机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述

建筑物作为城市中最主要的人工地物,其三维模型是智慧地球建设的重要数据支撑,实现精准自动化三维重建至关重要。机载激光雷达(Light Detection and Ranging, LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天候获取地物空间信息等优势,已成为自动提取建筑屋顶轮廓线辅助建筑三维重建的主要数据源。首先对建筑屋顶轮廓线提取技术的发展历程进行简要回顾,再根据以往研究内容总结出一套较为通用的技术流程;该技术流程4个关键步骤为点云滤波、建筑物提取、屋顶轮廓线提取和轮廓线规则化;对每一步骤的实现方法、常用算法、发展现状以及面临问题进行详细阐述和对比分析。最后,对本技术面临的挑战和未来发展趋势进行讨论。     

面向时空信息的智慧临沂建设实践

自智慧城市的概念提出以来,世界各国竞相开展智慧城市的研究和实践,国内各城市也迅速行动,纷纷开展智慧城市建设,以之作为转变发展方式、实现可持续发展的重要手段去推动。在智慧城市建设过程中,物联网、云计算、大数据、互联网+、移动互联等新技术取得了较大的发展进步和应用效果。该文在分析智慧城市概念和特征的基础上,介绍了测绘地理信息部门关于时空信息大数据和云平台建设的思路和关注点。梳理了智慧城市的总体框架,并对涉及的主要关键技术进行了分析。结合智慧临沂建设的实例,从基本情况、目标任务、主要内容、实现方式和实施进展等方面进行了详细介绍,并对智慧城市建设的重要作用进行了总结。智慧城市建设是一项复杂的系统工程,适合该地实际,能够切实解决该地实际问题的建设模式,才是智慧城市应该首要考虑的问题。     

BIM与SuperMap GIS数据集成技术

现代社会大型复杂建设工程越来越多,室内3D GIS应用需求旺盛,但海量室内3D数据的缺乏成为室内GIS应用瓶颈。建筑信息模型(Building Information Models,BIM)提供丰富的建筑空间几何和语义信息,可为GIS所用。BIM与GIS数据集成技术成为国内外研究热点。本文从GIS应用的角度出发,通过分析BIM与GIS在数据标准和几何、语义表达方面的差异,提出BIM与SuperMap GIS 8C软件的数据集成技术,并实现了BIM在SuperMap GIS中的高性能空间分析与可视化。本文的研究有助于扩展SuperMap GIS的应用领域至室内空间,实现室外到室内、城市宏观到建筑微观的一体化应用,满足大型复杂室内场所的应急救援、导航与位置服务需求,服务于智慧城市建设。     

大数据时代地质灾害数据管理及应用模式探讨

地质灾害数据是一种多源异构数据,是典型的大数据。关系型数据库是目前地质灾害数据的主流管理方法。在地质灾害数据中,非结构化数据占有很大的比例。由于关系模型难以有效地管理非结构化数据,因而关系型数据库对地质灾害数据的管理效果并不理想。这种弱点,在大数据时代将会被进一步放大,并对地质数据挖掘和大数据分析造成一定的影响。针对大数据时代地质灾害数据的管理模式,从泛结构化地质数据管理、应用模型和分布式异构系统的集成等方面进行了探讨。认为地质灾害数据的有效管理应该把文件系统、关系型数据库和NoSQL结合起来,并提出了一种基于双C模型和中间件结合的泛结构化地质数据管理与应用模式。这种模式已应用在多个工程中,取得了良好的效果。      

智慧武汉应用体系与地理信息规模化应用研究

应用是智慧城市建设的生命力所在,应用体系是智慧城市建设体系的重要组成部分。本文以武汉为例,从硬件设施、数据、平台、应用、政策法规和组织机制等六个方面研究了智慧城市应用体系的基本构架,从服务对象、应用深度、协同程度等三个方面分析了地理信息规模化应用的模式。最后,介绍了社会综合管理与服务信息系统、土地税源管理系统、菜市场地图以及分析决策等四个智慧武汉建设应用的几个最新案例。     

