蚁群算法的建筑立面点云数据提取

提出了一种基于蚁群算法的地面激光扫描数据建筑物立面提取方法,该方法可以有效地区分沿街LiDAR扫描景观数据中建筑物立面和位于其前方的树木、街灯、行人、停靠车辆等遮挡物。三组真实的地面激光点云的实验结果表明,该方法能准确、有效地提取建筑物立面点云数据。     

一种顾及几何特征的云模型遥感影像分割方法

将云模型与模糊理论相结合,提出了一种基于不确定性的、顾及几何特征的遥感影像分割方法。该方法用分水岭算法对原影像进行分割获得初始分割图斑,再将图斑抽象成云模型,以云模型实现图斑对象表达,在基于云概念的光滑度、紧凑度定义的基础上,构造差异性度量准则和相应的云模型综合算法,并由云综合运算实现不同粒度空间下的区域合并,达到多尺度遥感影像分割的目的。几组实际影像数据的分割实验证明了该方法的有效性。     

一种顾及背景信息的遥感影像自动化水体提取方法

水资源是地球生态系统的重要组成部分,准确有效的水体提取可为水文、气候建模、生态系统评估等不同学科研究提供基础性数据。针对遥感水体提取方法中存在的最优阈值难以确定、建筑阴影噪声难以抑制等问题,提出了一种基于遥感特征指数的水体提取方法,能够削弱指数法对最优阈值的依赖性并抑制建筑阴影产生的噪声。针对水体提取模型自动化程度不高、单一方法难以针对不同背景水体完成高质量提取等问题,发展了顾及背景信息的自动化水体提取方法,基于OTSU阈值法利用植被指数、建筑指数与坡度等信息对背景进行分类,然后采用不同的策略进行水体提取。实验证明,提出的方法自动化程度高,无需依赖先验知识,能在保证水体提取结果完整性的同时抑制由建筑与山体阴影产生的错误信息。     

顾及几何特征的规则激光点云分割方法

三维激光扫描仪能快速地获取三维场景的高精度点云数据,已成为快速三维建模的重要工具。点云分割是三维点云模型数据预处理中的首要环节,也是影响重建效率与模型质量的重要因素。以激光点云的分割为研究切入点,以八叉树空间划分方式对数据进行组织,并用八进制编码进行命名,结合K邻近搜索法获取目标点的局部邻近点,采用加权平均目标点相邻的三角面片法向量来估算单点法向量。基于投影欧氏距离拟合曲面求取曲率。量化了规则点云集的分割约束条件,采用法向量信息来进行平面点的提取,根据曲率在两个主方向上的差异性来识别和分割柱面和球面信息。试验结果表明：①基于法矢量的平面点分割效果理想;②基于曲率差异性的规则曲面点分割效果较差;③基于几何特性的规则激光点分割方法合理可行。     

几何约束条件下的SIFT倾斜影像匹配

针对倾斜摄影包含多个视角的影像因而使不同视角之间的影像具有较大的仿射畸变的问题,提出了一种基于几何约束和SIFT的倾斜影像匹配算法。首先根据POS值对所有的倾斜影像进行畸变校正,然后利用SIFT GPU对所有影像进行匹配。对于整个测区的影像,首先根据POS值获取影像间的拓扑关系,其次是影像之间的两两匹配,最终完成特征点追踪,生成光束法平差所需的同名点对。试验结果表明,该算法在效率、精度及匹配点数量上都可以很好地满足后续的光束法平差。     

基于车载激光扫描的城市典型道路面点云提取

针对城市典型道路结构特征,提出一种车载道路面点云数据提取方法。根据高程阈值算法对原始车载激光扫描点云数据进行滤波处理,得到地面点,再使用改进区域生长算法对地面点进行处理,提取得到道路面点云。通过实测车载激光扫描数据进行实验,结果表明,本文提出方法提取道路面点云结果的检测质量q、完整性r以及准确性p均在93%以上,本文方法是行之有效的。     

