利用三维激光点云重构建筑物模型

随着三维激光点云数据获取能力的提升，基于三维激光点云进行建筑物模型重建与立面测绘成为工程应用中常用的方法。三维激光点云数据能够体现建筑物丰富和直观的细节信息，然而海量数据处理给建筑物模型构建带来了极大挑战。本文通过对建筑物的三维激光点云数据进行横切得到建筑物轮廓点，并采用基于遗传算法的TSP算法对轮廓点进行处理以获取建筑物各立面的方程系数，最终实现建筑物模型的构建和获取详细的建筑物立面数据。试验结果表明，此方法可以较好地实现LOD1级建筑物模型的构建，进而为更高（LOD3）级别的建筑物模型构建提供依据。     

车载LiDAR点云中的建筑物特征提取

针对车载LiDAR点云数据处理复杂、时间长的问题,本文以地物不同特征值作为建筑物自动提取算法的依据,通过点云数据预处理、聚类分析等一系列流程最终实现一般建筑物点云的自动提取。通过两个实验区点云数据的提取与相应的实际地物进行精度分析对比,结果表明本文算法对实例测区环境下的不同建筑物点云提取具有较好的有效性,满足数字城市三维建模的精度要求。     

无人机影像点云与地面激光点云配准的三维建模方法

地面激光扫描仪(Terrestrial Laser Scanner,TLS)能够快速地获取高大建筑物侧面点云数据,但较难获取其顶部点云数据。无人机(unmanned aerial vehicles,UAV)通过搭载五镜头倾斜摄影相机,能在短时间内获取高大建筑物的顶部影像,并基于摄影测量原理生成建筑物顶部的三维点云。文中针对高大建筑物的三维建模,首先通过UAV影像构建三维点云信息,然后将UVA影像点云与TLS点云数据进行配准后构建其三维模型。以云南师范大学呈贡校区武之楼为例,分别采用单一源的两种数据进行三维建模,并与两种配准后的数据进行三维建模作比较,实例结果表明,配准后的数据建模更完整,效果更好,能更完整地表现出建筑物的信息。     

无人机影像密集匹配点云在违法占地和违法建筑监测中的应用

当前城市违法占地和违法建筑监测大多基于遥感影像开展,无法有效发现建筑物加建、加盖等情况,利用影像密集匹配点云提取建筑物三维变化是“两违”精准监测的有效途径。本文以贵港市“两违”监测工作为例,以无人机影像密集匹配点云为基础数据,通过构建深度神经网络模型自动提取建筑物点云,并检测不同时相建筑物点云的变化,经叠加审批、规划等自然资源管理数据,快速提取出疑似“两违”图斑并开展监测。     

利用三维激光扫描技术检测建筑物平整度及垂直度

利用地面三维激光扫描仪对某建筑物进行全自动高精度立体扫描，获得目标建筑物表面的三维空间点云信息，经过研究分析提出了一种根据点云提取建筑物中心轴线的方法，采用随机采样一致性算法（RANSAC）拟合直线，并采用整体最小二乘算法拟合平面。通过分析拟合平面及拟合直线的几何特征来检测建筑物的平整度和垂直度，实测数据分析结果表明，三维激光扫描技术在建筑物立面平整度及垂直度检测中具有较高的可行性和适用性。     

空地融合的建筑物室内外一体化点云构建技术

室内外一体化的建筑物模型是智慧城市管理的基础数据,倾斜摄影和地面三维激光扫描是当下两种主要的建筑物模型数据获取方式。针对单一数据采集方式受诸多因素制约,难以获取完整建筑物室内外三维数据的难题,本文提出了倾斜密集匹配点云与地面激光扫描点云融合的技术路线,利用地面激光扫描获取建筑物立面与室内点云,利用倾斜摄影获取建筑物顶部点云,并将两者结合构建室内外一体化的完整建筑物点云;以高密泥塑展馆为研究对象,验证了该技术路线的可行性及融合精度,可为类似项目提供参考。     

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。     

基于点云的建筑物立面图快速绘制

随着三维激光扫描技术的成熟,借助点云数据获取建筑物信息已成重要方法。建筑物立面测量是城市规划中的重要工程,传统测量方式有着种种问题。本文引入三维激光扫描仪,通过分析现有点云数据,研究了建筑物立面图绘制过程。借助多软件平台联合作业,提出了一种快速绘制建筑物立面图的方法。并借助实验数据验证其可行性,同时借助该方法获取的建筑物立面图后续可应用于城市规划、三维数字城市建设。     

