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。     

张量投票的机载LiDAR数据建筑物自动提取

针对机载LiDAR目标提取中建筑物与树木难以有效区分的问题,该文提出了一种基于坡度自适应穿透率和张量投票的建筑物检测方法。在利用滤波和高差阈值去除地面点和矮小地物点的基础上,采用坡度自适应穿透率作为区分建筑物和植被的主要特征,较好地突出了建筑物点和树木点在空间分布上的密度差异;设计基于张量投票的投票算法,对坡度自适应穿透率特征进行邻域投票,以促进相邻点之间特征信息的传递,增强了该特征对于植被和建筑物的可分性。采用ISPRS提供的测试数据进行实验,结果表明,该方法能有效地区分建筑物和树木点,提取的建筑物完整度达94.6%,准确度达98.3%。     

基于GLCM纹理特征的LiDAR点云建筑物自动提取

LiDAR技术可以快速获取高精度的地形表面三维点云数据。利用LiDAR点云进行建筑物自动提取时,有些建筑物与树木连在一起,有些区域还有大片树林,在此情况下,很难将二者区分开来。在没有其他辅助数据时,LiDAR点云中点的高程及其变化所表现出来的高程纹理特征是区分建筑物与树木的惟一可用特征。基于灰度级共生矩阵(gray level co-occurrence matrix,GLCM)的纹理特征是对物体表面纹理很好的描述,对上述纹理特征进行分类,可以区分建筑物与树木。介绍基于GLCM纹理特征的Li-DAR点云建筑物自动提取方法。实验结果证明,在没有辅助数据的情况下,该方法也能够自动提取出建筑物。     

高分辨率卫星影像与LiDAR数据的自动建筑物提取

本文提出了融合全色多光谱IKONOS影像与低分辨率LiDAR数据的一种自动提取建筑物轮廓的新方法。首先根据IKONOS提供的归一化植被指数与激光点云的高程获取建筑物属性特征,如果在一簇激光点云内,所有的激光点都符合建筑物的特性,则这簇点云被认为是独立的建筑物对象。其次,联合数据驱动方法与模型驱动方法获取建筑物轮廓直线,将这些直线作为建模线索。最后,利用二叉空间划分(BSP树)方法,根据数据驱动和模型驱动获取的直线将建筑物区域递归分割为一系列凸多边形,然后合并标识为建筑物的凸多边形,最终得到该建筑物的完整的轮廓描述。与Ord-nance Survey's MasterMap?相比评价系统性能,评价结果显示:建筑物描述性能可达到0.11,建筑物检测率是90.1%,总体质量为80.5%。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

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。     

基于LiDAR数据的DEM和矢量自动提取探讨

近年来LiDAR技术发展迅速,应用潜力巨大.基于TerraSolid软件环境,简要介绍了LiDAR数据的分类,在此基础上,重点讨论了LiDAR数据的DEM和矢量自动提取的相关问题.由LiDAR数据生成的DEM精度较高.但矢量自动提取还未到实用阶段.     

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...     

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。     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

基于LiDAR数据和航空影像的水体自动提取

提出将LiDAR数据对水体的敏感性与航空影像的高分辨率特征相结合的水体自动提取方法。利用SIFT算法对LiDAR强度图像和航空影像进行配准,在LiDAR高程图像上提取无回波信号的黑色区域,构建几何约束条件,排除由遮挡产生的无效区域;将水体初始位置映射到航空影像上,结合边缘信息进行区域生长,并对生长区域进行数学形态学运算,最终获取水体区域。实验结果表明,该方法可以获得很好的水体提取效果。     

基于LiDAR点云的等高线批量自动提取

等高线是地图上最广泛的地貌表示方法之一,目前,生产实际中,大范围区域的等高线通常使用传统的航测内业方法获得,即经过空三加密后在立体采集设备上采集,不仅费时费力,还要受到天气等多种因素的影响。利用Li DAR技术进行等高线提取,能大幅度提高航测成图作业的生产效率,减少生产环节,缩短生产周期,本文在EPS软件的基础上,对基于Li DAR数据的等高线提取方法进行了改进,并针对大数据量批量处理研究,实验结果证明,使用本文的方法进行大范围等高线自动提取,在保证精度质量的前提下大幅度提高了等高线制作的效率。     

LiDAR地物提取研究

介绍LiDAR技术的国内外发展情况,围绕LiDAR数据后处理软件的应用,详细论述了数据处理流程,特别针对LiDAR数据特点和处理技术难点提出笔者的看法.     

建筑物LiDAR点云的屋顶边界提取

提出了一种建筑物LiDAR点云的屋顶边界提取方法.首先构建了离散的建筑物屋顶LiDAR点的TIN模型,在TIN模型中根据点的空间几何关系,过滤整个三角网的边界线,从而过滤出初始边界点.在初始边界点构成的边界中,过滤出边界斜率变化显著的点作为拐点.利用所有的屋顶LiDAR点将拐点扩展,得到边界的扩展点,由扩展点构成的屋顶边界为最终提取的建筑物屋顶边界.     

面向对象的多源数据建筑物提取

建筑物是城市的重要标志之一,综合利用LiDAR数据和高分辨率遥感影像可以充分发挥不同数据源中提取建筑物的优势。本文基于面向对象分类理论,利用机载LiDAR数据和GeoEye高空间分辨率遥感影像,在多尺度分割的基础上对实验区分类并提取建筑物,进而对提取结果进行精度评价。实验表明,将LiDAR数据与高分辨率影像数据结合能够很好地提取建筑物,建筑物提取精度达89.28%。