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。     

基于决策树的机载LiDAR点云数据分类

本文采用基于决策树的人工智能方式,通过对点云数据分割、提取分割片轮廓,手动设置地物的约束条件来提取LiDAR点云中的地物。两组实验表明,本文的方法能够成功提取点云数据中的建筑物、车辆等地物;要提高精度,需增加点云密度,因此本文方法适用于较平坦的城镇地区。     

基于决策树的机载LiDAR点云数据分类

本文采用基于决策树的人工智能方式,通过对点云数据分割、提取分割片轮廓,手动设置地物的约束条件来提取LiDAR点云中的地物。两组实验表明,本文的方法能够成功提取点云数据中的建筑物、车辆等地物;要提高精度,需增加点云密度,因此本文方法适用于较平坦的城镇地区。     

一种基于LiDAR数据的建筑物自动提取方法

基于LiDAR点云数据,提出一种由粗到细的建筑物自动提取方法。首先利用ISODATA算法对LiDAR数据生成的DSM进行聚类,在此基础之上依据建筑物的面积、地面点的高度差和坡度信息进行建筑物粗提取,最后利用地物的空间邻域关系对粗提取到的建筑物进行精处理。实验结果表明,该方法可以得到较高精度的建筑物信息。     

车载LiDAR点云数据中杆状地物自动提取与分类

针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下有效提取城市道路场景中的杆状地物,并对提取的杆状地物进行高精度分类。     

利用三维激光扫描数据进行建筑物立面点云分割算法分析

三维激光扫描技术在当今社会的应用越来越广泛，但由于点云数据量大，处理效率低下，如何快速高效地将大量点云数据进行重建与识别成为解决问题的关键。点云分割技术能够将立面点云中的特征信息与背景点云分离开来，为地物特征信息的提取和识别工作提供了重要的技术支持。本文通过编程实现了多种点云分割算法，对建筑物立面进行分割处理，详细分析了不同算法的分割精度及适用范围。     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。     

利用高精度DSM数据提取建筑物轮廓算法研究

基于DSM数据提取建筑物轮廓信息是快速自动构建建筑物三维模型的基础和前提.本文将随机抽样一致性算法RANSAC引入到DSM点云分割中,提出了一种基于随机抽样一致性算法模型的建筑物面片识别和轮廓提取算法,实现了高精度DSM数据的建筑物轮廓信息提取,试验验证了本文方法的精度和可靠性.     

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。     

激光雷达点云电力线自动提取算法

针对当前电力线提取方法自动化程度和精度不高的问题,本文从点云数据的空间分布特征出发,提出了一种高效的电力线自动提取方法。首先基于自然裂点法,将点云数据按高程分类后去除地面点;然后对数据进行空间划分,基于子空间的点密度及空间结构特征的差异化,利用地物分割算法去除电塔点和残留的植被点;最后利用基于欧氏距离分割的电力线自动检测算法,实现单根电力线的快速、高精度提取。提取结果和拟合试验表明,该方法能在复杂地形下实现电力线的自动提取,极大提高了电力线的提取效率和精度。     

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。     

融合LiDAR点云与正射影像的建筑物图割优化提取方法

提出一种基于图割算法的建筑物LiDAR点云与正射影像融合提取方法。首先,利用LiDAR点云计算3个几何特征：平整度、法向量分布和高程纹理一致性。同时利用航空正射影像计算颜色特征——归一化植被指数（NDVI）。然后将两类特征联合构建能量函数数据项,综合数字表面模型（DSM）和NDVI构建平滑项,采用图割算法优化得到初始的建筑物区域。最后利用初始建筑物边缘一定范围内的正射影像颜色信息,采用前后景分割的思想进一步优化建筑物边缘。应用ISPRS Vaihingen测试数据进行试验,结果表明本文方法具有较高的建筑物提取精度。     

基于车载激光点云的高精地图矢量化成图

针对车载激光点云中对各特征物提取结果后矢量化成图时的自动化问题,本文基于双方向积分法实现了边缘检测及矢量化成图,旨在保证特征物基本特征的同时,也保证点云的绝对精度。将输入的特征点云进行离群点过滤,以保证外包框算法特征点云的准确度;将三维点云按照外包框算法投影至最优平面,为后续沿各方向积分提供输入;利用八邻域KD-tree算法求出样本特征点云的均值邻域半径,依据邻域半径对各方向积分提供积分域中的微分元;根据提供的微分元沿各方向进行积分,在该积分元内找到距平面最值的最优解;按照积分结果构建点云索引,并根据点云特征构建模型,最终得到高精地图的矢量化点云。试验证明了该方法在处理实际问题时的可行性。     

机载激光点云构建西部矿区开采沉陷模型研究

针对榆神矿区地形起伏而植被覆盖度较低的条件,采用无人机激光雷达(LiDAR)对采煤沉陷盆地进行地面扫描和建模,按现有的点云滤波和插值算法所构建的沉陷模型精度不足的问题,该文提出基于格网高程排序的类地面点云提取算法,通过改变格网大小和点云提取比例来优化点云滤波效果,改进了地表沉陷模型的精度。在此基础上,选用概率积分法和GaussAmp函数对沉陷模型进行最小二乘拟合,结果表明GaussAmp函数对于试验区地表动态沉陷模型的拟合精度更高。     

融合随机森林和超像素分割的建筑物自动提取

建筑物是城市空间的重要部分,建筑物信息的提取对基础地理空间数据库更新、城市规划、城市动态监测等具有重要意义。基于遥感影像数据提取建筑物信息具有非常广泛的应用,本文提出了一种基于随机森林和超像素分割算法,并从机载激光点云和数字航空影像数据中自动提取建筑物的方法。试验选取广州市海珠区某处为研究区域,结果表明：在一般的城市区,90%以上建筑物可以准确快速提取,平均准确性和完整性均为90%左右,本文提出的方法具有良好的应用前景。     

激光雷达点云平面拟合过滤算法

在分析激光雷达点云空间分布特征的基础上,提出了基于斜率的激光点云平面拟合过滤算法,并利用该算法对机载激光雷达点云的特征提取进行了实验研究.结果表明,此算法能有效地拟合激光点云的连续平滑的水平平面、倾斜平面和垂直平面,在DTM、建筑屋顶和垂直墙壁等特征提取中具有较好的效果.     

一种可见光影像稠密匹配点云的单栋建筑物提取方法

建筑物点云提取是城市快速三维建模的基础。针对城区中建筑物和树木空间距离较近导致建筑物点云误提取的问题,提出一种颜色约束的欧式聚类算法。该方法利用低空拍摄可见光影像进行三维重建、获取点云数据,在建立点云K邻域索引和表面估计的基础上,以曲率最小的点作为欧式聚类的种子点,将点云的RGB值转换成Lab颜色模型,对建筑物点云的聚类提取进行约束。实验表明,该方法可以有效地解决可见光影像匹配点云中建筑物提取时将树木误提取的问题。     

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。