基于激光点云数据的管道破损定量检测技术

采用管道激光扫描技术可获取管道内表面的点云三维信息,解决了传统管道视频检测方法难以定量化检测的问题。本文针对管道破损缺陷的点云数据特点,利用统计滤波和半径滤波等点云滤波算法,实现了管道破裂处点云删除;基于随机一致性采样(RANSAC)算法实现了管道点云圆柱面投影和管道点云数据二维平面展开;通过网格化筛选和区域生长算法实现了管道点云数据破损缺陷检测及自动化分析。实测数据验证了该方法的可靠性和有效性,可以准确识别管道破损位置,并计算破损面积、纵向长度、环向长度等参数。     

浅谈倾斜摄影在三维模型中重建的方法

针对倾斜摄影建模存在的模型精细度不足、底部纹理缺失等问题,采用三维点云数据,可以快速实现实景三维模型重建,其建模成果可以进行精细的纹理映射。通过对试验区数据的分析,验证了通过三维点云技术手段获取得到的建筑物表面点云信息可以有效地补充倾斜摄影建模存在的底部纹理缺失等问题,也可以提高三维模型的精细化程度,为相似项目提供参考。     

基于遥感信息和DSM的城市土地利用变化监测研究

建立了一套基于遥感信息和DSM的变化检测信息管理系统,该系统主要包括DSM数据管理模块、DSM变化检测模块和变化结果表达模块。系统利用多时相的数字表面模型(DSM),通过变化检测模块检测出城市地区人工建筑物、植被等的变化情况,检测结果可以应用在基本农田保护、土地利用变化监测以及违法用地查处等方面,为地理国(市)情监测提供技术支持。检测过程自动化程度高、快速、准确。     

Change detection on LOD 2 building models with very high resolution spaceborne stereo imagery

Due to the fast development of the urban environment, the need for efficient maintenance and updating of 3D building models is ever increasing. Change detection is an essential step to spot the changed area for data (map/3D models) updating and urban monitoring. Traditional methods based on 2D images are no longer suitable for change detection in building scale, owing to the increased spectral variability of the building roofs and larger perspective distortion of the very high resolution (VHR) imagery. Change detection in 3D is increasingly being investigated using airborne laser scanning data or matched Digital Surface Models (DSM), but rare study has been conducted regarding to change detection on 3D city models with VHR images, which is more informative but meanwhile more complicated. This is due to the fact that the 3D models are abstracted geometric representation of the urban reality, while the VHR images record everything. In this paper, a novel method is proposed to detect changes directly on LOD (Level of Detail) 2 building models with VHR spaceborne stereo images from a different date, with particular focus on addressing the special characteristics of the 3D models. In the first step, the 3D building models are projected onto a raster grid, encoded with building object, terrain object, and planar faces. The DSM is extracted from the stereo imagery by hierarchical semi-global matching (SGM). In the second step, a multi-channel change indicator is extracted between the 3D models and stereo images, considering the inherent geometric consistency (IGC), height difference, and texture similarity for each planar face. Each channel of the indicator is then clustered with the Self-organizing Map (SOM), with “change”, “non-change” and “uncertain change” status labeled through a voting strategy. The “uncertain changes” are then determined with a Markov Random Field (MRF) analysis considering the geometric relationship between faces. In the third step, buildings are extracted combining the multispectral images and the DSM by morphological operators, and the new buildings are determined by excluding the verified unchanged buildings from the second step. Both the synthetic experiment with Worldview-2 stereo imagery and the real experiment with IKONOS stereo imagery are carried out to demonstrate the effectiveness of the proposed method. It is shown that the proposed method can be applied as an effective way to monitoring the building changes, as well as updating 3D models from one epoch to the other.     

Enhanced change detection index for disaster response,recovery assessment and monitoring of buildings and critical facilities—A case study for Muzzaffarabad,Pakistan

The availability of Very High Resolution (VHR) optical sensors and a growing image archive that is frequently updated, allows the use of change detection in post-disaster recovery and monitoring for robust and rapid results. The proposed semi-automated GIS object-based method uses readily available pre-disaster GIS data and adds existing knowledge into the processing to enhance change detection. It also allows targeting specific types of changes pertaining to similar man-made objects such as buildings and critical facilities. The change detection method is based on pre/post normalized index, gradient of intensity, texture and edge similarity filters within the object and a set of training data. More emphasis is put on the building edges to capture the structural damage in quantifying change after disaster. Once the change is quantified, based on training data, the method can be used automatically to detect change in order to observe recovery over time in potentially large areas. Analysis over time can also contribute to obtaining a full picture of the recovery and development after disaster, thereby giving managers a better understanding of productive management and recovery practices. The recovery and monitoring can be analyzed using the index in zones extending from to epicentre of disaster or administrative boundaries over time.     

