LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

基于语义推理的城区机载LiDAR分割点云分类

目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。     

一种多尺度拟合曲面的LiDAR数据建筑物脚点提取方法

针对现有的建筑物点云提取方法,提出一种基于多尺度拟合曲面算法的LiDAR数据建筑物脚点提取方法。采用顾及地形的TIN滤波算法对地面点和非地面点进行分类;对非地面点集进行多尺度曲面拟合,提取建筑物候选点云;通过分析最大重叠边界矩阵MOBR和阈值条件(如距地高程和最小面积等)剔除具有类似几何和表面特性的人造物(如桥梁、车辆和防护堤等),实现建筑物点云的提取。使用国际摄影测量与遥感协会(ISPRS)提供的Vaihingen和Toronto两块测试数据进行评估,基于面积和目标的平均质量分别达到91.6%、93.1%、84.8%和86.5%。实验结果表明,该方法能够稳健地提取建筑物点云,具有较高的正确性和完整性。     

面向对象的植被与建筑物重叠区域的点云分类方法

在分析LiDAR点云数据分类现状的基础上,针对植被与建筑物重叠区域分类困难的问题,提出了一种基于面向对象的点云分类方法.首先采用三角网渐进内插的滤波方法将点云分为地面点和非地面点,并得到DTM;然后对高出DTM一定高度的非地面点建立三角网,删除较长的三角网的边(地物间的边),从而将非地面点云分割成多个对象;再利用各个对象内的三角网坡度信息熵大小判断该对象属于植被或建筑物;最后对于难以区分的对象(植被与建筑物重叠区)根据建筑物几何规则形状延伸扩充,从而提高植被和建筑物重叠区的点云分类准确率.实验结果表明,该方法能够很好地区分建筑物和植被点,分类准确率达到87％.     

基于原始LiDAR点云TIN模型的建筑物自动提取

提出一种基于原始LiDAR点云不规则三角网模型的多层结构建筑物激光点自动提取方法。利用TIN模型的空间特性对地面、非地面(建筑物、非建筑物)激光点进行判断,最终获得各个独立建筑物的激光点数据。通过对3组不同特征的城市区域的实验验证,结果表明本文方法能精确地完成建筑物激光点的自动提取,且不需要任何人工干涉或其他辅助数据支持。     

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。     

基于机载激光扫描数据提取建筑物的研究现状

机载激光扫描系统是集成了GPS、惯性导航系统(INS)和扫描激光测距系统并利用飞机作为运行平台,来获取地面的三维位置,进而快速生成数字表面模型(DSM)。随着机载扫描激光测距系统的不断完善和发展,获取城市DSM数据也变得越来越快速,而且方便和经济可靠,地面激光点的密度也大大提高。目前国外激光扫描系统的激光点密度一般都达到了1～20点/m2,因此利用机载激光扫描系统获取的城市DSM提取建筑物也渐渐受到重视。利用激光扫描数据提取建筑物可以分为两大类,第一类是单纯以获取的机载激光测距数据来提取建筑物,第二类是融合激光测距数据和其他相关信息的建筑物提取,如融合航空影像、融合IKONOS高分辨率卫星影像来提取建筑物。本文对国际上利用机载激光扫描测距数据进行建筑物提取的最新研究进展进行了一些分析,同时也给出了应用我国研制的机载激光扫描数据提取建筑物的试验研究和初步结果。     

机载LiDAR建筑物点云渐进提取算法

针对机载LiDAR建筑物点云提取过程中易受植被的影响的问题,本文提出了一种机载LiDAR建筑物点云的渐进提取算法。首先通过布料模拟滤波算法对地面点云与非地面点云进行区分,在此基础上利用最大类间方差法算法（Otsu）对非地面点云进行阈值分割,提取初始建筑物点云;然后根据点云的连通性对初始建筑物点云进行密度聚类分割（DBSCAN）,剔除离群噪声点;最后通过Alpha Shape算法实现建筑物点云的边缘提取。本文选取ISPRS官网提供的3组典型城区LiDAR点云数据进行试验,试验结果表明,本文算法可达到较好的建筑物点云提取效果。     

融合航空影像的震后机载LiDAR建筑物点云提取

基于机载激光雷达LiDAR(Light Detection and Ranging)数据识别震后建筑物震害,其前提是快速准确地提取建筑物点云。通过分析地震灾区机载激光雷达点云中提取建筑物点云的诸多难点,已有的方法难以达到预期效果,因此提出融合同机航空影像数据的方法,实现了震后灾区建筑物点云的获取。该方法首先在数据预处理的基础上,利用布料模拟滤波CSF(Cloth Simulation Filtering)算法进行点云滤波,得到地面点云和非地面点云(主要是建筑物、植被和车辆行人等),并将航空影像红波段光谱信息赋予非地面点云;然后基于灰度直方图阈值分割的方法剔除植被点;最后对剩余激光脚点利用具有噪声的基于密度的空间聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法进行聚类提取最终的建筑物点,并与参考建筑物点比对,进行精度验证,得到建筑物点云提取的漏检概率、虚警概率分别为15.61%、7.52%,总体精度可达84.39%。结果表明,在一定精度要求范围内,该方法能有效实现地震灾区建筑物点云的提取,可为震后机载LiDAR建筑物点云提取提供技术参考和方法借鉴,为建筑物震害识别做好基础工作。     

利用LiDAR和航空影像的屋顶边缘提取及优化

提出以LiDAR为辅助数据对航空影像的规则建筑物进行边缘提取和优化的方法。首先采用Alpha Shapes算法对点云数据进行初始边缘提取,同时规则化初始边缘;再利用屋顶点云辅助航空影像的建筑物分离,采用Canny算子和Hough变换对建筑物分离后影像进行边缘提取,并用LiDAR规则边缘对Hough变换结果进行边缘优化。对比单独运用航空影像进行边缘提取的结果表明,采用优化方法后,提高了屋顶边缘提取的准确性,得到了较完整的建筑物边缘。