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。     

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%。     

集成影像与LiDAR数据重建3维建筑物模型研究

3维建筑物模型重建一直是测绘、遥感等领域研究的热点.机载激光雷达(LiDAR)技术已经成为3维建筑物模型获取的一种重要手段.但现阶段机载LiDAR数据的点间距一般为m级,其空间分辨率远低于摄影测量常用的cm级分辨率航空影像.基于LiDAR数据所重建的建筑物模型的精确性与细节性相对较低.摄影测量技术与LiDAR技术具有很强的互补性,两者结合可满足高自动化、更精确、更细节的重建要求,是目前极具前景的建筑物模型重建方法.     

机载LiDAR数据中电力线的自动提取与重建

为实现电力线走廊更加有效地巡检,本文设计了一套LiDAR点云数据中电力线自动提取与重建的方法。首先,利用改进的渐进形态学滤波剔除地面点,通过高差阈值与高程离散度分割,实现电力线点粗提取;然后,借助RANSAC直线检测,得到电力线直线模型,依靠密度检测,实现单根电力线点云精确聚类;此外,利用k-means算法完成分裂导线束间归类;最后,进行二次多项式限制的最小二乘拟合,生成电力线曲线模型。试验结果表明,使用该方法电力线点云提取的正确率达98%以上,非电力线点云误判率低至1%左右,电力线直线模型拟合误差在5 cm以下,曲线模型拟合误差在3 cm以下,完全满足实际工程需求。     

机载LiDAR点云的多层建筑物三维轮廓模型自动重建

以机载LiDAR点云数据为研究对象,提出一种新的基于点云数据的多层建筑物三维轮廓模型高精度自动重建方法。在已完成建筑物结构提取及轮廓规则化处理的基础上,利用多层屋顶轮廓在水平投影面内的相邻关系,将各层屋顶中同等级屋顶的相邻关系概括为平行边、不平行且不相交、相交3种相邻形式,结合多层屋顶的层级结构信息对相邻轮廓边界进行一致性处理。实验证明本文方法可以进一步消除多层建筑物各屋顶轮廓的规则化处理误差,使相邻轮廓边界在水平投影面内严格重合,同时重建后建筑物三维轮廓模型的正确性与完整性较高,拐点的定位精度优于激光点平均间距。     

结合机载和地面LiDAR数据的建筑物重建技术

机载LiDAR数据虽然能够快速地获取建筑的顶面信息,但是不能够有效地获取建筑物的侧面信息。地面三维激光扫描仪能够有效地获取建筑物的立面信息,但获取建筑的顶面信息较困难。针对机载和地面LiDAR数据在精细建模中存在的问题,采用机载地面LiDAR数据相结合的方式对建筑物进行精细的建模,实验结果表明,采用该法能够实现建筑物的精细建模。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

基于机载LiDAR数据的城市建筑物高度分级方法研究

传统的基于不规则的三角网和形态学点云滤波处理方法提取的DEM,由于在滤波过程中没有顾及不同区域地形起伏度差异,使得滤波过程中产生大量粗差,导致DEM 与实际地形偏差太大.准确提取建筑物轮廓和高程的前提是要提取高精度的DEM,因此必须在DSM转化为DEM的过程中改进DEM提取方法.本文针对地形起伏度不大的城市区域,采取格网值替换、设置高程和面积阈值进行过滤处理的方法提取建筑物轮廓及高程值,验证表明该提取方法的精度优于传统滤波方法.     

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。     

基于机载LiDAR数据的建筑物轮廓规则化方法

在点云数据分类和建筑物轮廓提取的基础上,提出一种基于最小外包矩形的建筑物轮廓规则化方法。以任意两相邻轮廓点构建初始外包矩形,以迭代的方式将内点数最多者作为最终外包矩形,继而以面积比率、距离和均方根作为指标对规则化结果给出评判,最后以实际数据进行实验。实验结果表明,文中提出的方法能够有效对分类后的建筑物轮廓点进行规则化。     

机载激光雷达数据的建筑物三维模型重建

机载激光雷达技术可以快速获取建筑物高精度高密度的三维空间信息.文章提出一种建筑物三维模型重建方法,该方法利用栅格数据使用RANSAC算法提取建筑边界上的长线段,采用规则化策略获取建筑轮廓;在模型生成阶段,基于原始点云和屋顶拓扑关系约束,获取屋顶间的交线和交点,并结合已得到的建筑边界、屋顶间交线和交点获取三维建筑模型.实验结果表明,该方法思路清晰、科学可行且适用性强,提取的建筑边界和模型垂直精度高.     

集成影像与LiDAR数据重建三维建筑物模型研究

SPOT-5 HRS/HRG影像是我国西部1:5万地形图空白区测图工程的主要数据源,西部1:5万测图工程也是国内首次大规模使用高分辨率卫星影像进行地形图测绘的重大项目.针对SPOT-5卫星影像为CCD线阵推扫成像的特点,提出和研发了一套基于通用成像模型,即有理多项式模型(RFM)的稀少控制的卫星影像区域网平差算法.为综合评价提出的区域网平差方法的性能,同测绘生产单位合作,选择多个实验区或作业区进行了较为充分的试验,试验表明,对于覆盖大范围区域的SPOT-5 HRS立体影像,仅用少量地面控制点即可满足我国1:5万地形图测绘的要求.     

机载和车载LiDAR融合构建高精三维城市模型研究

介绍了融合机载和车载LiDAR构建高精三维城市模型技术方案的可行性、核心要点和典型工程案例,对下一步三维城市模型构建方法和应用进行了展望.     

基于机载LiDAR的建筑物轮廓线提取

建筑物轮廓线作为建筑物建模的基础数据,其精确获取成了点云研究者的重点研究内容。本文以原始点云数据为基础,探究点云数据中建筑物轮廓线的提取流程,采用渐进三角网滤波实现地面点与地物点的分离,利用22种特征向量训练随机森林获取建筑物点云,最后以方向约束的随机抽样一致算法（RANSAC）实现建筑物轮廓线规则化提取。实验表明,本文算法可实现轮廓线的精确提取,与实际屋顶边缘偏差稳定在较低水平,可满足现实需求。     

车载LiDAR点云中建筑物立面的自动分割

将建筑物立面数据从散乱无序的车载LiDAR点云中分割出来是一项繁琐而艰巨的任务。本文提出基于基础地理数据辅助的分割方法:首先对基础地理数据进行要素精简,提取有效的建筑物轮廓数据;然后将提取数据转换到车载LiDAR点云数据所在坐标系中,实现坐标基准的统一;再根据建筑物立面特征设置合理的建筑物轮廓缓冲阈值,对建筑物立面点云进行自动分割;最后采用合理的质量评价机制,对分割结果进行检核和评价,实现分割结果的质量控制。实验表明文中方法简单有效。     

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。     

基于机载LiDAR数据和遥感影像的复杂建筑物提取

综合利用机载LiDAR数据和高分辨率遥感影像数据优势,提出了一种面向对象的分层分类提取复杂建筑物的新方法。首先根据坡度强度信息,将影像分割成高、中、低坡度目标;再采用阈值法进行陡峭区、地表面和建筑物的初始分类;最后根据邻近对象光谱相似性原则,对陡峭区进行多尺度分割,并结合光谱、形状和空间关系等特征,基于模糊分类对建筑物提取结果进行优化。实验表明,该方法提取的建筑物信息精度较高,轮廓边缘相对完整。     

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。