基于机载LiDAR点云和建筑物轮廓线构建DSM的方法

为了获取高精度的数字表面模型(digital surface model,DSM),提出了利用离散的三维激光点云和建筑物轮廓线构建DSM的方法.首先,利用不规则三角网(triangulated irregular network,TIN)渐进滤波算法对激光点云进行预处理,得到地面点和非地面点;然后,基于高程纹理提取非地面点中的建筑物脚点,根据脚点的深度影像图,利用Canny算子提取建筑物边缘,用方位角聚类规则法对建筑物边缘规则化;最后,采用提取的离散地面点数据和建筑物轮廓矢量线构建DSM.采用柳州地区的一组机载LiDAR数据对该方法进行了实验验证,结果表明,通过该方法构建的DSM,建筑物的边缘信息比较精确.     

LiDAR点云中快速提取建筑物的方法研究

研究了从LiDAR点云数据中快速提取建筑物的方法路线。首先通过滤波去噪从点云数据中获取数字表面模型DSM,再通过地面点数据分类获取数字地面模型DTM,将DSM与DTM相减得出对应实体主要为建筑物和植被等地物的规则化nDSM。再利用激光扫描线方向X变量值与高度函数值Z的导数值来确定LiDAR点云是否为建筑物类型,基于此理论对建筑物提取参数进行设置,从而快速提取出建筑物信息。通过实验数据论证并进行成果分析,结果表明本文方法具有较高的效率和准确率。     

机载Lidar数据快速滤波方法

机载Lidar是可以快速获取数字表面模型(Digital Terrain Model,DTM)的一种遥感技术。它能够快速获取大范围地面精确的三维坐标,得到高密度的点云。为了从点云数据中提取地形信息,必须对地面点和非地面点进行分类,称之为滤波。现有算法不适合用于处理大规模数据。本文提出一种快速滤波方法,实验结果表明该方法能够快速准确地提取地形点。与现有的滤波方法相比较,其最大的特点是将二维滤波问题简化为一维滤波,滤波速度快。     

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。     

基于原始LiDAR点云TIN模型的建筑物自动提取

提出一种基于原始LiDAR点云不规则三角网模型的多层结构建筑物激光点自动提取方法。利用TIN模型的空间特性对地面、非地面(建筑物、非建筑物)激光点进行判断,最终获得各个独立建筑物的激光点数据。通过对3组不同特征的城市区域的实验验证,结果表明本文方法能精确地完成建筑物激光点的自动提取,且不需要任何人工干涉或其他辅助数据支持。     

利用原始激光雷达点云数据提取渐进式建筑物轮廓线

建筑物是城市三维建模的重要元素，其轮廓信息的提取既是难点又是重点。本文提出了原始激光雷达点云数据的渐进式建筑物轮廓线提取方法。首先对原始点云数据采用渐进数学形态学滤波分离非地面点；然后使用改进的三维Hough转换分类出建筑物点云；进一步提取建筑物轮廓点，并根据相邻点方位角阈值确定建筑点云轮廓的关键点，以此简化并拟合建筑物轮廓线；最后基于轮廓线长度加权方向将建筑物轮廓规则化。结果表明，该方法大大提高了点云处理的效率和精度，可以直接从采集到的初始数据中自动化渐进式得到建筑物轮廓线信息。同时该方法对解决中小城镇建筑物体积小，距离近和屋顶坡度较大等问题具有较好的效果。     

利用影像辅助LiDAR点云数据的建筑物提取方法研究

机载LiDAR作为一种新兴的对地观测技术,能够快速地获取地表三维信息。如何从海量LiDAR点云数据中提取建筑物是数据处理中的一项关键工作。本文结合LiDAR数据和航空影像的数据特点,提出了一种航空影像辅助的LiDAR点云建筑物提取方法,首先,采用面向对象方法从航空影像中提取建筑物的轮廓;然后,以建筑轮廓信息为参考,从LiDAR点云中提取建筑物的点云数据;最后,通过实验证明该方法的有效性与可行性。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

