機載LiDAR點云數(shù)據(jù)建筑物提取算法

機載激光雷達技術已經(jīng)成為快速獲取城市建筑三維數(shù)字模型的有效手段,而建筑物屋頂點云提取則是建筑物三維數(shù)字模型重建的關鍵.為有效剔除植被和墻面點云,以及消除地形起伏對建筑點云提取精度的影響,提出一種層進式屋頂點云提取方法.首先對lidar點云進行濾波,在此基礎上利用點云回波特性和點云法向量檢測并刪除非地面點中特征明顯的植被點和建筑物墻面點,然后利用連通成分分析法對非地面點聚類得到初始建筑點,最后結合dtm并利用建筑物面積和高度信息分離得到建筑物屋頂點云.試驗結果表明,本方法能有效地從機載點云數(shù)據(jù)中快速提取建筑屋頂點云,有效率可達85%以上.

機載激光雷達技術已經(jīng)成為快速獲取城市建筑三維數(shù)字模型的有效手段,而建筑物屋頂點云提取則是建筑物三維數(shù)字模型重建的關鍵.為有效剔除植被和墻面點云,以及消除地形起伏對建筑點云提取精度的影響,提出一種層進式屋頂點云提取方法.首先對lidar點云進行濾波,在此基礎上利用點云回波特性和點云法向量檢測并刪除非地面點中特征明顯的植被點和建筑物墻面點,然后利用連通成分分析法對非地面點聚類得到初始建筑點,最后結合dtm并利用建筑物面積和高度信息分離得到建筑物屋頂點云.試驗結果表明,本方法能有效地從機載點云數(shù)據(jù)中快速提取建筑屋頂點云,有效率可達85%以上.

設計了一種采用多種策略的建筑腳點提取方法,針對建筑腳點提取中的兩個關鍵步驟———數(shù)據(jù)分類和建筑腳點分割,分別提出和引入了鄰近關系和r半徑點密度,從僅反映單次反射的dsm數(shù)據(jù)中,直接提取出建筑表面點。

機載激光雷達（lidar）數(shù)據(jù)是離散的三維點云,同一個建筑面的三維激光腳點具有隨機分布的特性,并且由于建筑本身形狀的多樣性和復雜性,以及建筑物周圍環(huán)境的復雜性,導致從lidar數(shù)據(jù)提取建筑物輪廓線變得更加困難。提取建筑物的輪廓線,最關鍵的就是提取lidar數(shù)據(jù)中建筑物的邊緣點。文中提出一種改進的提取lidar點云數(shù)據(jù)邊緣點方法：設定具體的半徑和閾值,把lidar點云數(shù)據(jù)中存儲的每個點作為圓心建立包裹圓,求得點云數(shù)據(jù)中其他點到該點的距離,并統(tǒng)計落在包裹圓內點的個數(shù),通過每個包裹圓內點的個數(shù)跟設定的閾值進行比較,從而確定該點是否為邊緣點。通過仿真發(fā)現(xiàn),文中算法與alphashape算法相比,在保持邊緣點提取效果的基礎上,極大減少了運行時間,總體效率有了顯著地提高。

從機載雷達點云數(shù)據(jù)中快速準確提取建筑物是當前研究的難點和熱點。在對現(xiàn)有建筑物點云提取方法充分研究和分析的基礎上,本文提出了一種基于lidar點云的建筑物提取方法。首先根據(jù)建筑物的幾何特性提取初始建筑物輪廓點;然后構建局部協(xié)方差矩陣計算點云分布特征,剔除非建筑物輪廓點;最后利用dbscan聚類算法對建筑物輪廓點聚類,以聚類結果為基礎構建緩沖區(qū),以緩沖區(qū)內所有建筑物輪廓點為初始種子點,采用圓柱體鄰域進行多種子點區(qū)域增長,實現(xiàn)建筑物點云的提取。通過兩組試驗,共5組數(shù)據(jù)驗證本文算法的性能。試驗結果表明,該方法能夠準確、有效地提取多層復雜的建筑物點云,效率高,且具有一定的適用性。

針對建筑物立面幾何模型構建的難題,該文提出了一套完整的建筑物立面提取方法。在車載-機載lidar點云數(shù)據(jù)精確配準的基礎上,首先提取出機載建筑物的外輪廓線,通過設置輪廓線緩沖區(qū)實現(xiàn)立面點云分割,然后采用隨機抽樣一致性(ransac)平面探測算法探測建筑物主立面,最后結合立面語義規(guī)則及面片之間的拓撲關系構建建筑物立面的三維線框模型。實驗結果表明,新方法能準確、有效地構建建筑物立面模型。

對原始lidar點云數(shù)據(jù)采用謝別德法進行內插生成規(guī)則格網(wǎng)的數(shù)據(jù)形式dsm,利用雙次最小二乘法來進行濾波分離地面點云和非地面點云形成dtm,從而得到了規(guī)則化的dsm.采用區(qū)域增長法對規(guī)則化的dsm進行分割,去除非建筑物點云,獲取建筑物點云信息.采用canny算子來將分割后的影像進行建筑物邊緣的提取,采用基于hough變換檢測直線來對提取出的建筑物邊緣進行規(guī)則化操作使其光滑均勻,最后使用e3de3.0軟件進行建筑物三維模型的建立.

