一种基于Morse复形的地形特征线构建改进算法

地形特征线的正确拓扑表达是进行地表形态描述、地形拓扑简化和地貌综合的基础。传统的基于Morse复形从三角格网地形提取特征线的算法,存在山谷线与山脊线在正则点处"交叉"及无法识别"宏"鞍点等问题。本文利用Morse复形的对偶特征,提出了一种较为通用的改进算法。该算法将下降(或上升)Morse复形的边界作为提取其对偶复形边界的约束线,并使"宏鞍线"按相应已建复形边界线寻径,不仅消除了传统算法出现的"交叉"现象,而且能够识别"宏"鞍点,实现了整个地形特征线的完整构建。     

一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法

从LiDAR数据中高精度地提取建筑物屋顶面是构建屋顶面拓扑关系、实现建筑物三维模型重建的关键。本文针对现有算法提取复杂建筑物屋顶面适应性较差、精度较低等问题,提出了一种利用点云邻域信息的建筑物屋顶面高精度自动提取方法。通过主成分分析计算点云特征,构建特征直方图,选取可靠种子点;利用提出的局部点云法向量分布密度聚类算法聚类种子点,快速准确地提取初始屋顶面片;构建基于邻域信息的投票模型,有效地解决屋顶面竞争现象。试验结果表明,本文方法可自动、高精度地提取屋顶面,对不同复杂程度的建筑物具有较好的适应性,能为建筑物三维模型重建提供可靠的屋顶面信息。     

特征提取和特征匹配改进方法的研究

在分析了几种常用的特征提取和图像匹配算法的基础上,针对影像上纹理特征稀少、影像对比度不明显的问题,提出先用高斯差分方法突出图像特征,再用Harris特征点提取算法进行特征提取的方法;针对如同建筑物等相似特征较多的情况,利用双向特征匹配、经过斜率约束得到的结果计算视差,再进行图像匹配,可以将特征匹配限制在相关的小范围内,由此得到的同名点对比较可靠,并且提高了效率。实验证明该算法适合特征稀少不明显区域、建筑物等相似特征较多的图像匹配,具有一定的实际意义。     

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。     

标记点过程用于点云建筑物提取

提出了利用标记点过程从机载激光扫描数据中直接提取建筑物的方法。该方法首先根据建筑物在点云中的几何特征建立Gibbs能量模型,通过目标的一致性建立模型的数据项,通过目标的拓扑性质等空间特性建立模型的先验项;然后,利用可逆跳转马尔科夫蒙特卡洛算法(RJMCMC)和模拟退火算法优化求解;最后,利用精细处理移除错误提取的地面点、噪声点和树木点,合并相邻的目标,实现建筑物目标的精确提取。利用3组ISPRS机载激光扫描点云进行实验,结果表明,该方法能够准确、有效地提取建筑物,具有较强的稳健性。     

一种基于室内点云数据的建筑墙线提取

针对室内点云数据无结构化属性、数据间无连接、不承载语义信息且数据点密度高的特点,结合建筑物点云几何特征和室内导航需求,通过数据降维简化建筑几何特征提取的复杂性,提出一种基于室内点云数据提取建筑物墙线的方法.该方法首先通过向特定方向投影,利用点云密度直方图完成天花板面、地板面和房间墙面的初步分割;然后将房间墙面点云数据向...     

基于移动最小二乘法法矢估计的建筑物点云特征提取

特征提取对建筑物精细建模的品质和精度起着重要作用。为清晰准确地提取建筑物的特征信息,本文针对采用传统的法矢估计方法受噪声影响大、存在误判的问题,提出了一种基于移动最小二乘法矢估计的建筑物点云特征提取方法。该方法首先采用移动最小二乘法进行法矢估计,然后将K邻域法矢夹角的均值作为点的显著性指标进行特征点判别,最后对提取出的特征点集进行下采样,进一步消除冗余信息。试验结果表明,采用移动最小二乘法进行点云法矢估计,其结果更加准确和稳健,从而有效提升了建筑物点云特征提取的精确性和可靠性,对特征点集的下采样能够删除大量冗余特征点,使提取的特征线更加简洁、清晰、完整。     