增强型形态学建筑指数的建筑物变化检测

针对在高分辨率遥感影像中,利用形态学建筑指数提取建筑物时,同质性区域内部会出现噪声影响建筑物变化检测精度的问题,该文提出一种基于增强型形态学建筑指数的建筑物变化检测方法。采用增强型形态学建筑指数进行建筑物的提取,较好地去除了同质性区域内部的噪声,提高了建筑物提取精度;利用变化向量分析法获得建筑物变化检测结果,并采用LFI指数对变化检测结果进行后处理,有效地区分出建筑物对象和城市道路等地物,提高了建筑物变化检测精度。最后通过实验证明:该文算法可以有效地进行建筑物的提取和变化检测。     

一种基于影像分割的城市建筑物变化检测方法

针对高分辨率遥感影像建筑物变化检测精度不高的问题,本文提出了一种改进城市建筑物变化检测方法。首先通过提取像元顶点构造像元图集,并以长宽比与矩形度作为变化检测测度,对后一期影像进行影像分割,识别建筑物轮廓对象。将建筑物轮廓进行几何关系筛选,完成建筑物变化信息提取。实验表明,该方法具有较高的变化检测精度,可明显削弱光照条件和成像角度对建筑物变化检测精度的影响,是一种普适性较强的城市建筑物变化检测方法。     

商贸家园房屋质量监测

以商贸家园3号楼为例,从沉降监测、倾斜监测和位移监测等方面进行房屋质量监测。从监测结果看,3号楼整体安全可控,结果也表明该监测方法切实可行,可以应用到各种建筑物质量检测中。     

基于HRNet的高分辨率遥感影像建筑物变化信息提取

建筑物图斑变化检测是遥感影像信息提取的重要内容之一,对于土地调查、自然资源常态化监测、土地执法监测等具有重要意义。岭南地区建设结构复杂,高分辨率遥感影像信息丰富,包含建筑结构细节多种多样,加上成像的季节不同、时间不同等因素导致建筑物变化信息的自动提取十分困难。针对此问题,本文提出了基于HRNet的语义分割模型,通过筛选保留高分辨率的特征层,从而保留更细节的图像信息。此外,结合图像分割二值化对结果进行优化,在一定程度上提高了高分辨率遥感影像建筑物变化自动检测的能力。     

基于时空自相关的建筑物变化检测

针对传统基于像素级的变化检测方法在变化分析中难以利用像元间的时空关系、变化检测结果精度低的问题,提出了一种基于时空自相关的建筑物变化检测方法。首先,利用形态学建筑指数(Morphological Building Index,MBI)进行建筑物提取,并通过长宽比、面积等剔除道路信息优化建筑物提取;其次,采用时空自相关模型分别构建两期MBI特征影像的时空自相关性指标值作为对应像元的相似性测度;最后,利用最大类间方差(otsu)法确定最优阈值,得到变化检测结果。实验表明,该方法所得变化检测结果更完整,漏检率和误检率均低于对比算法,该方法基本满足变化检测需求,为高分影像建筑物变化检测提供一种新的技术手段。     

利用结构面对象的高分遥感影像建筑物变化检测

根据建筑物具有丰富的角点和规则的外观形状的特点,本文提出了依据线段信息生成建筑物变化检测基本单元——结构面对象的建筑物变化检测方法。从高分遥感影像中提取出建筑物的边缘线及屋顶外形线条,生成结构面对象并提取其在两时相影像中相应的特征信息,通过监督分类获取变化建筑区域。试验结果表明,利用结构面对象进行建筑物变化检测能较完整地覆盖变化建筑物表面且对象边缘检测效果较好。     

基于深度学习的城市地理国情地表覆盖分类研究

作为图像识别的研究热点,利用深度学习对遥感影像进行自动分类具有较强的应用实践价值。本文基于全卷积神经网络的深度学习框架,提出了一套城市地理国情地表覆盖分类技术方法:利用地理国情成果,构建城市遥感影像样例库,训练全卷积神经网络,实现地表覆盖自动分类,并通过相似性系数对专题地物进行变化检测。文章选取了上海局部区域作为实验对象,结果发现该方法可以有效减少时间成本,对人文和自然地理要素之间具有较好的区分度,可以为地理国情成果应用和实践提供新的思路和方法。