基于影像密集匹配点云的建筑物变化检测方法

采用影像密集匹配点云开展变化检测能有效发现建筑物高度的变化。提出了一种融合深度神经网络与空间体素的影像密集匹配点云建筑物变化检测方法。首先构建注意力驱动的建筑物点云提取深度神经网络,再分别利用布料模拟滤波算法和植被指数剔除地面点和植被点云,最后通过空间体素比较提取建筑物点云变化。实验结果表明,该方法的漏检率为0%,且虚警率比传统方法降低了48.64%,说明其具有大幅提升违章建筑发现效率的潜力,能够满足实际生产需求。

基于改进的不规则三角网的密集匹配点云滤波与应用

密集匹配点云作为一种新型数据,被广泛应用于各种地形图测绘生产,针对现阶段密集匹配点云滤波技术尚不成熟的问题,本文利用一种改进的不规则三角网加密滤波算法,通过建筑物立面选取地面种子点,结合高程排序构建不规则三角网进行地面点云滤波,并与传统不规则三角网加密滤波算法进行对比,结果表明:改进的算法在地面滤波过程中,选取的地面种子点更加准确。对于不同的地形,此算法具有一定的适用性,在地形平坦区域总误差为9.3%,地形复杂区域总误差为12.9%,匹配精度提升了20%~30%,取得了较好的滤波效果。

无人机影像密集匹配点云在违法占地和违法建筑监测中的应用

当前城市违法占地和违法建筑监测大多基于遥感影像开展,无法有效发现建筑物加建、加盖等情况,利用影像密集匹配点云提取建筑物三维变化是“两违”精准监测的有效途径。本文以贵港市“两违”监测工作为例,以无人机影像密集匹配点云为基础数据,通过构建深度神经网络模型自动提取建筑物点云,并检测不同时相建筑物点云的变化,经叠加审批、规划等自然资源管理数据,快速提取出疑似“两违”图斑并开展监测。

影像密集匹配点云的单体化提取

以倾斜影像密集匹配点云数据为研究对象,提出了一种快速提取建筑物单体点云模型的方法。首先通过过滤地面点云数据以实现地物分离,采用高程频率直方图确定植被点云的高程区间并予以剔除。然后采用基于密度的聚类分析算法对剩余建筑物顶部点云进行了聚类。最后根据每栋独立建筑物屋顶点云的坐标范围,从原始点云数据中提取了每栋独立建筑物的完整点云,实现了对于倾斜影像密集匹配点云的单体化提取。

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。

密集匹配点云下的矿石块度提取

在矿山爆破作业中,评判矿山爆破质量的重要指标是爆破后矿石块度的大小。矿石块度的大小直接影响着后期的生产作业。针对露天矿施工过程中矿石块度测定问题,提出了一种基于密集匹配点云数据的矿石块度测定方法。首先通过寻找矿石堆中最高点与最低点计算不同矿石堆的坡度;然后依据计算得到的矿石堆坡度信息以及点云灰度信息、邻域特征等,采用粗提取与精提取相结合的方式对矿石点云边界线进行提取;依据提取出的边界线实现不同矿石点云的有效分割;最后利用分割得到的单个矿石点云进行块度估算以及矿石分布规律研究。试验表明:本文方法可以有效地分割出单个矿石点云,且分割效果较好,研究区内矿石块度大多介于0.5~1.0 m。

密集匹配点云的自适应道路提取算法研究

多视倾斜影像密集匹配后能够生成海量点云数据,但数据本身缺乏有效的道路提取信息。针对此问题,提出一种密集匹配点云的自适应道路提取算法。首先对多视影像进行道路感兴趣区特征采样,获取影像区域道路的纹理特征,然后对三维点云进行去噪处理并剔除掉高大建筑物和植被。在点云中选取2个明显的道路点作为初始种子点,搜索种子点一定半径范围内的点,并统计这些点对应的法线与种子点法线的夹角,根据道路边沿法线的突变性提取出道路点。然后利用道路点拟合出道路中心线并根据最小包围矩形优化搜索搜索半径,进而自适应的生成其他道路种子点。实验结果表明,该方法提取的道路能够保持连通性,道路边界清晰,且提取耗时较短,具有较好的稳健性。

