基于特征分区的建筑物数据空间化研究

针对现有基于多因素的建筑空间分布格网化模型未考虑建筑物空间分布异质性的问题,提出基于特征分区的建筑物数据空间化模型。以四川省雅安市为例,利用影响建筑物空间分布的因子进行建筑物特征一致性分区,选取土地利用、高程、坡度、坡向、河流距离、道路距离、地形起伏度7类影响因子,基于分区结果分别研究建筑物空间分布与各影响因子之间的关系,分区构建基于多因素的建筑物数据空间化模型,生成雅安市300 m格网建筑物空间分布数据。研究结果表明,分区构建的建筑物空间分布格网化模型有效提高了建筑物空间分布数据的精确度与准确性。     

基于无人机影像的辽宁农居建筑物提取技术与应用研究

本研究以实地调研数据为基准,无人机影像数据分析为验证,进行了基于无人机识别能力范畴的辽宁农居建筑结构类型划分,并根据区域结构类型比例、影像特性等指标优化了农居遥感解译标志整体参数,提取了不同建筑结构的不同解译标志阈值区间,并基于无人机低空正射影像DOM、数字表面模型DSM制定改进型DSM提取算法处理流程与代码,利用Python语言及开发环境完成了遥感影像要素提取与评估系统开发应用。通过最优组合解译标志获取无人机影像解译一致性系数Kappa=0.723,表明制定的解译标志特征对获得具有较好一致性的房屋结构类型具备一定的可行性。以改进型DSM提取算法为核心的建筑物提取软件提取建筑的整体精度为75%,基本满足地震应急需求。     

基于CFD的单个建筑物风场模拟参数选择

运用流体力学软件FloEFD对沽源单个建筑物周围的风场进行数值模拟。通过不断改变模型中计算参数的设置进行一系列模拟试验,对比模拟试验结果,并与观测资料进行比较,分析不同计算参数对模拟结果的影响,并获得适用于该模型的最佳参数。主要研究的计算参数包括计算域高度,初始网格等级,局部初始网格等级和不同平均风速剖面形式。结果表明:计算域高度从3倍建筑物高度开始,空腔区的长度、漩涡中心位置以及再发展区的边界位置基本保持稳定。随着初始网格等级的增加,空腔区的长度、再发展区的边界位置及计算时间逐渐增大。局部初始网格等级对模拟结果影响不显著。以两种不同平均风速剖面形式进行模拟,迎风漩涡长度不同,背风面影响不大。与观测资料比较显示,最优参数组合为:计算域高度为3倍建筑物高度,初始网格等级为4、局部初始网格等级为4、平均风速剖面形式为指数律。     

车载LiDAR点云中的建筑物特征提取

针对车载LiDAR点云数据处理复杂、时间长的问题,本文以地物不同特征值作为建筑物自动提取算法的依据,通过点云数据预处理、聚类分析等一系列流程最终实现一般建筑物点云的自动提取.通过两个实验区点云数据的提取与相应的实际地物进行精度分析对比,结果表明本文算法对实例测区环境下的不同建筑物点云提取具有较好的有效性,满足数字城市三...     

基于多层次感知网络的GF-2遥感影像建筑物提取

高分辨率遥感影像建筑物提取任务在城市规划、城镇化进程等领域发挥着重要作用.针对现有的深度学习提取方法存在浅层特征未得到有效利用、小目标信息容易丢失等问题,提出了一种多层次感知网络.该网络利用密集连接机制充分提取特征信息,并构建平行结构保留不同特征分辨率的空间信息,增强不同深度、尺度特征信息,减少细节特征的丢失;同时利用...     

结合深度学习和图割法的遥感影像建筑物检测

提出一种基于卷积神经网络和图割法的自动提取高分影像建筑物的方法。首先,通过卷积神经网络定位与检测建筑物的位置,逐一提取单个建筑物轮廓,利用检测结果分别建立建筑物和非建筑物的高斯混合模型（GMM）,然后结合最大流最小割的图像分割方式实现全局优化,完成建筑物初步提取,最后用形态学进行优化。通过试验证明了该方法的可行性。     

建筑物侧面轮廓线约束的高分辨率遥感影像建筑物高度估算方法

针对现有利用阴影长度法提取建筑物高度时存在的阴影间相互遮挡问题,提出了一种基于建筑物侧面轮廓线进行建筑物高度估算的新方法。首先,利用RPC模型计算建筑物像点位移的方向与卫星成像角度,再将遥感影像进行旋转,使建筑物像点位移沿水平方向;然后,利用Canny算法进行轮廓检测,并构建一定长度的矩形形态学结构元素,对轮廓图像进行形态学开运算,以提取侧面轮廓线,再利用Hough变换与建筑物角点约束,对所提取的轮廓线进一步筛选;最后,根据卫星侧视成像时建筑物高度与像点位移的几何关系进行建筑物的高度估算。利用实际的高分辨率卫星影像对本文方法进行了验证,并与阴影法估算建筑物高度进行了对比。试验结果证明,利用建筑物侧面轮廓线进行建筑物高度估算平均误差可以达到0.7 m,且实际精度优于使用阴影法进行建筑物高度估算。     

一种正样本单分类框架下的高分辨率遥感影像建筑物变化检测算法

高分辨率遥感影像建筑物变化检测对于城市规划、城市执法等方面具有非常重要的意义。文中提出一种基于正样本单分类器学习框架下的建筑物变化检测算法。首先提取影像形态学建筑物指数特征(MBI),通过卡方变换将其与光谱特征进行融合;然后利用一种单分类器完成建筑物变化初始判定;最后利用改进的长宽比形状特征完成最终建筑物变化判定。通过与现有建筑物变化检测算法、传统的多分类器算法对比,本文算法精度有一定提升并具有更强的鲁棒性。     

基于加权约束的单体建筑物点云表面重建算法

建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物三维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。     

基于点云数据的建筑物建模方法

建筑物三维模型重在数字城市、场景重现、虚拟现实中应用广泛,三维激光扫描技术作为一种新的技术方法,在建筑物三维建模中应用越来越多。本文以三维激光扫描技术获取的点云数据为数据源,以一仿古建筑为研究对象,对点云数据进行优化处理,并用不同的建模方法进行三维建模,对比分析了每种方法的优缺点和适用范围,最后采用几何建模方法进行纹理贴图,得到真实的三维模型。