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LIDAR数据的建筑物轮廓提取

建筑物轮廓的准确提取是建筑物三维重建中最重要的一步。本文在研究已有建筑物轮廓提取方法的基础上,针对LIDAR离散的点云数据,提出了一种自动快速提取建筑物轮廓信息的方法。首先通过点云数据生成城市的数字表面模型(DSM)和数字地面模型(DTM)相减计算得出规则化的数字表面模型(nDSM),进而将地面点和非地面点进行分类;其次,考虑到地物的几何特性,提出一种8邻域搜索的方法对非地面点点云进行分割,得到建筑物表面点云;最后运用基于梯度图的边界跟踪的方法来获取建筑物的轮廓信息。实验表明:该方法能有效地提取建筑物轮廓。     

一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法

利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。     

融合分散自适应注意力机制的多尺度遥感影像建筑物实例细化提取EI北大核心CSCD

遥感影像建筑物准确、高效的自动提取方法有着广泛的用途。针对现有遥感影像建筑物提取方法难以兼顾不同大小的建筑物,导致小尺度建筑物不同程度上漏检及提取的建筑物轮廓边界模糊等问题,本文提出一种融合分散自适应注意力机制的多尺度遥感影像建筑物实例细化提取方法(MBRef-CNN)。首先采用融合分散自适应注意力机制的遥感影像多尺度特征提取网络(SA-FPN)学习多尺度建筑物的特征,然后利用区域候选网络(RPN)预测单个建筑物实例的目标框位置,最后使用边界细化网络(BndRN)迭代获取精确的建筑物掩膜。在WHU aerial imagery dataset数据集上,通过与现有主流方法进行对比试验表明,本文方法的建筑物掩膜提取精确度比其他表现优秀的主流分割算法更高,在多尺度的建筑物提取上表现出良好的综合性能,且在小尺度的建筑物提取上具有明显的精度优势。     

机载LiDAR点云建筑物边界线规则化算法研究

针对单一参数的Alpha-Shape算法无法适应密度差异较大的点集数据以及提取的边界信息具有锯齿形状的问题,结合Alpha-Shape算法与D-P算法进行轮廓线的粗略提取,利用最小二乘方法以及建筑物边界线之间向量、长度等特征确定建筑物关键点;通过寻找建筑物主方向,实现建筑物边界线规则化。实验选取国际摄影测量与遥感协会提供的典型区域的LiDAR点云数据进行建筑物边界线提取,并与传统Alpha-Shape算法提取建筑边界线结果进行比较,结果表明本文算法在建筑物边界线信息提取方面更准确、更稳定。     

车载LiDAR点云中建筑物立面位置边界的自动提取

提出了一种基于点云特征图像和特征值分析的车载LiDAR点云建筑物立面位置边界的自动提取方法。首先利用车载LiDAR点云数据生成扫描区域的点云特征图像,并通过图像处理手段提取可能的建筑物目标点云;然后对提取的目标点云进行剖面分析和特征值分析,识别建筑物目标;最后对建筑物点云进行平面分割,提取建筑物立面,并对立面点云进行特征值分析,得到建筑物立面与地面交接的三维位置边界。实验结果表明,该方法能快速有效地提取车载LiDAR点云数据中的建筑物目标,同时提取的建筑物立面位置边界与原始点云能准确符合。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

机载LiDAR点云数据的建筑物重建研究

提出了利用机载LiDAR点云数据进行复杂平面建筑物重建的方法。首先,将提取出的建筑物点云聚类到不同的平面点集;然后,对各个平面点集进行平面拟合,采用平面相交确定平面边界,并解算出各平面边界角点的三维坐标,从而重建建筑物模型。某区域的机载LiDAR点云数据的实验结果表明,该方法能有效地重建出较复杂的平面建筑物。     

