基于倾斜影像点云的建筑物提取算法研究

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建筑物分类信息.针对此问题,提出一种基于倾斜影像点云的建筑物提取算法.首先对三维点云进行去噪处理和植被的剔除,将点云进行空间格网分区后降维到二维平面,通过赋予二维平面格网内每个点一定的权值,进而对格网进行特征值重采样.然后对二维平面进行图像形态学处理,利用骨架提取算法找到建筑物的轮廓,将该轮廓和三维点云进行融合后重新整饰建筑物边缘,提取出最终的建筑物点云.两组实验结果表明,该方法提取的建筑物点云轮廓清晰,建筑物立面提取较好,该算法具有较好的稳健性.

基于随机森林的倾斜影像匹配点云分类研究

针对由无人机倾斜影像匹配所生成的高密度三维彩色点云,文中提出一种基于随机森林的点云分类方法。在提取彩色点云几何特征和光谱特征的基础上,首先采用变量重要性评分策略进行特征的重要性评估,进而确定一组用于分类的最优特征子集,最后采用随机森林算法将点云分为建筑物、树木以及低矮植被三类。实验结果表明,该方法可以将匹配点云中提取的几何特征和光谱特征有机融合,并在减少冗余特征的基础上,有效提高倾斜影像匹配点云的分类精度和效率。