基于RPC模型的建筑物高度提取技术

为了计算交通小区的建筑容积率,利用RPC模型直接从单幅高分辨率卫星影像上提取建筑物高度和层数信息.首先,在纠正后的影像上量取建筑物墙脚点的大地坐标,在影像坐标系中分别量取同一铅垂线上的墙脚点坐标和屋顶点坐标.然后,将量测结果标准化,代入RPC模型,经迭代运算得到墙脚点和屋顶点的大地高,两者之差即为建筑物高度.实验结果表明,利用RPC法从空间分辨率为0.61 m的QuickBird影像上提取的房高中误差为±0.57 m,而从分辨率为1.0 m的IKONOS影像上提取的房高中误差为±0.80 m,由此表明所提方法的总体精度在1个像元以内.

高分辨率SAR影像建筑物高度提取研究进展

目的从合成孔径雷达(Synthetic Aperture Radar,SAR)影像中识别建筑物群,获取建筑物三维信息,对于建设现代化,信息化城市变得越来越重要,通过对建筑物高度的提取,可以实现城市容积率计算、城市人口密度遥感估算,以及实现城市三维可视化与虚拟现实的建设。方法分析了高空间分辨率遥感影像中不同建筑物所形成的不同成像的特点,分析了SAR图像建筑物以及建筑物高度提取研究的目前现状,综述了高分辨率SAR图像在建筑物高度提取的主要思想和方法。在综合比较评述各种方法特性的基础上,对建筑物高度提取存在的问题和研究方向进行了分析和展望。结果分析了目前影响高分辨率SAR图像建筑物高度提取精度的原因,可为基于影像的城市建筑高度提取问题的研究提供参考。结论本文认为实现自动化、智能化、可靠准确的遥感图像建筑物高度提取,对于城市基础地理数据获取和更新具有重要的应用价值和现实意义。

基于遥感的建筑物高度快速提取研究综述

近年来我国城市化进程不断推进,不仅体现在城市面积上的增长,也体现在建筑物高度的增长。高度增长一方面能尽量克服城市土地资源匮乏的瓶颈,另一方面为优化城市结构及城市功能做出贡献。在城市遥感研究领域,对于城市建筑物高度的提取也成为研究的重点。城市建筑物高度的估计与测量,已成为城市规划和扩张、城市灾害风险预警与评估的重要参数,同时也为数字城市三维模型的建立提供了基础测绘资料。分别基于光学遥感影像、高分辨率SAR(Synthetic Aperture Radar)影像以及光学遥感影像与高分辨率SAR影像的融合三方面,全面阐述城市建筑物高度的提取方法,并比较两类影像在提取建筑物高度的优劣势,通过回顾早年研究方法,逐步引入近年来新的发展趋势。

基于多源遥感数据的净空区建筑物三维动态监测

机场净空是保障航空器安全运行的基本条件,超高建筑物导致机场运行及管理日益困难。因此,本文提出了一套利用现代遥感手段进行机场净空区建筑物三维动态监测的方法。首先利用机器学习的方法对高分辨率光学遥感影像进行建筑物变化检测,获取新增建筑物的空间分布;然后基于GIS空间数据库和SAR传感器参数进行建筑物高度的估计,并以天津某小区为例进行算法验证;最终建筑物高程反演精度可以达到1 m,有效验证了本文算法的有效性。

结合多源数据的城市级LOD1建筑物建模

真实准确的三维建筑物表达是实景三维中国建设的重要组成。针对大范围、高精度细节层次(LOD)建筑物模型工程建立的需求,充分利用丰富的遥感和地理信息数据资源,形成了一种结合多源数据构建LOD1建筑物模型的方法。首先,分析整合高分辨率立体航空影像和机载激光点云生成的地形数据,其次,基于二维矢量自动提取建筑物高度,对高度阈值超限的建筑物进行航测立体采集,最后,重建LOD1建筑物模型,对模型进行精度评价。实验表明,通过该方法生成了较为精确的北京市全市550余万栋建筑物LOD1模型,高程中误差为0.87 m,平面中误差为1.45 m,为实景三维北京提供准确的基础数据。