利用机载三维成像仪的DSM数据自动提取建筑物

利用三维成像仪获取的DSM作为数据源,首先采用影像分割得到建筑物的平面轮廓线,再根据建筑物一般具有规则平面形状的特点,对建筑物的平面边缘线进行规格化处理,最后求出建筑物的平均高度值,从而得到建筑物的三维信息。试验表明,该方法是实用的。     

从车载激光扫描数据中提取复杂建筑物立面的方法

提出一种从车载激光扫描数据中提取复杂建筑物立面的新方法。该方法首先利用"维数特征"方法确定每个扫描点的最佳邻域,进而计算得到每个扫描点精确的局部几何特征(法向量、主方向、维数特征);然后基于"维数特征"对扫描点进行粗分类,并设置相应的生长准则对不同类别的扫描数据分别进行分割;最后综合建筑物立面的语义知识对建筑物立面区域进行精确提取。试验结果和比较分析表明,本文的方法不但能提取建筑物平面和非平面立面,而且可消除点密度差异(变化)对建筑物立面提取结果的影响,提高建筑物立面提取的正确率和完整性。     

小数据集中的小型建筑物提取方法研究

遥感卫星影像一般尺寸较大,而包含有小型建筑物的区域占比较小,如果采用滑动切块扩增数据样本的方法,大部分切片中没有目标,而构建包含大量小建筑物的大型数据集费工费时。常规的方法在高分辨率卫星影像上提取小型建筑物非常困难,研究适用于小规模数据集的小型建筑物提取任务的提取方法具有重要理论意义和应用价值。本文提出了一种轻量化的全连接分割网络ZF-FCN,使用较小的感受野获取更多局部信息,使用较少的最大池化操作避免剧烈的下采样,使用Lovász-Softmax损失解决样本不平衡问题,使网络训练更稳定也更好地优化交并比。最后构建了一个主要包含小型建筑物的小规模数据集,试验在对不同切块大小进行数据增强后进行。对比试验表明,ZF-FCN在建筑物提取任务上的表现优于FCN和U-Net。     

基于LiDAR数据的建筑物自动提取方法的比较

简述三种典型的利用LiDAR点云自动提取建筑物的方法.提出对建筑物提取结果的精度评价指标,并对三种方法的提取结果进行比较.结果表明摹于Dempster-Shafer理论的建筑物自动提取方法最为稳健.     

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。     

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.     

遥感影像建筑物提取的卷积神经元网络与开源数据集方法

从遥感图像中自动化地检测和提取建筑物在城市规划、人口估计、地形图制作和更新等应用中具有极为重要的意义。本文提出和展示了建筑物提取的数个研究进展。由于遥感成像机理、建筑物自身、背景环境的复杂性,传统的经验设计特征的方法一直未能实现自动化,建筑物提取成为30余年尚未解决的挑战。先进的深度学习方法带来新的机遇,但目前存在两个困境:①尚缺少高精度的建筑物数据库,而数据是深度学习必不可少的"燃料";②目前国际上的方法都采用像素级的语义分割,目标级、矢量级的提取工作亟待开展。针对于此,本文进行以下工作:①与目前同类数据集相比,建立了一套目前国际上范围最大、精度最高、涵盖多种样本形式(栅格、矢量)、多类数据源(航空、卫星)的建筑物数据库(WHU building dataset),并实现开源;②提出一种基于全卷积网络的建筑物语义分割方法,与当前国际上的最新算法相比达到了领先水平;③将建筑物提取的范围从像素级的语义分割推广至目标实例分割,实现以目标(建筑物)为对象的识别和提取。通过试验,验证了WHU数据库在国际上的领先性和本文方法的先进性。     

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。     

利用DSM以及彩色遥感航空影像快速提取建筑物目标信息

利用激光数据成果DSM以及真彩色航空遥感影像,借助面向对象的分析手段对试验区建筑物目标信息进行快速提取。结果表明,基于以面向对象分类技术为核心的eCognition,结合地物颜色信息、植被指数等特征能够对绿地目标进行提取,并可以利用eCognition围绕设定的规则利用逻辑运算实现绿地利用的变化检测。     

