利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取

机载激光雷达点云密度分布不均、建筑物形状不规则且复杂多样等多种因素,导致现有建筑物轮廓提取方法存在参数难以设置、适应性较差等问题,为此本文提出一种利用邻域方向分布的机载激光雷达点云建筑物外轮廓提取方法。首先采用固定邻域点数分析各点的邻域方向分布,以获取不同邻域方向间的夹角,根据建筑物外轮廓点的特点,定义潜在轮廓点并将其视为初始轮廓点进行提取,从而得到初始轮廓点提取结果;考虑到无序轮廓点难以用于实际任务,因此利用建筑物点云构建不规则三角网并对其中的边进行删除、添加等操作,得到仅与初始轮廓点相连的边集,通过非固定边长的扫描方式跟踪轮廓点,并基于设计的规则剔除导致明显锯齿状的轮廓点,从而得到有序、平滑的建筑物外轮廓提取结果。利用具有不同密度分布、不同形状的模拟和真实建筑物点云进行试验,结果表明,方法对不同场景采用相同的参数,均能得到较好的外轮廓提取结果,F1分数优于90.88%。方法在保证提取轮廓F1分数较高的同时,可有效地克服参数难以设置的问题,具有较强的适应性,可为建筑物三维模型重建等应用提供稳定、可靠的建筑物外轮廓信息。

高分辨率遥感影像中建筑物轮廓信息矢量化

针对高分辨率遥感影像的特点,提出了基于多类分割与模板匹配的建筑物轮廓矢量化方法:首先对影像进行多尺度SVM分割获取建筑物候选点;然后在Radon变换结合主轴分析获取建筑物主方向的基础上,引入多类分割思想,构建用于分割的能量函数,基于α-扩展算法解算能量函数,将轮廓线分割为3类边缘线段;接着构建形状先验的边缘模板,进行精确定位以获取边缘线的实际位置,去除锯齿状变形,降低提取结果的影响;最后相邻边缘线相正交得到拐角点,依次连接每一个拐角点,得到规则化的建筑物轮廓。相比于同类其他方法,此方法考虑了边缘点的方向信息和相邻边缘点趋于同一类的先验知识,可得到近似全局最优的边缘线段分割结果,避免了规则化过程中选择初始点和处理顺序的麻烦和不利影响,同时充分利用了影像特征,对边缘线段进行精确定位,减弱建筑物提取结果误差的影响。对不同影像的实验结果证明此方法可得到规则化的建筑物外轮廓线,不考虑提取过程中遗漏的建筑物,矢量化结果平均准确度为89%、完整度98%、几何形状相似性87%、整体质量85%。

基于机载LiDAR点云的约束BSP模型重建方法

针对现有基于机载激光点云的建筑物重建方法自动化程度较低且建筑物外轮廓精度无法保证的问题,提出一种融合已有的高精度建筑物外轮廓测绘数据成果与机载雷达数据的建筑物重建方法。以及方法从建筑物点云数据获取、屋顶面分割、结构线检测、几何拓扑重建和模型生成的建筑物三维重建过程中的关键步骤。最后,通过实验验证各个步骤的有效性与可用性。