基于倾斜摄影线特征的建筑物模型快速重构方法

针对以点云为基础进行建筑物三维建模时存在的点云数量庞大、构网复杂等问题,提出了一种基于倾斜影像线特征进行建筑物三维模型快速重构的方法。首先对三维线特征进行仿射平面剖分以及构建特征角点;然后以特征角点为引导基于拓扑顺序进行平面构建;接着采用各种规则构建与补充平面边界形成平面块,对模型进行精纠正后生成最后的建筑物三维模型。实验结果表明,该方法可基于线特征自动完成建筑物三维模型的重构,建模效率远高于基于点特征的三维建模,且精度符合要求,其为非精细化城市建筑模型的快速批量自动构建提供了高效且实用的解决方案。     

倾斜摄影测量三维表面模型立面分割方法

针对倾斜摄影测量三维重建得到的三维表面模型在平面尤其是异形平面处产生的规则性缺失,难以快速准确提取出建筑物几何平面的问题,本文提出一种基于高斯混合模型和图割的SurfaceCut层级分割方法。首先对模型进行拓扑重建、几何与纹理信息的预计算;其次使用高斯混合模型方法对模型进行过分割,使模型过分割为几何特征相似、纹理特征一致的超点点集;最后利用最大流最小割算法对目标平面进行二分类分割,并且为修复模型不规则立面区域,设计了一种立面修复算法。利用不同类型的建筑物模型进行实验,验证了方法的有效性。     

融合k-means聚类和Hausdorff距离的散乱点云精简算法

针对点云精简算法在处理点云数据时特征保留不完整和对小曲率点云精简造成数据空洞的问题,提出了一种融合k-means聚类和Hausdorff距离的点云精简算法。该算法在八叉树算法的基础上构建点云数据的拓扑关系,首先计算所有点云数据点的主曲率,然后计算点云数据点主曲率的Hausdorff距离,根据精简目标要求设定Hausdorff距离阈值,实现点云特征提取,最后对非特征区域进行k-means聚类提取特征点,并将两次提取的特征点融合得到精简结果。实验结果表明,该算法能较完整地保留模型的特征信息,并能避免形成空洞现象。     

LIDAR点云数据的建筑物特征线提取

传统的房屋建模主要采用航空航天立体影像来获取房屋的3维数据,通过在数字摄影测量系统上进行立体量测来实现。这种方式费时、费力、周期比较长,影响了成果的现势性。机载激光雷达可直接、快速获取大面积地表点的三维坐标信息,为建筑物特征线提取和建模带来了便利。以往基于LIDAR点云数据进行建筑物特征线提取,大多只是针对简单的平顶房屋和人字型房屋。本文提出了一种能够精确提取建筑物特征线的方法,通过建筑物区域确定、建筑物顶面分类,能够实现诸如平面、斜面和多层次建筑物特征线提取的方法。     

基于建筑平面图的室内空间拓扑模型自动生成算法

针对以建筑平面图为数据源构建室内导航模型时,建筑平面图缺少拓扑信息,尤其是缺少对房间、走廊等多边形对象拓扑描述的问题,本文提出了一种自动化构建室内空间拓扑模型的算法。该算法首先根据CAD建筑平面图的基本特征,将墙线抽象为弧段,门窗抽象为点,房间抽象为多边形;然后从起始墙线出发,将该墙线顺时针或逆时针遇到的第一条墙线作为目标房间或走廊的第一条边,依次类推,直至回到起始墙线,则完成一个房间或走廊的提取;重复上述过程,直到所有墙线均被标记两次,说明所有房间或走廊提取成功,完成墙线与房间、走廊之间的拓扑连接关系自动建立。门窗与房间之间的拓扑关系则是根据门窗与墙线的拓扑关系,推导出门窗与房间之间的拓扑关系。以某大学教学楼的建筑平面图为例进行试验,试验结果表明本文算法能够有效实现室内空间拓扑模型的自动生成。     

