建筑物类型的研究对于震后救援和损失评估具有重要作用,目前针对SfM(Structure from Motion)方法生成的三维密集点云数据的建筑物分类研究较少。首先基于SfM原理生成密集点云,然后通过建筑物单体点云高度均值和标准差对建筑物的高度和...建筑物类型的研究对于震后救援和损失评估具有重要作用,目前针对SfM(Structure from Motion)方法生成的三维密集点云数据的建筑物分类研究较少。首先基于SfM原理生成密集点云,然后通过建筑物单体点云高度均值和标准差对建筑物的高度和屋顶类型进行初步分类,进一步提出了建筑物单体屋顶最高点与最低点点云中心点的水平距离因子对单坡和双坡屋顶类型进行再分类的方法。以玛曲县城为研究区,使用SfM算法对无人机影像进行处理,并利用上述多因子再分类方法进行建筑物高度和类型分类。实验结果表明,设置高度均值和标准差阈值分别为6m和0.25m时能够准确区分单层、非单层建筑物和平、坡屋顶类型建筑物;对于单坡和双坡顶建筑物,利用距离因子,设定距离阈值1.5m时可完全区分。对该地区典型建筑物的研究结果表明,通过基于点云分析的建筑物高度和类型提取方法,可为地震灾害风险分析和未来潜在地震灾害损失预测所需的建筑物信息的提取提供重要参考。展开更多
针对建筑物点云精确分类问题,提出一种利用三维HOG(histogram of oriented gridients)特征的建筑物点云分类方法。首先,通过分析点云的空间分布特征(投影形状、高程差异、密集程度等),生成能够显著表达立面目标多尺度特征的三维格网;然...针对建筑物点云精确分类问题,提出一种利用三维HOG(histogram of oriented gridients)特征的建筑物点云分类方法。首先,通过分析点云的空间分布特征(投影形状、高程差异、密集程度等),生成能够显著表达立面目标多尺度特征的三维格网;然后,引入方向梯度直方图算子,依据建筑物立面的邻域梯度对称性,以及多尺度、多方向的立面特征差异,分析格网三维HOG特征,准确提取初始立面格网;最后,通过方向和距离约束获取完整立面格网,进一步将各立面聚类实现建筑物点云分类。实验结果表明,该方法基于立面特征进行建筑物分类,对于地基平台采集的点云具有较好的分类效果,稳健性较强。展开更多
城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感...城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点(Point of Interest,POI)数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络(Convolutional Neural Networks,CNN)方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。展开更多
文摘建筑物类型的研究对于震后救援和损失评估具有重要作用,目前针对SfM(Structure from Motion)方法生成的三维密集点云数据的建筑物分类研究较少。首先基于SfM原理生成密集点云,然后通过建筑物单体点云高度均值和标准差对建筑物的高度和屋顶类型进行初步分类,进一步提出了建筑物单体屋顶最高点与最低点点云中心点的水平距离因子对单坡和双坡屋顶类型进行再分类的方法。以玛曲县城为研究区,使用SfM算法对无人机影像进行处理,并利用上述多因子再分类方法进行建筑物高度和类型分类。实验结果表明,设置高度均值和标准差阈值分别为6m和0.25m时能够准确区分单层、非单层建筑物和平、坡屋顶类型建筑物;对于单坡和双坡顶建筑物,利用距离因子,设定距离阈值1.5m时可完全区分。对该地区典型建筑物的研究结果表明,通过基于点云分析的建筑物高度和类型提取方法,可为地震灾害风险分析和未来潜在地震灾害损失预测所需的建筑物信息的提取提供重要参考。
文摘针对建筑物点云精确分类问题,提出一种利用三维HOG(histogram of oriented gridients)特征的建筑物点云分类方法。首先,通过分析点云的空间分布特征(投影形状、高程差异、密集程度等),生成能够显著表达立面目标多尺度特征的三维格网;然后,引入方向梯度直方图算子,依据建筑物立面的邻域梯度对称性,以及多尺度、多方向的立面特征差异,分析格网三维HOG特征,准确提取初始立面格网;最后,通过方向和距离约束获取完整立面格网,进一步将各立面聚类实现建筑物点云分类。实验结果表明,该方法基于立面特征进行建筑物分类,对于地基平台采集的点云具有较好的分类效果,稳健性较强。
文摘城市建筑物是城市的重要组成部分,对城市建筑物进行功能分类可以为城市功能区划分提供有利依据,辅助政府部门对城市规划、土地利用、资源、人口等方面的分布与分配进行管理与决策,有助于推进城镇化建设的可持续发展。仅利用目前的遥感分类技术难以对高分辨率遥感影像的城市建筑物信息进行功能分类,然而将遥感、互联网兴趣点(Point of Interest,POI)数据以及GIS技术有效地结合在一起,可以更为细致地分析城市信息,不仅实现了建筑物功能分类,而且提高了分类的准确率与可信度。本文首先选取卷积神经网络(Convolutional Neural Networks,CNN)方法对高分辨率遥感影像数据进行建筑物提取;然后,对POI数据的城市商服、公建和住宅用地进行核密度分析;最后分别统计每个建筑物3种用地的核密度平均值,并将该值设置为此建筑物的属性值,并结合POI数据的实际情况选择具有最佳功能分类精度的属性值作为阈值提取3种用地信息,从而完成不同功能的城市建筑物分类。精度评价结果表明,该方法对3种用地的提取效果良好,分类精度达到86%以上。