顾及纹理特征贡献度的变化影像对象提取算法

遥感影像变化检测是全球变化研究的重要内容。基于两期遥感影像的变化检测方法存在数据条件要求苛刻、难以充分利用快速发展的多源遥感影像数据等问题。目前许多变化检测的参考数据中包含了一期分类矢量数据,矢量数据中往往包含了位置、形状、大小和类别属性等先验信息,充分利用这些先验信息将可提高变化检测精度。提取变化影像对象是结合矢量数据和遥感影像进行变化检测的核心步骤。本文提出了一种顾及纹理特征贡献度的变化影像对象提取方法。该方法利用矢量数据分割遥感影像,获取影像对象,计算影像对象纹理特征值。根据信息增益原理计算纹理特征参数的特征贡献度,选择特征参数。由贡献度指数大小确定纹理特征参数权重,计算影像对象与先验要素类别的相似度系数,提取变化影像对象。试验结果表明,基于纹理特征贡献度的特征参数选择,能有效地提高变化影像对象提取结果的精度。     

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。     

顾及局部特征的三维点云建筑物轮廓精确化提取

建筑物是城市的重要组成部分,从三维点云数据中精细化地提取建筑物特征是当前研究的热点。本文提出了一种顾及局部特征的三维点云建筑物轮廓精确化提取方法。首先,采用基于统计学的滤波预处理方法,分离地面点与非地面点,去除离群点,降低点云数量;然后,通过基于改进3D Hough变换的建筑物立面提取方法,提取点云数据的多立面,提高立面提取的精度和效率;最后,采用基于降维边界索引的点云轮廓精准提取方法,获取局部特征和外部轮廓特征。结果表明,该方法能够充分兼顾建筑物的整体外部轮廓及局部细节特征,高效准确地实现建筑物的精确化提取,为城市规划、城市更新等相关应用提供技术支持。     

利用三维激光扫描数据进行建筑物立面点云分割算法分析

三维激光扫描技术在当今社会的应用越来越广泛,但由于点云数据量大,处理效率低下,如何快速高效地将大量点云数据进行重建与识别成为解决问题的关键。点云分割技术能够将立面点云中的特征信息与背景点云分离开来,为地物特征信息的提取和识别工作提供了重要的技术支持。本文通过编程实现了多种点云分割算法,对建筑物立面进行分割处理,详细分析了不同算法的分割精度及适用范围。     

顾及GF-3影像纹理特征的洪涝范围提取方法

洪涝灾害给社会、经济造成巨大损失,及时、快速监测洪涝范围在抗灾救灾中具有重要意义。合成孔径雷达(SAR)由于其主动式微波成像的机理,可为全天时、全天候、大范围洪涝灾害监测提供支持。本文首先以高分三号(GF-3)卫星影像为数据源,基于灰度共生矩阵(GLCM)、局部二值模式(LBP)等6种纹理描述方法提取138个SAR影像纹理特征;然后利用随机森林(RF)指标重要性评估功能,筛选出重要性得分较高的纹理特征进行水体信息提取;最后结合数学形态学对初始水体提取结果进行后处理,评估安徽巢湖附近区域洪涝灾害。试验表明,本文方法的水体提取精度优于传统阈值法(Otsu)及分类算法(KNN和SVM),可有效提取洪涝灾害的影响范围,为选取合适的SAR影像纹理特征进行洪涝范围快速监测提供参考。     

基于多视角倾斜影像的DSM自动提取技术

基于多视倾斜影像的建模技术定位精度高,节省人力和物力,适用于大规模的城市三维建模。针对倾斜影像存在严重的几何畸变和辐射畸变,遮挡比较严重,自动提取DSM(数字表面模型)难度较大的问题,本文对影像连接点提取、光束法平差、影像密集匹配等技术进行研究,在分析倾斜影像特点的基础上提出了自动匹配生成DSM(数字表面模型)的新思路。     

倾斜影像中提取高精度DEM的方法研究

针对传统航空影像获取的DSM在立面及局部地面、建筑物屋顶空间信息的不足,获取高精度DEM较为困难的问题,提出了基于倾斜影像提取高精度DEM的方法。首先对倾斜影像获取的点云DSM结构进行分析,得出了DSM具有几何约束特点,能够在城区很好地区分地面点和地物点;然后指出对DSM滤波处理是获取高精度数字高程模型（DEM）的关键技术,提出了基于法向量差值区域生长分割TIN的滤波方法;最后选取吉林省敦化市的倾斜影像数据进行了滤波试验和算法验证。试验结果表明,该方法能够快速、有效地滤除不同尺寸的建筑物、植被和其他地物,获取高精度DEM。     