利用双向布料模拟的机载建筑物点云提取

针对现有机载激光扫描数据的建筑物提取方法过程复杂且易受植被干扰的问题,本文提出了一种利用双向布料模拟策略的建筑物提取方法。首先在正向布料模拟滤波的基础上,构建归一化数字表面模型提取过高建筑物,并采用反向布料模拟,从其余地物点中粗提取建筑物顶面点云;然后进行穿透性分析,并结合形态学操作进一步剔除错提的植被点;最后,以包含顶面点云的三维格网为种子格网,根据格网之间的邻接关系和内部点云几何特征进行约束生长,获取完整建筑物点云。试验结果表明,在复杂场景中,该方法能够有效避免植被的干扰,快速提取建筑物点云,具有提取精度高、计算时间少的优点。     

多特征约束的高分辨率光学遥感影像道路提取

针对复杂场景中的遥感影像道路提取问题,论文提出了一种多特征约束的影像道路提取方法,并开展了论文方法可行性论证。该方法首先,根据道路宽度的先验知识以及道路的几何特征,提出一种改进的线段二次提取模型,利用线段长度和道路宽度确定候选道路种子点集;其次,输入道路结构信息,基于道路辐射特征对候选道路种子点进行整体匹配评价;再次,当候选道路种子无法符合辐射特征要求时,提出一种浅色机动车检测模型,以此将浅色机动车结果作为道路上下文特征,利用道路上下文特征对候选道路种子点进行分析;然后,构建道路拓扑分析模型,依据道路拓扑特征对候选道路种子点进行最终验证;最后,对提取道路种子点进行优化处理,并提出道路跟踪及拟合方法。通过不同复杂场景、不同分辨率高分辨率遥感影像下开展的不同方法实验结果对比分析表明,相对于其他商用软件ECognition和Erdas的方法,本方法自动化程度更高,运行效率高,适用于解决道路类型多样化、几何光谱噪声大的复杂场景道路提取问题。     

潜在连接点集下拓扑推进三维建模算法研究

通过三维激光扫描仪可以获取到表示空间对象的点云数据。通过设置仪器的采样间隔可以获取到表示对象不同精密程度的点集。但是由于离散点之间缺乏相应的拓扑关系,限制了以点为基本图元的模型的应用。以空间离散特征点集为研究对象,研究了一种三维建模算法。算法基于距离较近的点之间比距离较远的点之间存在拓扑连接的可能性更大的前提,对点集进行预处理,然后在此基础上进行快速建模,最终获取到以三角形为基本面片的格网模型。所建立的模型易于进行各项空间分析和操作。该算法也能够有效地应用于更为复杂的建模任务中,以达到一体化建模的目的。     

基于几何特征约束的建筑物点云配准算法

针对人工建筑物表面存在的几何特征关系提出了基于几何特征约束的建筑物点云配准算法,根据点云数据中平面与平面重合关系,推导点在平面上和平面法线平行的2种线性不等约束条件。在6独立参数模型中增加几何特征约束的不等约束条件组成了附有约束条件的配准模型。通过对建筑物3维激光扫描点云数据的采集和处理,详细分析了几何特征约束配准算法的处理结果。试验结果分析表明几何特征约束条件可以合理地改善3维空间转换参数解算结果,提出的配准模型较适合于人工建筑物点云数据的配准。     

无人机影像特征联合提取与双向匹配研究

针对无人机影像数据量大、存在旋转和尺度变化的问题,提出了基于特征联合提取与双向匹配的影像配准方法。分析了SURF算法和BRISK算法的特点,研究了融合SURF特征点检测和BRISK特征点描述的影像特征联合提取和PROSAC双向匹配的算法和步骤,并结合试验分析验证了该方法的有效性。