面向车载激光扫描点云快速分类的点云特征图像生成方法

车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。     

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。     

基于激光测距的航空扫描影像中建筑物的自动提取

介绍了利用“机载激光影像制图系统”获得的激光测距,飞机姿态和位置数据解算出的地面三维信息同光谱辐射信息高度融合,用于快速自动地提取城市建筑物边界及高度的方法,探讨了地物的分裂／ 合并算法、建筑物与树木的分离、边界提取中初始种子点的选择和灰度参考值及阈值的自适应调整,针对影像中建筑物的扭曲采用了二维／ 三维变换和曲线模板,针对边缘模糊、不连续和强噪声等采用了统计判决和取样模板等等。并利用呼和浩特市区数据进行了验证。     

从机载激光雷达点云提取建筑物屋顶边界的活动轮廓模型改进方法

本文基于边缘与局部信息提出了一种处理多波段图像的活动轮廓模型,并将其应用于LiDAR数据的建筑物边界提取。本文首先将分类得到的屋顶点云数据转换为栅格数据,并作为模型的输入图像,进而采用变分水平集方法解求模型能量函数的最小解,得到建筑物的边界。该模型消除了其他活动轮廓模型对初始曲线和所处理图像类型的限制,适于任意形状的建筑物边界的自动提取;水平集规则项的添加,减小了模型的计算时间。实验结果表明：与IAC模型、GACcolor模型相比,本文模型在建筑物边界提取的应用中可以达到更高的匹配度、形状相似度以及位置精度。     

利用倾斜影像重建点云的建筑物变化检测

城镇空间建筑物的变化检测是分析城市空间格局变化的一项重要内容。针对利用卫星影像检测建筑物变化过程中噪声、复杂边界等干扰难题,本文从不同期倾斜影像重建点云中自动提取建筑物平面和高度两个维度的准确变化信息。首先采用布料模拟滤波算法较大程度上减少地形点的影响;然后利用一种动态图神经网络深度学习方法,有效地检测出点云中的建筑物,通过前后两期点云分类后结果对比提取出建筑物的三维变化信息;最后选取杭州市萧山区局部区域的两期倾斜摄影测量密集匹配点云数据开展分析验证。结果表明,本文方法能够在大范围内快速实现可靠的建筑物变化检测,建筑物平面和高程两个维度的变化信息均有很好的反映,为城市精细化管理提供了一种有效方法。     

方差分析引导的高阶马尔可夫网络及其在点云建筑物提取中的应用

以ALS (Airborne Laser Scanning)系统为代表的三维点云获取技术为建筑物重建提供了一条高效便捷途径。本文基于ALS点云超体素,提出了一种方差分析引导的高阶马尔可夫网络,并用以提取建筑物。该方法以超体素作为无向图模型节点,根据三维邻域特有的局部几何属性,结合方差分析原理,生成高阶因子,并将特征转化为表达能力更强的节点和边势函数;再采用信念传播算法,对高阶马尔可夫网络进行推理,形成了一种非监督的建筑物识别框架。此外,本文采用由粗到精的识别策略,首先在独立假设前提下,利用贝叶斯高斯混合模型实现节点初始状态捕捉,再采用高阶马尔可夫网络对三维邻域的相关性建模,以提高建筑物提取精度。本文引入两组具备人工标记真值的开放ALS点云数据集进行实验,利用4种国际通用指标对建筑物提取结果进行精度评价。可视化分析表明,本文方法提取的建筑物内部完整,且边界清晰,为建筑物三维重建提供了可靠信息。定量化分析表明,在低层建筑主导的住宅区,本文方法的建筑物提取精度(基于投影面积和对象的F1指数)为95.4%和91.5%,均高于现有方法;在高层建筑主导的商业区,基于对象的F1指数达到93.5%,高...     

利用高分辨率DSM和DOM自动提取城市建筑物区域

建筑物区域的精确提取是数字地形图自动化绘制的基础.本文通过融合无人机航摄处理得到的高分辨率DSM(digital surface model)与DOM(digital orthophoto map)数据,提出一种基于阈值分割、SVM(support vector machines)分类和形态学处理的建筑物区域提取算法,并选取ISPRS提供的Potsdam数据集进行试验,通过定量化精度分析验证了该算法的可行性及可靠性.     