一种建筑信息模型与三维数字城市集成方法

BIM的发展为数字城市三维模型提供了更加精确的数据来源,现有研究主要关注BIM空间实体模型向三维表面模型转换,缺少建筑语义信息映射及整体集成方案研究。本文以构成建筑骨架的主要空间构件为研究对象,在参考IFC标准基础上,结合数字城市应用特点设计了具有空间语义一致性的建筑构件信息模型BCM,在此基础上提出建筑信息模型和三维数字城市集成方案。首先,基于CAD图纸开展BIM模型交互式构建,然后,通过空间和语义信息映射将其转换为BCM,并基于ArcGIS Geodatabase建立建筑构件信息库,在三维数字城市场景开展建筑构件信息的集成应用。该方案可实现建筑构件信息与三维数字城市的大规模集成,对推动数字城市向智慧城市发展,进一步开展建筑内外模型集成展示、建筑节能分析、内部设施管理等具有重要价值。     

地质科学大数据统合应用的基本问题

进行地质科学大数据统合利用,涉及一系列理论、方法和技术问题,包括:多源多类异质异构地质数据的采集、存储和管理问题;数据汇聚、集成和结构化、可视化转换问题;数据同化、融合问题和深度挖掘、广度聚联问题;地质大数据有效利用的方式、方法和途径问题,以及云服务的模式和系统架构问题。所面对的挑战是实现结构化-半结构化-非结构化数据、静态勘查数据与动态监测数据的一体化存储、管理、处理和应用,以及大数据与小数据、混杂性数据与精确性数据、模型与数据、有模型与无模型、关联关系和因果关系的矛盾与统一问题。      

基于数字摄影测量的城市建筑三维快速建模方法

数字城市的基础地理数据库正在由传统的二维形式向三维形式转变,建设城市三维模型已成为数字城市工程的重要基础工作。作为城市三维模型的核心构成部分,建筑模型的数量巨大,生产成本高。数字摄影测量技术为建筑矢量数据的采集提供了有效途径,但要进一步缩减三维建模的工作量,需要对基于矢量线条的建筑结构识别、建筑体面构造以及各种复杂建筑构型等方法和算法进行研究,并开发辅助人工的建筑三维建模软件系统。该文以数字城市测量提取的建筑结构线为基础,对计算机三维建模中涉及的关键算法进行研究,提出了一种城市建筑三维快速建模的方法。     

广州新型智慧城市应用探索:城乡规划的智慧化管理

新技术尤其是信息技术的快速发展为新型智慧城市的建设提供了条件,城市规划管理作为城市建设的前端环节,在新型智慧城市建设中发挥着重要的作用。规划管理"一张图"平台、多规合一信息联动平台等围绕新技术而形成的规划管理新手段,极大地提高政务效率,也倒逼新型智慧城市的规划管理更加智慧化。本文以广州市为例,分析城乡规划智慧化管理历程,从决策层、管理层、实施层、技术层和数据层5个维度探索城乡规划智慧化应用,构建城乡规划智慧化管理体系,关注智慧化提升城乡规划与管理能力,运用信息系统构建五年空间规划体系、一张图管理和实施评估、多源数据辅助规划决策等城乡规划智慧化方式,为相关城市建设新型智慧城市应用提供支撑。     

智慧重庆地理编码服务平台建设与应用

在智慧城市建设中,部门的业务管理中蕴含了大量的社会经济数据,如何快速、准确地将这些信息空间化是进一步开展空间分析与应用面临的首要问题。地理编码正是解决这一问题的关键技术。从地址数据标准、地址数据库建设、地理编码引擎等方面进行全面研究,形成一套数据全面、功能实用、应用广泛的智慧重庆地理编码服务平台,为全市各职能部门和社会公众提供可靠、高效、准确的地理编码服务,建设成果已在测绘、工商、应急、人口等多个行业部门开展应用,效果显著。     

孟州市府大楼整体搬迁岩土工程实录

孟州市政府办公大楼整体搬迁的场地工程地质勘察，分部进行，即划分成搬迁路径和永久性地基两个单元。既做独立分析，又进行整体评价；既提供搬迁所需岩土工程指标，又为施工提出一些切合实际的建议。准确可靠的工程地质勘察资料，促成了大楼的整体迁移和永久定位。     