基于倾斜影像密集匹配点云的数字高程模型更新方法研究

针对数字高程模型(DEM)更新时传统航空摄影测量方法效率低和激光雷达点云方法成本高的问题,提出了一种基于倾斜影像密集匹配点云的DEM更新方法。将倾斜影像生成密集匹配点云,然后对地形变化区域进行滤波并与未变化区域历史DEM反生成的点云合并,对合并后更新区域和接边问题进行处理后得到更新后的DEM成果。该方法更新的DEM既具备点云数据细节丰富的优势,又避免了单独获取激光雷达点云数据,是一种行之有效的DEM更新方法。

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息,对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。

利用密集匹配点云的建筑物结构矢量化方法

针对在建筑精细信息分析、城市更新等领域中,包含结构信息的矢量化结果自动化程度不足的问题,提出了一种以密集匹配点云作为数据源的建筑物结构感知与矢量化方法。首先,在建筑物结构单体点云提取的基础上,利用矢量轮廓重建算法和基于建筑剖面轮廓的屋檐改正方法剔除屋檐的影响,进一步采用剖面特征追踪方法,并结合基于图像的剖面结构拓扑对比分析方法实现阳台、飘楼区域的自动识别;最后,通过结构化矢量重建,得到包含局部结构语义信息的建筑结构矢量化结果。实验结果表明,该方法矢量化结果与人工测图结果计算的建筑面积整体误差为6.5%,说明其能够较好地反映建筑真实矢量结构特征。

密集匹配点云下的建筑物屋顶特征线提取

针对建筑物三维重建中屋顶特征线提取及激光雷达数据获取成本高的问题,提出一种基于三角面片法向量和平面拟合的区域增长算法。首先对预处理后的无人机密集匹配点云进行不规则三角网构建;其次根据面片法向量及平面区域内的三角面片共面的几何特征进行面片分割;然后根据三角面片边线的斜率进行区域面片边界线提取;最后基于语义信息对提取到的边界线进行规则化处理得到屋顶特征线。并以3个不同结构的屋顶点云数据为例,对本文方法进行验证,试验表明该方法可以有效地提取出建筑物屋顶特征线,且提取精度较高,平面误差在0.05 m以内,可满足建筑物三维重建的要求。

一种航空影像密集匹配点云的迭代中值滤波算法

为有效解决基于航空影像密集匹配生成的点云中含有大量的冗余点和噪声信息,影响表面模型(DSM)的质量和后续数字正射影像(DOM)生成效果的问题,提出了一种航空影像密集匹配点云的迭代中值滤波算法。通过引入邻域法向量求和的思想定义空间圆柱体,并以此作为点云剔除的约束准则,判断空间圆柱体内是否需要获取中值点,并结合距离统计分析的方法剔除少量离群点,迭代直至相邻两次输出点云数量差异少于设定阈值。采用具有重叠区域的两类点云数据进行对比实验,结果表明:提出的方法能够有效剔除摄影测量密集匹配点云的噪声,对于存在厚度的冗余点云进行光顺平滑,能够保留完整的边缘特征。

基于倾斜三维模型与机载LiDAR点云的DEM快速更新

随着倾斜摄影技术的发展和实景三维建设的不断推进,地形级实景三维地理场景对DEM现势性要求日益提高。为了解决传统方法更新DEM成本高、工作量大的问题,本文提出了利用倾斜三维模型成果转换点云,融合两期DSM和DOM进行变化检测,替换已有机载LiDAR点云,快速更新DEM的方法,并通过项目验证了该方法的可行性,极大地节约了生产成本,为DEM更新提供了思路。

激光点云与密集匹配点云融合方法

针对地面激光扫描点云和航摄影像密集匹配点云融合存在质量退化与分层的问题,本文提出了一种基于图割算法和引导点云滤波算法的异源点云融合方法。该方法首先利用一种结合几何和颜色信息的图割算法分割密集匹配点云,然后利用分割后的密集匹配点云填补激光点云的孔洞和遮挡区域,接着采用以表面曲率加权的引导点云滤波算法消除混合边界处的缝隙并纠正混合点云中的平面错层。实验结果证明,所提方法对比现有方法有明显的性能提升,融合后的精度和完整性分别提升了5.42%和2.94%,能够较好地支撑激光点云与密集匹配点云的高质量融合。

