共查询到20条相似文献,搜索用时 15 毫秒
1.
针对城市侧视地图上建筑物轮廓线主要依靠人工交互提取,成本高昂、效率低下且精细度和准确度有限的问题,提出了一种任意视角侧视地图中建筑物轮廓线的自动提取方法。采用深度缓冲区分割算法获取单个建筑物对象的颜色缓冲区,顾及了存在建筑群的情况和建筑物密集区域的遮挡问题,再基于颜色缓冲区追踪建筑物轮廓线。为了保持遮挡一致性且便于匹配提取出的矢量轮廓线与栅格侧视地图,本文还提出了基于投影空间分块加载三维城市模型的方法。最后,以武汉市典型三维城市模型数据为例,证明了该方法的有效性和可靠性。 相似文献
2.
针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题,提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先,利用RPC模型计算建筑物像点位移的方向与卫星成像角度,再将遥感影像进行旋转,使建筑物像点位移沿水平方向;然后,利用Canny算法进行轮廓检测,并构建一定长度的矩形形态学结构元素,对轮廓图像进行形态学开运算,以提取侧面轮廓线,再利用Hough变换与建筑物角点约束,对所提取的轮廓线进一步筛选;最后,根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证,并与阴影法估算建筑物高度进行了对比。试验结果证明,利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m,且实际精度优于使用阴影法进行建筑物高度估算。 相似文献
3.
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。 相似文献
4.
5.
6.
7.
建筑物轮廓线作为建筑物建模的基础数据,其精确获取成了点云研究者的重点研究内容。本文以原始点云数据为基础,探究点云数据中建筑物轮廓线的提取流程,采用渐进三角网滤波实现地面点与地物点的分离,利用22种特征向量训练随机森林获取建筑物点云,最后以方向约束的随机抽样一致算法(RANSAC)实现建筑物轮廓线规则化提取。实验表明,本文算法可实现轮廓线的精确提取,与实际屋顶边缘偏差稳定在较低水平,可满足现实需求。 相似文献
8.
传统倾斜摄影测量在同时获取正射和倾斜影像数据时,往往对建筑物低空立面纹理采集不够精细,且多数建筑物或地物模型毗连成片,不利于单独管理与使用。鉴于此,提出了一种高精度单体三维建模方法。首先结合建筑物几何特征和分辨率需求,研究三维环绕式航线设计方案,采集覆盖全局的高分辨率影像数据;然后将倾斜摄影模型的点云划分为虚拟网格,并将每个虚拟网格中的点云视为一个整体,通过设置高差提取建筑立面的点云,经点云分类处理,进一步提取轮廓信息;最后通过提取轮廓线相交三角形,实现单个建筑模型的三维构建。结果表明,该方法能自动、高效地单体化构建倾斜摄影建筑模型,对工程建设与发展具有一定的应用价值。 相似文献
9.
10.
对基于LIDAR数据的建筑物重建进行研究,提出了一种自动化的建筑物重建方法.根据建筑物的边缘线通常互相垂直或平行这一特点对提取的轮廓线进行规则化.然后在屋顶三角网中随机选取种子三角形进行区域生长,将屋顶分割成不同的平面,通过平面相交得到建筑物的屋脊线.最后通过搜索离建筑物轮廓点最近的LIDAR点云,将搜索到的LIDAR点云高程值赋给该轮廓点.实验结果表明:利用该方法进行建筑物重建具有较高的精度. 相似文献
11.
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。 相似文献
12.
基于LIDAR数据的建筑轮廓线提取及规则化算法研究 总被引:3,自引:2,他引:3
建筑轮廓线提取与规则化是LIDAR数据处理和建筑三维建模的重要步骤和技术难点.首次将"Alpha Shapes算法"应用于LIDAR数据处理,实践证明该算法简洁高效、运行稳定、提取精度高,适用于任何形状的建筑轮廓线提取,并具有一定自适应性和滤波功能,非常适合LIDAR点云数据提取建筑轮廓线.同时,提出了改进的"管子算法"用于原始轮廓线的简化,提出了适用于四边形的"矩形外接圆法"和适用于多边形(大于四边且边数为偶数)的"分类强制正交法"以进一步实现轮廓线的规则化,最终解决了离散点云提取规则建筑轮廓线的核心问题.实践证明,本文所述算法适用于凸凹多边形建筑内外轮廓线的提取与规则化. 相似文献
13.
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。 相似文献
14.
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 总被引:1,自引:0,他引:1
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。 相似文献
15.
16.
17.
18.
19.
基于LiDAR点云数据的水体轮廓线提取方法研究 总被引:3,自引:0,他引:3
提出一种基于机载激光雷达点云数据提取水体轮廓线的方法。采用双层格网模式提取较窄的水体;以朝向水体的边界点作为拟合轮廓线的关键点提取更精确的轮廓线。实验表明,该方法可以较好地提取水体轮廓线。 相似文献
20.
在信息标注中融入场景结构信息能有效解决城市增强现实(augmented reality, AR)信息指示不明、空间遮挡表达不清和视图布局叠置等问题。针对城市AR信息标注中场景结构缺失的问题,提出了一种考虑地理语义且兼顾精度、效率和稳健性的建筑物场景结构提取方法。首先构建了面向建筑物场景结构提取的场景感知网络,从单张场景图像中提取语义、深度和法向量信息;然后将其转化为建筑物立面角点和朝向等结构特征,并计算与2D地图中建筑物轮廓之间的最佳匹配;最后将场景图像按建筑物立面进行重构,提取区域轮廓、场景深度和立面朝向等场景结构。试验采用Google街景数据生成的9 470组样本训练和测试场景感知网络,并在Graz地区32组建筑物场景中测试场景结构提取的有效性。结果表明,所提方法能够达到近实时的效果,且立面轮廓更规则。在存在一定配准误差或局部遮挡的条件下,立面提取的质量显著优于基于地图解析场景图像的方法,具有更好的稳健性。 相似文献