基于PRCUnet的高分遥感影像建筑物提取

基于高分辨率遥感影像的建筑物提取具有重要的理论与实际应用价值,深度学习因其优异的深层特征提取能力,已经成为高分影像提取建筑物的主流方法之一。本文在改进深度学习网络结构的基础上,结合最小外接矩形与Hausdorff距离概念,对建筑物提取方法进行改进。本文主要改进内容为：① 基于Unet网络结构,利用金字塔池化模块 (Pyramid Pooling Module, PPM )的多尺度场景解析特点,残差模块(Residual Block, RB)的特征提取能力以及卷积块注意力模块(Convolutional Block Attention Module, CBAM)对空间信息和通道信息的平衡能力。将金字塔池化、残差结构以及卷积块注意力模块引入到Unet模型中,建立PRCUnet模型。PRCUnet模型更关注语义信息和细节信息,弥补Unet对小目标检测的欠缺;② 基于最小外接矩形与Hausdorff距离,改进建筑物轮廓优化算法,提高模型的泛化能力。实验表明,本文的建筑物提取方法在测试集上准确率、IoU、召回率均达到0.85以上,精度显著优于Unet模型,提取出的建筑物精度更高,对小尺度及不规则的建筑物有较好的提取效果,优化后的建筑物轮廓更接近真实的建筑物边界。     

基于阴影的资源三号卫星数据城市建筑物高度估算

利用我国首颗民用高分辨率测绘卫星—ZY3影像,运用面向对象方法及形态学的思想,以形态学建筑物指数MBI和形态学阴影指数MSI,构建了基于知识规则的城市建筑物和阴影信息提取模型,很好地完成了北京方庄小区和厦门软件园的建筑物和阴影的提取,并实现了阴影长度的自动估算。利用太阳、卫星和建筑物成像几何关系,以阴影长度估算了城市建筑物高度,并以实测数据进行精度评价及误差分析。在以北京市方庄小区为例的试验中,建筑物高度提取的平均相对误差为7.08%,绝对误差小于6 m的建筑物占90%以上,80%以上的建筑物相对误差在10%以内,而误差较大的多为阴影较难识别的低矮建筑物和建筑密度较大使得阴影相互遮挡的高层建筑物。在厦门市软件园区实验中,94.3%的建筑物绝对误差在5 m以内,且计算高度与实际高度相关系数达到0.992,进一步验证了所用方法的可靠性。本文提出的建筑物信息提取方法,可很好地实现高分辨率影像城市建筑物高度估算,展示出资源三号卫星数据在城市建筑物信息提取方面的应用潜力。     

结合模糊度和形态学指数约束的深度学习建筑物提取

基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合。本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更全面更有针对性的改进。本文主要改进内容为：① 提出PwDeepLab网络,该网络基于DeepLab v3+网络结构,在特征融合方式和损失函数等方面进行了改进。② 提出模糊度约束方法,在固定影像块大小的情况下,通过影像模糊度约束对影像进行上采样增强。③ 提出形态学指数约束方法,通过形态学建筑物指数（MBI）约束范围拉伸增强的方法,在较少改变原始影像特征的情况下,突出建筑信息。本文在Massachusetts数据集和武汉大学的Satellite Dataset Ⅱ(East Asia) 数据集上进行验证, 2个数据集的主要建筑类型存在较大区别。本文提出的方法在2个数据集上的精度相对于DeepLab v3+分别提高了10.9%和3.8%,相对于U-Net分别提高了10.0%和9.6%。实验结果表明本文提出的方法对建筑物提取效果有明显提升,且具有很好的鲁棒性和通用性。     

浅议智慧城市时空大数据平台的建设——以临沂市为例

自智慧地球概念提出后,世界各国给予广泛关注,国内也先后启动了智慧城市建设相关计划。经原国家测绘地理信息局批准,作为智慧临沂建设重要组成部分的智慧临沂时空信息云平台建设也正式启动。该文介绍了智慧城市时空大数据平台建设的必要性及国内外智慧城市时空大数据平台建设的典型结构,阐述了智慧临沂时空信息云平台的主要建设内容,包括时空基准、时空信息大数据中心、时空信息云平台、云支撑环境、智慧应用等方面,并对智慧临沂建设的成果和下一步工作重点进行了总结和展望,为临沂市智慧城市应用打下基础,并为全国智慧城市的建设积累宝贵经验。     

融合网格注意力阀门和特征金字塔结构的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中提取建筑物轮廓是地区基础建设信息统计的一项重要任务。适应性较强的深度学习方法已在建筑物提取研究中取得较大进展,受网络模型对影像特征表达的局限性,存在局部建筑轮廓边缘模糊的问题。本研究提出一种基于注意力的U型特征金字塔网络（AFP-Net）可以聚焦高分遥感影像中不同形态的建筑物结构,实现建筑物轮廓的高效提取。AFP-Net模型通过基于网格的注意力阀门Attention Gates模块抑制输入影像中的无关区域,凸出影像中建筑物的显性特征;通过特征金字塔注意力Feature Pyramid Attention模块增加高维特征图的感受野,减少采样中的细节损失。基于WHU建筑物数据集训练优化AFP-Net模型,测试结果表明AFP-Net模型能够较清晰地识别出建筑物轮廓,在预测性能上有更好的目视效果,在测试结果的总体精度和交并比上较U-Net模型分别提高0.67%和1.34%。结果表明,AFP-Net模型实现了高分遥感影像中建筑物提取的结果精度及预测性能的有效提升。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

