值,采用距离加权倒数IDW(Inverse Distance Weighted)内插方法生成车载激光扫描点云的特征图像。然后,采用阈值分割、轮廓提取与跟踪等手段提取特征图像中的建筑物目标的粗糙边界。最后,对粗糙边界内部的建筑物目标点云进行平面分割,提取建筑物的立面特征并构建立面不规则三角网TIN(Triangulated Irregular Network),并在建筑物先验框架知识条件下自动提取建筑物的精确3维位置边界。     

从机载激光雷达点云提取建筑物屋顶边界的活动轮廓模型改进方法

本文基于边缘与局部信息提出了一种处理多波段图像的活动轮廓模型,并将其应用于LiDAR数据的建筑物边界提取。本文首先将分类得到的屋顶点云数据转换为栅格数据,并作为模型的输入图像,进而采用变分水平集方法解求模型能量函数的最小解,得到建筑物的边界。该模型消除了其他活动轮廓模型对初始曲线和所处理图像类型的限制,适于任意形状的建筑物边界的自动提取;水平集规则项的添加,减小了模型的计算时间。实验结果表明：与IAC模型、GACcolor模型相比,本文模型在建筑物边界提取的应用中可以达到更高的匹配度、形状相似度以及位置精度。     

一种倾斜摄影模型精细融合方法

现有三维模型融合方法多采用对原有三角面片顶点重新构网的方式，容易导致原有模型几何特征丢失及纹理失真等。本文针对倾斜摄影模型自身特点，提出了一种模型精细融合方法。首先，以一个模型作为中心模型，并以另一模型与中心模型外轮廓的空间关系计算融合区域；然后，以中心模型外轮廓作为约束，对原始模型三角面片进行精细剖分；最后，基于精细剖分的三角面片进行纹理坐标的插值计算。以实际倾斜摄影数据进行试验的结果表明，本文方法融合后的网格模型拓扑结构正确，融合边界不存在漏洞、裂缝和错位等情况，而且纹理过渡自然，颜色无明显差异。     

建筑物LiDAR点云的屋顶边界提取

提出了一种建筑物LiDAR点云的屋顶边界提取方法.首先构建了离散的建筑物屋顶LiDAR点的TIN模型,在TIN模型中根据点的空间几何关系,过滤整个三角网的边界线,从而过滤出初始边界点.在初始边界点构成的边界中,过滤出边界斜率变化显著的点作为拐点.利用所有的屋顶LiDAR点将拐点扩展,得到边界的扩展点,由扩展点构成的屋顶边界为最终提取的建筑物屋顶边界.     

机载激光雷达数据的建筑物三维模型重建

机载激光雷达技术可以快速获取建筑物高精度高密度的三维空间信息.文章提出一种建筑物三维模型重建方法,该方法利用栅格数据使用RANSAC算法提取建筑边界上的长线段,采用规则化策略获取建筑轮廓;在模型生成阶段,基于原始点云和屋顶拓扑关系约束,获取屋顶间的交线和交点,并结合已得到的建筑边界、屋顶间交线和交点获取三维建筑模型.实验结果表明,该方法思路清晰、科学可行且适用性强,提取的建筑边界和模型垂直精度高.     

边界虚拟钻孔在复杂地质体3维建模中的引入与确定

在矿山复杂地质体3维建模中,由于数据缺乏致使模型难以控制地质体空间边界特征,直接影响到模型的准确性和实用价值。借助边界虚拟钻孔方法来增加复杂地质体边界数据点密度,从而有效控制3维形体的边界,在一定程度上能缓解这一问题。以地层受断层破坏为例,分别就地层与断层4种典型空间分布组合特征下边界虚拟钻孔的确定方法进行研究,提出相应解决方案。边界虚拟钻孔和普通钻孔在数据存储方式、数据结构和表达方式等方面具有一致性,可用类似的处理方式,因而可以加快3维地质建模,提高建模精度。     

基于GIS和3dsMax的3维地质场景建立与可视化研究

提出一种基于ArcGIS和3dsMax的3维地质场景建立与可视化方法。其主要原理是：首先利用ArcMap矢量化水平地质构造剖面边界;其次,利用3dsMax及其嵌的脚本语言分别生成水平地质剖面和钻孔数据的3维立体模型;然后,利用Max脚本绘制了3维地质剖面,建立了3维地质场景并实现其可视化。该方法具有简单、快速和直观的优点,可以推广应用于地学研究和工程应用等相关领域。     