基于无人机影像密集匹配点云的传统村落地面点提取及DEM生成——以湘西德夯村为例

目前,针对利用无人机技术在山地起伏大、山体植被密集区域,难以获取地面点及DEM等问题,本文提出了一种结合布料模拟算法和改进的局部最大值算法,利用树顶点、树高等植被信息,提取地面点,进而生成整个区域的DEM的方法。以中国传统村落德夯村为例,利用植被系数和高程信息将点云分割为植被密集区和非植被密集区两个部分。在非植被密集区,通过布料模拟算法和改进的局部最大值算法分别提取地面点和树顶点,计算平均树高;在植被密集区,通过该区域的树顶点推算得到植被密集区的近似地面点,最终将两部分的地面点云进行TIN插值得到该地区的DEM。试验结果表明,利用此方法生成的DEM均方根误差,在非植被密集区达0.037 m,植被密集区可达1.606 m,整体平均误差达1.492 m,总体精度较好,基本可以满足村落尺度空间分析的需求。     

顾及姿态线性误差的微小卫星面阵影像在轨几何检校

微小卫星由于平台体积、重量、能源等限制,其上搭载的姿态、位置测量设备精度不高,导致其直接对地定位误差较大。通过对某微小卫星嵩山地区的多景面阵影像进行姿态角常差检校,发现姿态角系统误差随时间线性变化的规律。为了提高定位精度,本文提出一种针对面阵的顾及姿态线性误差的偏置矩阵和二维探元指向角几何检校模型。相对于传统的姿态角常差检校模型,本文方法考虑了姿态角系统误差随时间线性变化的规律。试验结果表明,经过内外方位元素检校后,卫星的定位精度从数十千米提升到十米以内,相对于传统的常差模型,本文提出的检校模型有效地消除了姿态随时间线性变化的系统误差。     

顾及扫描侧视角变化的高分辨率卫星遥感影像严格几何模型

根据遥感卫星传感器对地扫描成像过程中CCD线阵列侧视角匀速变化的机理,从理论上改进基于仿射变换的高分辨率卫星遥感影像严格几何处理模型,推导地物与影像间的正反算公式.经时-SPOT-5异轨立体像对的试验表明,利用改进的几何模型和视CCD线阵列侧视角为常数的仿射变换模型对立体影像进行几何处理,前者较后者的像点χ坐标精度有一定的改善,物点的高程精度有所提高,平面精度两者基本一致.这说明成像过程中CCD线阵列侧视角的变化在高分辨率卫星遥感影像严格几何处理模型中是不可忽略的因素.     

车载行道树点云单体化及几何属性提取研究

本文首先结合密度和格网化划分的思想改进DBSCAN算法,对行道树点云进行单体化形成若干连接簇;然后接着对相连行道树进行检测并在传统基于距离的分割方法的基础上引进权值思想对树冠点云的归属进行进一步修正,这样可以更加适用于各大小类型行道树,最终完成单体化;最后采用分层投影的方式对单棵树的点云分布状态进行分析判断,实现行道树位置、树干高、冠幅、胸径的几何属性的自动提取。     

布料模拟法无人机倾斜摄影建筑点云提取

受布料模拟滤波思想的启发,本文提出一种基于无人机倾斜摄影密集匹配点云的建筑提取新方法。该方法引入布料模拟进行建筑顶面的初步识别,通过模拟布料下落过程,分析布料与对应密集匹配点云之间的作用,确定布料由重力下降后所停留的位置作为建筑顶面的初步识别,然后通过密度聚类算法进行建筑区分,从而实现建筑物顶面的单体化提取。通过实测数据进行试验,结果表明,该方法能取得较好的效果,为基于密集匹配点云的建筑物提取提供一种新思路。     

基于断面基准面点云模型的隧道管片分割与断面提取

隧道变形的精确测量对于掌握隧道衬砌结构的变化及其发展规律、保障隧道的安全运行具有重要意义。本文首先借助轨载移动三维激光测量系统获取地铁隧道的激光点云,结合隧道呈柱面的几何特点,提出一种基于断面基准面投影的盾构隧道点云模型构造方法;然后利用断面基准面点云的高度梯度与三维特征分割隧道管环并提取隧道断面,从而获取盾构隧道的连续横断面,为隧道变形监测提供基础。     

基于倾斜影像的三维建筑物纹理提取方法研究

通过倾斜摄影技术实现三维城市建模是当前三维城市快速建模的一种发展趋势,在三维城市快速建模过程中,如何在加密和定向工序处理后的倾斜影像中提取建筑物的侧面纹理,从而实现纹理自动匹配,是一个值得研究的问题。