一种多尺度拟合曲面的LiDAR数据建筑物脚点提取方法

针对现有的建筑物点云提取方法,提出一种基于多尺度拟合曲面算法的LiDAR数据建筑物脚点提取方法。采用顾及地形的TIN滤波算法对地面点和非地面点进行分类;对非地面点集进行多尺度曲面拟合,提取建筑物候选点云;通过分析最大重叠边界矩阵MOBR和阈值条件(如距地高程和最小面积等)剔除具有类似几何和表面特性的人造物(如桥梁、车辆和防护堤等),实现建筑物点云的提取。使用国际摄影测量与遥感协会(ISPRS)提供的Vaihingen和Toronto两块测试数据进行评估,基于面积和目标的平均质量分别达到91.6%、93.1%、84.8%和86.5%。实验结果表明,该方法能够稳健地提取建筑物点云,具有较高的正确性和完整性。     

LiDAR点云与遥感影像结合提取建筑物轮廓

结合点云数据与遥感图像数据提取建筑物轮廓提出一种新方法。首先对LiDAR点云高程栅格化,利用形态学滤波得到地物的高程图DSM;用渐进形态学对高程图进行滤波,得到地形图;通过克里金插值对地面点进行内插得到DTM;以DSM-DTM=DHM得到粗糙的高度图;通过中值滤波得到完善的高度图,进行基于高度信息和彩色信息的区域生长,最后进行基于方位梯度数据的分割,优化建筑物边缘,有效地实现了建筑物轮廓提取。     

Automatic filtering and 2D modeling of airborne laser scanning building point cloud

This article suggests a new approach to automatic building footprint modeling using exclusively airborne LiDAR data. The first part of the suggested approach is the filtering of the building point cloud using the bias of the Z‐coordinate histogram. This operation aims to detect the points of roof class from the building point cloud. Hence, eight rules for histogram interpretation are suggested. The second part of the suggested approach is the roof modeling algorithm. It starts by detecting the roof planes and calculating their adjacency matrix. Hence, the roof plane boundaries are classified into four categories: (1) outer boundary; (2) inner plane boundaries; (3) roof detail boundaries; and (4) boundaries related to the missing planes. Finally, the junction relationships of roof plane boundaries are analyzed for detecting the roof vertices. With regard to the resulting accuracy quantification, the average values of the correctness and the completeness indices are employed in both approaches. In the filtering algorithm, their values are respectively equal to 97.5 and 98.6%, whereas they are equal to 94.0 and 94.0% in the modeling approach. These results reflect the high efficacy of the suggested approach.     

Automatic representation and reconstruction of DBM from LiDAR data using Recursive Minimum Bounding Rectangle

Three-dimensional building models are important for various applications, such as disaster management and urban planning. The development of laser scanning sensor technologies has resulted in many different approaches for efficient building model generation using LiDAR data. Despite this effort, generation of these models lacks economical and reliable techniques that fully exploit the advantage of LiDAR data. Therefore, this research aims to develop a framework for fully-automated building model generation by integrating data-driven and model-driven methods using LiDAR datasets.The building model generation starts by employing LiDAR data for building detection and approximate boundary determination. The generated building boundaries are then integrated into a model-based processing strategy because LiDAR derived planes show irregular boundaries due to the nature of LiDAR point acquisition. The focus of the research is generating models for the buildings with right-angled-corners, which can be described with a collection of rectangles under the assumption that the majority of the buildings in urban areas belong to this category. Therefore, by applying the Minimum Bounding Rectangle (MBR) algorithm recursively, the LiDAR boundaries are decomposed into sets of rectangles for further processing. At the same time, the quality of the MBRs is examined to verify that the buildings, from which the boundaries are generated, are buildings with right-angled-corners. The parameters that define the model primitives are adjusted through a model-based boundary fitting procedure using LiDAR boundaries. The level of details in the final Digital Building Model is based on the number of recursions during the MBR processing, which in turn are determined by the LiDAR point density. The model-based boundary fitting improves the quality of the generated boundaries and as seen in experimental results, the quality depends on the average LiDAR point spacing. This research thus develops an approach which not only automates the building model generation, but also achieves the best accuracy of the model while utilizing only LiDAR data.     