一种含室内空间结构的建筑物3D LOD概念模型与生成方法

针对现有建筑物多细节层次（level of detail,LOD）表达主要面向外部,很少涉及内部空间的问题,提出一种含室内空间结构的建筑物三维LOD概念模型。该模型分为LOD0~LOD6 7个LOD,细节层次由建筑物的基底平面图、幢模型、无侧面楼层模型、楼层模型、户模型、房间模型到含门、窗等建筑语义的信息房间模型,空间细节逐次变细,丰富了建筑物室内空间LOD的表达理论。为构建这种LOD模型,提出基于胞腔复形链边界算子和上边界算子的LOD生成方法。该方法引入代数拓扑的胞腔、胞腔复形和复形链3个概念,利用胞腔和胞腔复形表达LOD,并在LOD6的基础上,利用边界算子和上边界算子生成其他粗空间粒度LOD模型,为三维城市模型建筑物LOD构建提供一种新方法。     

融合多时相高分影像的建筑物轮廓优化方法

针对高分影像建筑物提取存在错分和漏分等问题，常见的单幅影像矩形轮廓优化由于投影差、树木和阴影遮挡等问题边缘准确度不够，本文提出了一种融合多时相建筑物轮廓优化方法。首先，将两期高分影像进行匹配等预处理，利用基于偏移阴影分类验证提取建筑物初始结果。然后，分别获得两期影像中各建筑物轮廓的最小面积外接矩形，并对同名建筑物的最小面积外接矩形的各对应角点进行匹配。最后，通过对比两期影像的对应最小面积外接矩形的对应边上建筑物像素点的数量，选择像素点数量多的边作为适宜边进行平移以获得最优边，四条边都是最优边后进行直线正交得到最终符合建筑物原始形态的轮廓。试验结果表明，本文方法相比传统方法和其他轮廓优化方法在精确度和完整度上均有提高。     

在Matlab平台下基于形态学方法对LIDAR数据进行建筑物边缘提取

为了对机载LIDAR数据进行更好的应用,本文对LIDAR数据进行建筑物边缘提取方法进行了研究。本文介绍了LIDAR系统,以及LIDAR数据处理流程。首先将机载LIDAR数据三位点数据生成深度影像,在Matlab的平台下运用形态学方法对深度影像进行建筑物边缘提取,并与Log算子、Candy算子这两种方法相比较,得出运用形态学方法对建筑物边缘提取有较好的效果。形态学方法得到的建筑物边缘断点少,边缘更连续,因此更有利于判读。     

基于倾斜摄影建筑模型的采集精度改进与评估

研究了基于倾斜摄影建筑模型的采集以及提高精度的优化算法。针对已有的建筑模型采集方法无法做到很好的精度控制，建筑物边线采集方式单一，获取的边线未经过算法处理的情况，提出了约束条件的建筑边线采集方法，并在此方法基础上通过建筑边线和墙体关系开展优化建筑边线精度的算法研究，即利用给定的采集方法和优化算法。使用该采集方法获取建筑立面线粗图，并将这些数据统一批量优化，进一步从采集阶段和优化阶段有效提高立面线数据的精度。     

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。     

基于分形理论的SAR图像边缘检测

分析了SAR图像的基本特点 ,阐述用DFBR模型表达SAR图像的基本原理 ,提出两种基于分形理论的SAR图像边缘检测方法。通过对传统方法、分形方法和多尺度分形方法的特性分析和实验 ,说明分形方法有较强的抗干扰性能 ,适用于SAR图像的边缘检测 ,并且基于多重分形的方法能获得更好的检测结果     

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。     

一种基于SVM的无人机影像中单个建筑物的角点检测方法

针对目前无人机影像中单个建筑物角点的检测现状,提出了一种基于支持向量机(SVM)的无人机影像中建筑物的角点检测方法。首先对4个波段的无人机影像进行多尺度分割,计算影像的NDVI,通过植被与非植被区域的波谱差异剔除植被的影响。其次,用面向对象分类法将"建筑物块"从影像中提取出来,对"建筑物块"区域用Harris算子进行边缘检测,形成建筑物边缘点集数据。随后通过设计高斯径向基将边缘样本点映射到高维特征空间,构建特征向量,采用边缘点集训练SVM分类模型,最终通过SVM分类模型从粗提取的边缘点集中检测出正确的建筑物角点,实现了单个建筑物的角点提取。     

一种四叉树和测地线活动轮廓模型相结合的海陆影像分割方法

海陆影像分割对于后续的海岸线提取、潮间带地形反演、海岸演化状况分析等都具有十分重要的意义。本文在分析了四叉树、测地线活动轮廓(GAC)模型和Canny边缘检测算子等在海陆影像分割中优缺点的基础上,提出了一种四叉树、Canny算子和GAC模型相结合的海陆影像分割方法。该方法综合利用上述各方法的优点,将Canny算子边缘检测结果融入到基于四叉树初分割的GAC模型中,重构边界停止函数,演化水平集方程,实现海陆影像分割。试验结果表明,该方法具有海陆影像分割速度快、精度高、可靠性强和自动化程度高等优点,对于弱边缘以及严重凹陷边缘,都能实现自动和准确分割。     

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。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。