LiDAR辅助下利用超高分辨率影像提取建筑物轮廓方法

以精确自动提取建筑物轮廓为目标,提出一种LiDAR辅助下利用超高分辨率影像进行轮廓提取的新方法.其要点分为4步:① 预处理,检测LiDAR中建筑物点并分割成每栋建筑物的点集;② 建立轮廓提取区,针对每栋建筑物做缓冲区和外接矩形,通过缓冲区过滤和外接矩形切割,建立轮廓提取感兴趣区域;③ 线段提取,借助LiDAR估算出建筑物概略主方向,并在该方向的约束下,自动、鲁棒地检测出建筑物的主方向和建筑物的线段;④ 轮廓筛选,基于LiDAR密度分析与Kmeans聚类动态筛选出精确轮廓.本方法所提取的建筑物轮廓定位精确、细节完好,轮廓提取准确率91%.     

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。     

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。     

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。     

基于移动激光扫描点云数据和遥感图像的建筑物三维模型快速建模方法

建筑物的三维建模是城市三维建模和可视化的重要组成部分。本文提出一种基于点云数据与遥感图像的建筑物三维模型快速建模方法。首先,运用改进的RANSAC法从点云数据中提取建筑立面,根据立面区分平顶建筑与人字形屋顶建筑;在此基础上,进一步对建筑物的高度进行提取;之后,利用区域增长法从遥感图像中提取建筑物屋顶轮廓,利用形态学方法对提取出的轮廓进行规则化处理,并基于Freeman链码提取轮廓角点,得到规整的轮廓;最后,根据提取出的建筑高度属性对屋顶轮廓拉伸并进行纹理映射,实现对建筑物的三维重建。通过实例证明,提出的方法能快速、高效地实现建筑物三维模型的重建。     

关键点检测的复杂建筑物模型自动重建

利用机载LiDAR点云数据进行建筑物重建是当今摄影测量与遥感领域的一个热点问题,特别是复杂形状建筑物模型的精确自动构建一直是一个难题。本文提出一种基于关键点检测的复杂建筑物模型自动重建方法,采用RANSAC法与距离法相结合的分割方法自动提取建筑物屋顶各个平面的点云,并利用Alpha Shape算法提取出各个平面的精确轮廓,根据屋顶平面之间的空间拓扑关系分析建筑物的公共交线特征,在此特征约束下对提取的初始关键点进行修正,最终重建出精确的建筑物3维模型。选取不同类型复杂建筑物与包含复杂建筑物的城市区域点云进行实验,结果表明该算法具有较强实用价值。     

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。     

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。     

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。