利用密集匹配点云的建筑单体提取算法研究

以三维点云或模型表达的单体化建筑信息是城市规划、市政管理、数字城市建设等多个应用领域的关键信息要素。利用航空影像密集匹配点云,提出了一种针对复杂建筑区域建筑单体的快速提取算法。在对点云进行滤波处理及水平点云提取和聚类的基础上,将点云面域投影至二维平面格网化,并结合立面信息及面域几何特征将非屋顶面的点云面域滤除,进一步基于栅格图像计算点云面域之间的拓扑关系,得到了各建筑单体的点云覆盖范围,最后实现了建筑单体点云的提取。实验结果表明,所提算法对建筑单体点云提取的召回率和查准率平均值分别为92.6%和89.9%,说明所提算法能够有效支撑复杂区域建筑单体的提取。

基于摄影测量匹配点云估算建筑表面太阳辐照度

针对现有建筑物太阳辐照度评估方法难以同时兼顾建筑屋顶和立面,激光点云数据成本较高,不适合计算大范围、高密度获取建筑表面点云问题。本文提出了一种基于倾斜影像密集匹配点云进行建筑物表面太阳辐照度一体化评估方法。该方法通过无人机倾斜影像获取感兴趣区域的建筑物三维模型,结合阴影仿真算法和简化后的太阳辐射模型,对建筑物表面进行阴影仿真和太阳辐照度计算。经对比试验验证,本文方法能够准确计算建筑表面太阳辐照度,有效拓展了倾斜摄影测量的应用范围,为协助建筑师设计建筑表面和最大化利用建筑表面太阳能提供了可靠的数据支撑。

利用无人机倾斜摄影点云的建筑单体化提取

针对倾斜摄影密集匹配点云难以支撑建筑三维应用开展的问题,提出了一种利用投影点密度和八叉树叶节点连通性聚类的倾斜摄影点云建筑单体化提取方法。该方法充分利用无人机倾斜摄影点云建筑物丰富的立面特征,在不同空间目标特征分析的基础上,依据投影点密度进行建筑物立面识别,引入八叉树叶节点连通性聚类方法对提取的建筑物立面进行进一步分割,从而实现无人机倾斜摄影点云建筑物立面的单体化提取。对实测数据进行验证,结果表明该方法能取得较好的效果,可为基于密集匹配点云的建筑物单体化提取提供借鉴。

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。

基于空间体素表达与影像目标验证的建筑物三维变化检测分析

针对复杂城乡区域违法建筑检测效率低、虚警和楼层加盖等漏检多的难题,本文结合三维点云空间体素表达与二维影像目标识别,提出一种适用于无人机影像密集匹配点云的建筑物三维变化检测方法。首先,对两时相的无人机密集匹配点云进行配准、地面点滤波等预处理;然后,对点云构造八叉树,逐层比较体素获取变化点云;最后,将变化点云聚类后逐个按正射视角投影生成二维影像,利用ConvNext网络进行建筑物验证,得到建筑物变化检测结果。本文实验在对象级上进行检查效果评价,在正确率达到87.18%的情况下,实现了100%的检测完整率。结果表明本文方法能够有效提升违章建筑发现效率,满足实际生产需求。

基于无人机倾斜摄影的嘉兴老城区住宅识别

为了应对老城区房屋数据信息不足、获取不便的问题,提出利用无人机(UAV)倾斜摄影测量技术实现老城区住宅自动识别的方法.根据老城区典型多层住宅的外立面特征,确定出阳台构造、立面朝向和房屋长宽比3个参数控制的住宅判别标准.通过无人机摄影测量获取嘉兴研究区的密集匹配点云、数字正射影像(DOM)和数字表面模型(DSM)数据.融合DOM及DSM数据提取单体建筑轮廓,分割出单体房屋点云.基于RANSAC算法提取房屋立面点云并确定立面朝向,根据立面的点云空间分布判断立面长度及阳台构造.试验表明,在研究区应用该方法识别典型住宅的准确率可以达到90%.