基于特征压缩激活Unet网络的建筑物提取

自动提取城市建筑物对城市规划、防灾避险等行业应用具有重要意义,当前利用高空间分辨率遥感影像进行建筑物提取的卷积神经网络在网络结构和损失函数上都存在提升的空间。本研究提出一种卷积神经网络SE-Unet,以U-Net网络结构为基础,在编码器内使用特征压缩激活模块增加网络特征学习能力,在解码器中复用编码器中相应尺度的特征实现空间信息的恢复;并使用dice和交叉熵函数复合的损失函数进行训练,减轻了建筑物提取任务中的样本不平衡问题。实验采用了Massachusetts建筑物数据集,和SegNet、LinkNet、U-Net等模型进行对比,实验中SE-Unet在准确度、召回率、F1分数和总体精度 4项精度指标中表现最优,分别达到0.8704、0.8496、0.8599、0.9472,在测试影像中对大小各异和形状不规则的建筑物具有更好的识别效果。     

顾及语义尺度的时空对象属性特征动态表达

全空间地理信息系统的建设和智慧城市等GIS应用的发展,需对各类地理实体或地理现象抽象成的时空对象采集多类型的属性数据,这些属性数据一般具有多尺度、多维度、动态性的特点,带给时空对象属性特征的表达和管理一定的挑战。本文针对当前时空对象属性特征表达方法中存在的组织结构不清晰、存储冗余、语义异构等表达问题,提出了一套顾及语义尺度和动态特性的属性特征的表达和操作方法。该方法基于概念分类理论实现时空对象属性信息的分类组织,在属性特征表达中引入独立于时空对象空间特征的时间标记,结合属性表达的原始集族和更新集族来记录和管理不同时间节点下的时空对象属性特征;进而面向具有不同语义尺度表达需求的属性特征,设置知识参考表达集合,并在属性特征表达中增加语义尺度标识,对其语义尺度及不同语义尺度间的转换关系进行描述。最后,基于独立时间标记、知识参照表达集合及语义尺度标识,给出属性信息表达在时间尺度转换和语义尺度转化的操作方法,并举例给出了该属性特征动态表达和操作方法的一种实现。本文提出的方法有助于减少时空对象数据模型的存储冗余,提高其属性信息的操作效率,初步实现了时空对象属性特征的多时间尺度和多语义尺度的认知方式,为时空对象属性特征的精细化管理提供了新思路。     

基于Res_AttentionUnet的高分辨率遥感影像建筑物提取方法

针对目前基于深度学习与高分辨率遥感影像的建筑物提取研究现状,本文提出了一种综合ResNet中的ResBlock残差模块和Attention注意力机制的改进型Unet网络（Res_AttentionUnet）,并将其应用于高分辨率遥感影像建筑物提取,有效地提高了建筑物的提取精度。具体优化方法为：在传统的Unet语义分割网络卷积层中加入针对初高级特征加强提取的ResBlock残差模块,并在网络阶跃连接部分加入Attention注意力机制模块。其中,ResBlock残差模块使卷积后的特征图获取更多的底层信息,增强卷积结构的鲁棒性,从而防止欠拟合;Attention注意力机制可增强对建筑物区域像素的特征学习,使特征提取更完善,从而提高建筑物提取的准确率。本研究采用武汉大学季顺平团队提供的开放数据集（WHU Building Dataset）作为实验数据,并从中选取3个具有不同建筑物特征和代表性的实验区域,然后分别对不同实验区域进行预处理（包括滑动裁剪和图像增强等）,最后分别使用Unet、ResUnet、AttentionUnet和Res_AttentionUnet 4种不同的网络模型对3个不同实验区进行建筑物提取实验,并对实验结果进行交叉对比分析。实验结果表明,与其他3种网络相比,本文所提出的Res_AttentionUnet在基于高分辨率遥感影像的建筑物提取中具有更高的精度,平均提取精度达到95.81%,相较于原始Unet网络提升17.94%,同时相较于仅加入残差模块的Unet网络（ResUnet）提升2.19%,能够显著地提升高分辨率遥感影像中建筑物提取的效果。