機載lidar點云數(shù)據(jù)分布呈現(xiàn)離散化,掃描的目標點云沒有明確的輪廓,而建筑物形狀呈現(xiàn)復雜化和多樣化,這給提取機載lidar數(shù)據(jù)中建筑物輪廓線帶來了困難。alphashapes算法的優(yōu)點在于無需知道點云中各點處的法向量及其他先驗知識就能進行處理,避免了插值算法帶來的誤差影響,對于少量點云缺失及數(shù)據(jù)冗余的情況,算法仍具有良好的穩(wěn)定性和適應性。alphashapes方法可以得到較為精細的建筑物邊緣,且該算法適用于各種多邊形建筑物輪廓線的提取。

機載激光掃描系統(tǒng)是集成了gps、慣性導航系統(tǒng)(ins)和掃描激光測距系統(tǒng)并利用飛機作為運行平臺,來獲取地面的三維位置,進而快速生成數(shù)字表面模型(dsm)。隨著機載掃描激光測距系統(tǒng)的不斷完善和發(fā)展,獲取城市dsm數(shù)據(jù)也變得越來越快速,而且方便和經(jīng)濟可靠,地面激光點的密度也大大提高。目前國外激光掃描系統(tǒng)的激光點密度一般都達到了1～20點/m2,因此利用機載激光掃描系統(tǒng)獲取的城市dsm提取建筑物也漸漸受到重視。利用激光掃描數(shù)據(jù)提取建筑物可以分為兩大類,第一類是單純以獲取的機載激光測距數(shù)據(jù)來提取建筑物,第二類是融合激光測距數(shù)據(jù)和其他相關信息的建筑物提取,如融合航空影像、融合ikonos高分辨率衛(wèi)星影像來提取建筑物。本文對國際上利用機載激光掃描測距數(shù)據(jù)進行建筑物提取的最新研究進展進行了一些分析,同時也給出了應用我國研制的機載激光掃描數(shù)據(jù)提取建筑物的試驗研究和初步結果。

機載激光掃描系統(tǒng)是集成了gps、慣性導航系統(tǒng)(ins)和掃描激光測距系統(tǒng)并利用飛機作為運行平臺,來獲取地面的三維位置,進而快速生成數(shù)字表面模型(dsm).隨著機載掃描激光測距系統(tǒng)的不斷完善和發(fā)展,獲取城市dsm數(shù)據(jù)也變得越來越快速,而且方便和經(jīng)濟可靠,地面激光點的密度也大大提高.目前國外激光掃描系統(tǒng)的激光點密度一般都達到了1～20點/m2,因此利用機載激光掃描系統(tǒng)獲取的城市dsm提取建筑物也漸漸受到重視.利用激光掃描數(shù)據(jù)提取建筑物可以分為兩大類,第一類是單純以獲取的機載激光測距數(shù)據(jù)來提取建筑物,第二類是融合激光測距數(shù)據(jù)和其他相關信息的建筑物提取,如融合航空影像、融合ikonos高分辨率衛(wèi)星影像來提取建筑物.本文對國際上利用機載激光掃描測距數(shù)據(jù)進行建筑物提取的最新研究進展進行了一些分析,同時也給出了應用我國研制的機載激光掃描數(shù)據(jù)提取建筑物的試驗研究和初步結果.

提出了顧及多面片建筑物模型拓撲關系的邊界提取方法。針對多面片建筑物的特點并基于最小二乘法,設計了一套適合多面片建筑物的邊界規(guī)則化方法,并生成了3維建筑物模型。實驗證明,本文方法對于多面片建筑物模型的3維自動重建都是可行和有效的。

簡述三種典型的利用lidar點云自動提取建筑物的方法。提出對建筑物提取結果的精度評價指標,并對三種方法的提取結果進行比較。結果表明基于dempster-shafer理論的建筑物自動提取方法最為穩(wěn)健。

建筑物輪廓的準確提取是建筑物三維重建中最重要的一步。本文在研究已有建筑物輪廓提取方法的基礎上,針對lidar離散的點云數(shù)據(jù),提出了一種自動快速提取建筑物輪廓信息的方法。首先通過點云數(shù)據(jù)生成城市的數(shù)字表面模型(dsm)和數(shù)字地面模型(dtm)相減計算得出規(guī)則化的數(shù)字表面模型(ndsm),進而將地面點和非地面點進行分類;其次,考慮到地物的幾何特性,提出一種8鄰域搜索的方法對非地面點點云進行分割,得到建筑物表面點云;最后運用基于梯度圖的邊界跟蹤的方法來獲取建筑物的輪廓信息。實驗表明:該方法能有效地提取建筑物輪廓。

