机载LiDAR点云建筑物屋顶轮廓线自动提取研究综述

建筑物作为城市中最主要的人工地物,其三维模型是智慧地球建设的重要数据支撑,实现精准自动化三维重建至关重要。机载激光雷达(Light Detection and Ranging,LiDAR)技术因具有环境约束小、操作成本低、采集速度快、数据精度高、可全天候获取地物空间信息等优势,已成为自动提取建筑屋顶轮廓线辅助建筑三维重建的主要数据源。首先对建筑屋顶轮廓线提取技术的发展历程进行简要回顾,再根据以往研究内容总结出一套较为通用的技术流程;该技术流程4个关键步骤为点云滤波、建筑物提取、屋顶轮廓线提取和轮廓线规则化;对每一步骤的实现方法、常用算法、发展现状以及面临问题进行详细阐述和对比分析。最后,对本技术面临的挑战和未来发展趋势进行讨论。

基于点云数据的山区建筑物屋顶轮廓线提取研究

山区建筑物由于地势起伏大、周边植被茂盛等特点使得传统屋顶轮廓线提取算法应用效果较差。根据研究区域的地理特征,对轮廓线提取算法进行了改进,即以点云数据的曲率值为影响因子来评价离散程度,对离散程度高的数据选取曲率的最小值为种子点,对离散程度低的数据选取曲率的平均值为种子点。该方法与传统轮廓线提取算法相比,提高了屋顶轮廓线提取结果的精确度和连续性。

基于人工智能的屋顶光伏资源评估方法及其应用

在我国加速推进整县分布式屋顶光伏的大背景下,为直观、可靠地初步评估建筑屋顶可利用的光伏资源,提出一种基于深度学习的屋顶光伏资源评估方法,将图像分割技术与光伏仿真部分结合并应用。先根据双卷积神经网络模型Double U-Net识别建筑屋顶的外轮廓,实现建筑物屋顶的高精度自动提取,进行屋顶边缘的检测及屋顶面积的计算,判断该屋顶光伏组件的数量,使用KLEIN-THEILACKER模型计算出在该屋顶光伏组件最佳倾角和其倾斜面辐照量,最终估算屋顶面积的光伏最佳发电量。提出的DoubleU-Net模型训练准确度可达95.83%,同时该方法可估算所选屋顶的月、年总辐照量及总发电量。最后,以河海大学常州校区为案例,通过与Solargis网站数据对比,验证了所提出方法具备较高的可靠性和适用性。

从航空影像中自动提取高层建筑物

高层建筑物形状的复杂多变使传统的模型匹配方法难以提取.由建筑物垂直边缘检测出发,采用证据推理法,该文提出了一种在单视角高分辨率航空影像中自动提取高层建筑物的策略.该方法充分结合物方空间和图像空间各种有用信息,综合运用信号处理、计算机视觉等领域多种先进技术,逐步推理得出建筑物的位置、高度和屋顶轮廓等信息,从而实现了建筑物的三维重构.

基于OAR模型的航空影像高层建筑自动提取

基于建筑物的OAR模型,建立一种在单视角高分辨率航空影像中自动提取高层建筑物的策略.以建筑物垂直边缘为关键属性,结合窗户纹理和屋顶轮廓直线段属性及它们之间的关系,综合推理出建筑物的位置.实验结果表明,该方法能有效实现高层建筑物的自动提取.