一种结合数字表面模型的建筑物提取方法

以数字表面模型(DSM)影像为辅助,提出了一种结合基于对象和基于知识的建筑物提取方法。首先利用DSM辅助多尺度分割,有助于分割完整的建筑区域;然后利用3种规则进行建筑物提取;最后利用国际摄影测量与遥感学会(ISPRS)标准数据集影像进行实验验证。结果表明,该方法可有效提取建筑物,得到高精度的提取结果,错提率与漏提率分别为6.26%与7.43%。     

基于AMMGC三线阵影像多视匹配模型的DSM自动提取

提出了适用于三线阵数字影像多视匹配的AMMGC模型,该模型综合利用多张线阵影像,减少信息盲区,提高匹配成功率,较大程度上克服了传统双像匹配模型的不足。AMMGC模型通过金字塔影像传递匹配初值,利用匹配检查策略检验匹配结果,非常适用于特征点与格网点匹配。运用ADS40三线阵数字影像对AMMGC匹配模型进行系统试验,结果表明:该模型能够从影像上获取大量同名像点,生成密集DSM,在DSM自动采集方面具有较强的可行性与实用性。     

数字表面模型的建筑物容积率提取

针对阴影长度和阴影面积法计算建筑物容积率误差较大的情况,该文利用航空影像密集匹配生成的点云数据逐点内插生成数字表面模型,提取建筑物三维信息,同时对于复杂建筑物屋顶,利用坡度滤波将其分割成为高度不同的面片,计算每一块屋顶的层数,从而得到较为准确的建筑总面积。实验证明,利用本文方法得到的建筑物容积率准确率高,且具有较高鲁棒性和使用价值。     

从LiDAR数据中获取DSM生成真正射影像

传统的正射影像在进行数字纠正时通常是将地物纠正在DTM上,致使城区造成屋顶和树木的坐标投影差。若利用LiDAR生成的密集DSM则可以制作真正射影像。阐述LiDAR技术的工作原理和系统组成以及真正射影像的制作原理,详细介绍从LiDAR数据中获取DSM,再结合同步采集的数码影像进行正射纠正生成真正射影像的可行性方法。     

基于多角度卫星影像制作 DSM，DEM数字产品的方法研究

随着多角度卫星的不断发展,多角度的应用也随之而来。由于多角度观测卫星可同时提供多角度观测数据,提供立体像对,从而为提取影像高程信息提供了可能。本文基于Cartosa1t 卫星获取的多角度卫星影像,对DSM、DEM等数字3D产品的生成方法进行了论述,对其发展前景做了展望。     

数字测图实践教学的启示

探讨了实践教学在培养大学生综合素质方面的作用、实践教学与课堂教学的关系 ,以及开展数字测图实践教学活动的有关问题。并倡导广大同行就如何推进数字测图实践教学内容、方法、及手段的改革、促进实践教学水平的提高 ,展开交流研讨     

DSM数据中多层次、多直角房屋的三维重建

根据房屋的层次结构特点,采用附加约束条件的最小二乘平差精化房屋几何模型,使得重建房屋满足现实世界中多数房屋邻接墙面直角相交的要求.对于非平顶房屋,采用法向量统计分析的方法与模型库中的房屋类型匹配,然后按匹配类型重建房顶.实验表明,本方法对于从DSM数据中重建多层次、多直角房屋和人字型屋顶等类型的房屋是行之有效的.     

利用加权整体最小二乘DSM提取DEM的方法

随着无人机航摄软硬件技术的快速发展,通过倾斜摄影三维建模快速获取DSM的成本越来越低。在小比例尺的地形图测量中,DSM若能通过快速处理得到较为精确的DEM,即可节省大量的人力物力。针对林地范围内DSM数据的特点,采用加权整体最小二乘法对DEM进行提取。     

基于影像特征点、线整体匹配的DSM自动生成

DSM的自动提取是“数字摄影测量”的最重要技术之一,其关键就是全自动影像匹配。其主要难点表现在:纹理信息缺乏、重复纹理、深度断裂与阴影、较大的投影变形等。为更好地解决上述问题,本文提出了基于特征点匹配与边缘线匹配相结合的方法。实验表明无论对山区还是城区都取得了很好的效果,证实了该方法在实际应用中的有效性。