OSM辅助车载LiDAR点云三维道路边界精细提取

道路边界精确提取建模是城市道路管理、智能交通规划和高精度地图制作等领域的重要课题之一。本文提出了一种基于车载激光雷达点云数据和开源街道地图(OSM)的三维道路边界精确提取方法。首先,针对原始车载LiDAR点云数据应用布料模拟滤波分离地面点,再结合相对高程分析获取道路边界点候选数据集。然后,应用OSM矢量道路网数据的节点辅助道路边界点候选点集进行分段。最后,在各分段点云数据集中基于随机抽样一致性算法获得三维道路边界点集。通过直道、弯道及高密度复杂场景3种不同类型的城区道路边界路段分类提取试验。结果表明,利用该方法进行道路边界提取的准确率和召回率分别达96.12%和95.17%,F1值达92.11%,本文方法可用于高精度道路边界的三维精细提取与矢量化,进而为智能交通与无人驾驶导航提供支撑。     

动态空间正图像透视投影正反解

卫星图像都是在动态情形下获取的。瞬间曝光获取的图像投影性质符合透视投影。本文针对卫星动态获取的正图像，建立其平面透视投影，利用矢量解法研究其正反解变换和星下点坐标计算方法，最后给出了算例。     

Automatic urban building boundary extraction from high resolution aerial images using an innovative model of active contours

To present a new method for building boundary detection and extraction based on the active contour model, is the main objective of this research. Classical models of this type are associated with several shortcomings; they require extensive initialization, they are sensitive to noise, and adjustment issues often become problematic with complex images. In this research a new model of active contours has been proposed that is optimized for the automatic building extraction. This new active contour model, in comparison to the classical ones, can detect and extract the building boundaries more accurately, and is capable of avoiding detection of the boundaries of features in the neighborhood of buildings such as streets and trees. Finally, the detected building boundaries are generalized to obtain a regular shape for building boundaries. Tests with our proposed model demonstrate excellent accuracy in terms of building boundary extraction. However, due to the radiometric similarity between building roofs and the image background, our system fails to recognize a few buildings.     

对比Harris算子和Susan算子的建筑物边界规则化方法

建筑物顶部边界的精确提取在建立数字城市等方面发挥着非常重要的作用。本文针对从遥感影像中粗提取的建筑物边界不规则的问题，结合Harris算子和Susan算子，提出了一种对粗提取后的建筑物边界进行规则化拟合的处理方法。首先对粗提取的建筑物顶部边界进行预处理以剔除噪声影响；然后分别使用Harris算法和Susan算法对预处理后的建筑物边界进行角点检测提取；最后对检测提取的边界角点进行点号排序和规则化拟合连接得到规则的建筑物边界。试验结果表明，通过该方法处理后的建筑物边界平滑且与其实际边界基本一致。     

车载激光点云道路边界提取的Snake方法

针对车载激光点云中道路边界提取困难,自动化程度低的问题,提出一种基于离散点Snake的车载激光点云道路边界提取方法。不同于传统基于图像建立Snake,本文直接基于离散点建立Snake模型。先利用伪轨迹点数据,确定初始轮廓位置,参数化不同类型的道路边界初始轮廓;然后基于离散点构建适合多类型道路边界的Snake模型,定义模型内部、外部和约束能量,通过能量函数最小化推动轮廓曲线移动到显著道路边界特征点处,实现不同道路边界的精细提取。本文试验采用3份不同城市场景的车载激光点云数据验证本文方法的有效性,道路边界提取结果的准确率达到97.62%,召回率达到98.04%,F1-Measure值达到97.83%以上,且提取的道路边界结果与软件交互提取的结果有较好的吻合度。试验结果表明,本文方法能够修正噪声、断裂等数据质量对道路边界提取的影响,能够实现各类复杂城市环境中不同形状道路边界的提取,具有较强的稳健性和适用性。     

基于机载LiDAR数据的建筑物轮廓规则化方法

在点云数据分类和建筑物轮廓提取的基础上,提出一种基于最小外包矩形的建筑物轮廓规则化方法。以任意两相邻轮廓点构建初始外包矩形,以迭代的方式将内点数最多者作为最终外包矩形,继而以面积比率、距离和均方根作为指标对规则化结果给出评判,最后以实际数据进行实验。实验结果表明,文中提出的方法能够有效对分类后的建筑物轮廓点进行规则化。