激光雷達技術(lidar)已廣泛應用于數(shù)字高程模型(dem)的快速獲取和三維城市模型的建立中,但仍有許多不足之處,需要做更深入的研究。本文介紹了一種新的建筑物提取方法,稱之為fc-s法。該方法首先利用等高線特征進行濾波,從lidar數(shù)據(jù)內插的數(shù)字表面模型(dsm)中提取出dem,利用dsm與dem的高差閾值和dsm邊緣特征參數(shù)去掉地面點和汽車等矮小物體,獲得主要包含植被和建筑物的地物點群,然后對地物點群進行分割,利用二次梯度和面積等參數(shù)去掉植被點,并采用迭代逼近的方法精化建筑物。文章通過實驗對所提方法進行驗證,并借助高分辨率的航空影像對建筑物提取結果進行評估,評估結果表明該方法能夠在地形起伏的區(qū)域中較準確地提取出建筑物。

機載激光雷達是dem生產和城市三維重建的重要技術手段之一。文章在現(xiàn)有濾波算法的基礎上提出一種基于lidar影像分層的分割算法。該方法按照固定的高差間隔將dsm劃分為不同高度的數(shù)據(jù)層;然后在不同的數(shù)據(jù)層中對圖像目標進行分割,并計算各個圖像目標的特征變化;最后分析影像分割在垂直方向上尺寸和形狀的變化以及其中心位置的偏移,在此基礎上完成建筑物的提取。結果表明上述方法可有效地提取大規(guī)模復雜的建筑物。

提出一種從機載lidar點云數(shù)據(jù)中自動提取建筑物平面的方法。給出了基于邊長約束的三角形生長算法對建筑物初始區(qū)域進行提取,針對提取出的建筑物腳點,利用自適應meanshift方法在特征空間中對其進行聚類分析,并提取出平面目標,最后利用alpha-shape算法生成建筑物平面的輪廓線。通過實驗證實了方法的有效性。

本論文介紹了一種基于機載lidar技術,快速獲取建筑物三維模型的快速構建方法。首先,將高密度的點云數(shù)據(jù)通過濾波及相應的數(shù)學算法,得到了建筑物的點云信息；其次,利用獲取到的點云數(shù)據(jù)對特征點進行精細提取,分別構建特征線與特征面,采用7參數(shù)建筑物模型的方法,實現(xiàn)了建筑物的三維建模；最終,利用這種方法得到了場景中所有建筑物的快速重建。

基于機載激光掃描測高數(shù)據(jù)重建建筑物模型是當前該領域的研究熱點。首先介紹不變矩的概念,然后基于平移不變矩和旋轉不變矩給出了由不變矩計算房屋特征參數(shù)的表達式,并根據(jù)特征參數(shù)計算房屋特征點的坐標。

基于數(shù)字圖像處理技術的LiDAR數(shù)據(jù)建筑物提取

建筑物立面兼顧規(guī)則和非規(guī)則的幾何結構排列,利用先驗或提取的立面結構規(guī)則推理數(shù)據(jù)稀疏區(qū)域立面模型時,會產生不合理的重建結果.為此,提出一種結合規(guī)則推理和點云數(shù)據(jù)驗證的數(shù)據(jù)稀疏區(qū)域建筑物立面重建方法,能夠對推測的立面模型合理性進行驗證.在利用影像數(shù)據(jù)改善立面點云數(shù)據(jù)初始重建模型偏移的基礎上,分析立面結構的排列規(guī)律.采用四鄰域模板匹配方法推理點云數(shù)據(jù)稀疏區(qū)域立面幾何結構的位置和類型.最后用點云數(shù)據(jù)驗證推理重建結果的可靠性.實驗表明,對于結構多樣的建筑物立面,該方法可檢測出不合理的重建結果,提高了基于規(guī)則建筑物立面重建的可靠性.

提出了一種基于蟻群算法的地面激光掃描數(shù)據(jù)建筑物立面提取方法,該方法可以有效地區(qū)分沿街lidar掃描景觀數(shù)據(jù)中建筑物立面和位于其前方的樹木、街燈、行人、?？寇囕v等遮擋物。三組真實的地面激光點云的實驗結果表明,該方法能準確、有效地提取建筑物立面點云數(shù)據(jù)。

建筑輪廓線提取與規(guī)則化是lidar數(shù)據(jù)處理和建筑三維建模的重要步驟和技術難點。首次將"alphashapes算法"應用于lidar數(shù)據(jù)處理,實踐證明該算法簡潔高效、運行穩(wěn)定、提取精度高,適用于任何形狀的建筑輪廓線提取,并具有一定自適應性和濾波功能,非常適合lidar點云數(shù)據(jù)提取建筑輪廓線。同時,提出了改進的"管子算法"用于原始輪廓線的簡化,提出了適用于四邊形的"矩形外接圓法"和適用于多邊形(大于四邊且邊數(shù)為偶數(shù))的"分類強制正交法"以進一步實現(xiàn)輪廓線的規(guī)則化,最終解決了離散點云提取規(guī)則建筑輪廓線的核心問題。實踐證明,本文所述算法適用于凸凹多邊形建筑內外輪廓線的提取與規(guī)則化。