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。     

LiDAR数据与航空影像结合的建筑物重建

探讨了结合航空影像的LiDAR数据简单建筑物重建算法,以建筑物边界、屋顶面片的自动提取及面片邻域关系的建立,重建了简单直角建筑物模型,并利用航空影像进行了精确定位。     

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。     

LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

用形态学重建方法进行机载LiDAR数据滤波

在利用KD-树进行粗差剔除的基础上,结合机载LiDAR数据的多回波特性剔除不必要的冗余数据,利用形态学重建的方法对机载LiDAR数据进行滤波,且运行时只需要输入一个参数。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明,该算法对各种场景的适应性较强,既能有效地去除非地面点,又能很好地保留地面点,使Ⅰ类误差、Ⅱ类误差和总体误差分别保持在9.93%、7.27%和9.76%以下,整体性能优于经典的滤波方法。     

利用机载LiDAR点云数据提取电力线的研究

提出并实现一种从LiDAR点云数据中自动提取多根电力线的方法。首先利用OpenGL三维图形开发包重现激光点云的空间分布特征,采用交互方式初步确定电力线点云数据;然后利用单根电力线点云之间紧密相连的特性,自动确定每根电力线上的数据点;最后采用抛物线模型在三维空间中重构每根电力线。试验结果表明,该方法能精确有效地自动提取多根电力线数据,具有一定的工程应用价值。     

基于机载LiDAR的多面片建筑物3维重建方法研究

提出了顾及多面片建筑物模型拓扑关系的边界提取方法。针对多面片建筑物的特点并基于最小二乘法,设计了一套适合多面片建筑物的边界规则化方法,并生成了3维建筑物模型。实验证明,本文方法对于多面片建筑物模型的3维自动重建都是可行和有效的。     

机载LiDAR数据滤波方法评述

DEM提取是机载LiDAR数据处理的基础问题,总结国内外LiDAR滤波方面的研究进展,定量分析算法的性能,着重分析形态学方法和基于内插的方法并指出两种算法的互补性,并总结展望,为后续相关研究提供参考.     

机载LiDAR技术快速生成高精度DEM

论述了由机载LiDAR数据快速生成DEM的基本流程和算法原理,并结合崀山地区实际数据进行了精度分析。实践表明,机载LiDAR技术能快速有效地获取高精度的DEM,值得推广。     

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。     

轻型机载LiDAR在农村宅基地房屋测量中的应用

选择新疆焉耆县北大渠乡北大渠村房屋密集区作为研究区,通过三角翼搭载轻型机载LiDAR进行了低空（170m）交叉航线高密度点云数据采集,对点云数据进行拼接、校正、纹理信息增强,在点云上对房屋进行矢量化,并对结果进行精度检查。点云数据房角点采集率为83.3%,中误差为4.8cm。采用机载LiDAR测量房角点能够大大减少外业房角点测量的工作量。机载LiDAR的应用鲜有纹理信息的提取,本次测试通过对高密度点云数据进行有效的处理,提取了点云数据纹理信息,为机载LiDAR数据纹理信息的应用提供了参考,并对其精度有了明确的认识,可为后期相关工作的开展提供借鉴。     

Segmentation of Airborne Point Cloud Data for Automatic Building Roof Extraction

Roof plane segmentation is a complex task since point cloud data carry no connection information and do not provide any semantic characteristics of the underlying scanned surfaces. Point cloud density, complex roof profiles, and occlusion add another layer of complexity which often encounter in practice. In this article, we present a new technique that provides a better interpolation of roof regions where multiple surfaces intersect creating non-manifold points. As a result, these geometric features are preserved to achieve automated identification and segmentation of the roof planes from unstructured laser data. The proposed technique has been tested using the International Society for Photogrammetry and Remote Sensing benchmark and three Australian datasets, which differ in terrain, point density, building sizes, and vegetation. The qualitative and quantitative results show the robustness of the methodology and indicate that the proposed technique can eliminate vegetation and extract buildings as well as their non-occluding parts from the complex scenes at a high success rate for building detection (between 83.9% and 100% per-object completeness) and roof plane extraction (between 73.9% and 96% per-object completeness). The proposed method works more robustly than some existing methods in the presence of occlusion and low point sampling as indicated by the correctness of above 95% for all the datasets.     

机载激光雷达飞行数据的现场快速检查方法

介绍机载激光雷达在飞行数据获取阶段,快速检查航飞获取点云数据与影像数据是否满足设计需求,可在飞行期间及时针对绝对漏洞和相对漏洞进行补飞;文章主要围绕TerraSolid系列软件,详细论述了飞行架次结束后快速检查机载激光雷达数据及数码航片的方法和流程。     

机载LiDAR数据滤波预处理方法研究

为简化后续的机载LiDAR点云数据滤波,针对茂密植被的陡坡林区,提出了均值限差预处理方法;针对具有密集墙面激光脚点的城区,提出了角度限差预处理方法。采用两组不同特征的实测数据分别对两种预处理方法进行了实验,定性和定量分析结果表明,预处理效果显著,使用了预处理的滤波结果与未使用预处理而直接滤波的结果相比,两类滤波误差均有所减小。     

从灾后机载激光点云自动检测损毁房屋的等高线簇分析方法

利用灾后机载激光扫描点云的地震损毁房屋检测方法主要针对平面屋顶房屋,从局部分析屋顶的平面特征,导致只能有效检测屋顶严重破碎的损毁房屋。为此本文提出了一种等高线簇相似分析的地震损毁房屋检测方法,充分挖掘房屋等高线簇蕴含的房屋表面形状丰富的二维和三维信息,利用等高线簇形状相似度的归一化信息熵从整体上综合描述损毁房屋的损毁特征,并利用最大熵模型自动检测损毁房屋。采用2010年4月El Mayor-Cucapah地震断裂带激光点云数据进行了试验,证明本文提出的方法能快速、准确、可靠地检测损毁房屋。     

机载激光雷达平面精度评价方法研究

目前,机载激光雷达数据的高程精度一般在10～20 cm,平面精度为0.5～1 m,所以大多学者和生产厂家关注高程精度较多,故而高程精度的评价方法相对成熟,而平面精度的评价方法则有待完善。本文介绍的几种方法,立足于实际工作中发现的问题,具体情况具体分析,旨在能寻求最接近平面精度真值的表达方法,为将来平面精度评价成熟而通用的方法寻求道路。