车载激光扫描点云中建筑物边界的快速提取

以车载激光扫描点云数据为研究对象,提出一种由粗到细且快速获取点云中建筑物3维位置边界的方法。首先,通过分析格网内部点云的空间分布特征(平面距离、高程差异和点密集程度等)确定激光扫描点的权值,采用距离加权倒数IDW(Inverse Distance Weighted)内插方法生成车载激光扫描点云的特征图像。然后,采用阈值分割、轮廓提取与跟踪等手段提取特征图像中的建筑物目标的粗糙边界。最后,对粗糙边界内部的建筑物目标点云进行平面分割,提取建筑物的立面特征并构建立面不规则三角网TIN(Triangulated Irregular Network),并在建筑物先验框架知识条件下自动提取建筑物的精确3维位置边界。     

通过真正射影像快速构建三维建筑物场景的方法

数字摄影测量技术正从单机工作方式向系统集成的工作方式转变,获取和处理空间数据已变得较为容易。在三维数字城市建筑物建模方面,要求必须快速有效地提取建筑物边界,才有可能进行快速的三维景观建模作业。本文提出了利用DSM和真正射影像相结合构建地形景观的一种新方法,首先从真正射影像上提取建筑物的边界线,对建筑物多边形进行三角化处理,视地面模型为一带洞多边形,同样进行Delaunay三角化处理,接着从DSM和DEM获取建筑物的高度信息,构建三维建筑物模型,最后通过纹理映射的方式,对整个建模场景进行纹理贴图,这一方法取得了较好效果,已经在生产实践中得到了应用。     

改进GAC模型在点云和影像自动提取建筑物边界中的应用

以自动生成测地线活动轮廓(geodesic active contour,GAC)模型的初始曲线及改进其外力为出发点,提出一种基于LiDAR点云和随机影像数据,利用改进的GAC模型进行建筑物边界提取的方案。首先利用形态学交替序贯滤波自动获得模型演化的初始曲线;进而利用LiDAR深度梯度影像改进模型演化的外力,得到了改进的测地线活动轮廓(improved geodesic active contour,IGAC)模型。仿真试验表明,采用IGAC模型,可抑制弱边界泄漏,并提高建筑物边界提取的完整性和形状精确度。     

融合高度和光谱信息的倾斜摄影数据建筑物自动提取

建筑物作为三维模型的主体,其矢量化主要依赖人工勾画,虽有采用深度学习等方法进行建筑物提取的研究,但依然需要标注大量样本。针对上述问题,本文以天津市典型区域为试验区,提出一种融合高度和光谱信息的倾斜摄影数据建筑物自动提取方法。首先,通过高度初始分割、植被信息滤除、形态学后处理等,逐步优化建筑物提取结果,实现建筑物信息的自动提取,建筑物的总体识别精度达到94%。然后,通过对建筑物轮廓进行矢量化和规则化,在地理信息平台中实现了建筑物的对象化查询,拓展了实景三维模型的应用深度。     

一种多源数据确定内陆盐沼湿地自然边界的方法

以宁夏盐池县为例,以Landsat 8影像、高分二号影像、激光雷达(light detection and ranging,LiDAR)数据插值生成的高精度数字高程模型(digital elevation model,DEM)数据、地理国情普查数据等为数据源,探讨了多源数据确定内陆盐沼湿地自然边界的方法.首先,利用一年多期的Landsat 8影像数据确定湿地边界提取的最佳时相,对高分二号影像等数据进行多尺度叠置分割,得到分割对象;然后,进行特征提取,并利用优化后的分离阈值(improved separa?bility and thresholds,ISEaTh)算法进行特征选择;最后,运用最邻近分类器获得湿地的自然边界,并分析了不同高空间分辨率的DEM数据对内陆盐沼边界定位的影响.结果表明,高空间分辨率DEM数据参与提取内陆盐沼湿地边界,可以有效减少内陆盐沼边界处湿地与非湿地的错分现象,提高其边界定位精度,且DEM数据的空间分辨率越高,提升效果就越显著.