机载LiDAR点云中精细建筑物顶面的渐进提取

由LiDAR点云数据准确提取建筑物顶面是实现三维建筑模型自动重建的关键步骤.在分析现有顶面提取方法的基础上,提出一种渐进地提取LiDAR点云数据中精细建筑物顶面的方法.先以法向阈值和曲率阈值为约束,借助区域生长算法对原始点云进行初步分割,并得到面积较大、边界特征较明显的初始顶面;再借助主元分析法估算每个初始顶面的平面方程,并以点到平面的距离为约束,利用基于距离的区域生长算法提取其对应的精确顶面;最后通过随机抽样一致性算法(RANSAC)迭代地提取剩余点云中的小顶面.实验表明,通过动态调整阈值和迭代步骤,能够从LiDAR数据中精确地提取出复杂建筑物的顶面.

基于机载LiDAR数据提取建筑物顶面轮廓

机载激光雷达(light detection and ranging,LiDAR)是一种主动遥感观测技术,在生成数字地面模型(digital terrain model,DTM)和数字表面模型(digital surface model,DSM)、建筑物建模、城市三维重建等方面有着巨大的潜力。从机载LiDAR点云数据中提取建筑物顶面轮廓的方法并进行相关实验,结果表明该方法能够提取较高精度的建筑物顶面轮廓,这对于城市精细化建模、输电线路三维设计等具有较大意义。

利用词袋模型检测建筑物顶面损毁区域

针对航空影像中已分割出的建筑物顶面,提出了一种利用视觉词袋模型检测建筑物顶面损毁区域的方法。该方法首先利用简单线性迭代聚类方法对建筑物顶面进行超像素分割,然后对超像素区域利用颜色和梯度方向直方图特征构建视觉词袋模型,最后使用支持向量机（support vector machine,SVM）对超像素区域中的损毁区域进行检测。实验结果表明,该方法能有效判定建筑物顶面损毁区域,对提高建筑物整体损毁检测精度具有重要意义。

一种从机载LiDAR点云中分割建筑物顶面的方法

建筑物的三维重建是根据现有数据自动恢复高精度建筑物三维模型的过程,它是摄影测量,计算机视觉以及模式识别等领域的热点问题。针对这一问题,提出一种从机载LiDAR(light detection and ranging)点云中分割建筑物顶面的方法。首先通过欧式聚类来得到每一栋建筑物的点云,随后采用L0梯度最小化以及图割优化相结合的全局最优算法来获得平面分割结果。并在德国Vaihingen以及中国杭州数据集上进行试验,证明该方法可以从LiDAR点云中自动获得高精度的平面分割结果,且具备强鲁棒性。

基于Landsat 8影像的城市蓝色顶面建筑物提取光谱模型构建

蓝色顶面建筑物作为基础地理数据库中重要的人工目标类型之一,对其进行提取对城市环境监测、违章建筑监测、城市规划和管理具有重要意义。已有的建筑物提取方法准确性低、边界不完整,且存在同谱异物和同物异谱现象。本文以洛阳市为研究区,根据不同地物光谱特征的不同原理,构建一种能增强蓝色顶面信息和弱化其他非目标地物信息的新光谱模型。首先,对待检测的Landsat 8影像进行辐射定标和大气校正等工作,获得地物去除大气影响后的地表反射特征值影像;然后,对影像中的蓝色地物和与蓝色地物较难区分的其他干扰地物,分别采集一定像元数的样本并生成光谱曲线,利用波段相加、差值及正负处理构建一个能增强蓝色地物信息和弱化其他干扰地物信息的新光谱指数;最后,采用密度分割法获得提取蓝色顶面建筑物最合适的阈值范围,进而提取影像中的蓝色顶面建筑物。与最大似然法提取结果进行对比分析及精度评价。结果表明,构建的新光谱指数模型的总体分类精度为94.46%,Kappa系数为0.8892,准确率为91.95%,召回率为95.19%,均优于最大似然法;根据提取结果计算出洛阳市市区范围内蓝色顶面建筑物的占地面积为16.28 km2,占研究区面积的0.564%,占洛阳市总面积的0.107%。可见本文方法相比最大似然法具有更好的提取效果和提取精度,有一定的优越性和实用性。

复杂屋顶平面的RANSAC优化分割方法

针对传统随机采样一致性(random sample consensus,RANSAC)算法对复杂屋顶的分割缺陷,提出一种复杂屋顶平面的RANSAC优化分割方法。首先,在点云法向量估计的基础上,利用点法式方程优化种子点选取过程,提高初始平面选择的有效性;然后,采用距离与法向加权法抑制虚假平面生成,并利用加权函数进行平面内点的迭代修正,提高面片分割的准确性;最后,利用面片竞争方法优化分割结果,实现屋顶点云的分割处理。多组点云分割实验结果表明,该方法能有效抑制虚假平面,对复杂建筑物的屋顶平面分割结果的精确率、召回率和整体精度分别达到96.8%、98.2%和95.1%。相比传统方法,该方法在点云分割结果正确率及耗时方面均有明显优势。