基于移动激光扫描点云特征图像和SVM的建筑物立面半自动提取方法

建筑物立面是城市地物的重要组成部分,而移动激光扫描是获取城市地物三维信息的重要手段之一。本文提出了一种基于移动激光扫描点云的建筑物立面半自动提取算法。该方法首先构建研究区水平网格;然后计算局部点云几何特征,并且将特征投影到水平网格生成点云特征图像;接着基于支持向量机（Support Vector Machine,SVM）对建筑物立面网格进行粗提取;最后使用网格属性（形状系数、网格面积、最大高程）对粗提取结果进行过滤,并将结果反投影到三维空间中得到精确的建筑物立面。以卡内基梅隆大学的移动激光扫描点云进行试验后表明,本算法能够较好地提取出建筑物立面,提取精度为84%,召回率为90%,数据修正后精度为88%,召回率为91%。通过与现有算法对比,本文提出的算法具有较高精度。     

车载激光扫描数据控制点布设方案研究

该文以提高车载激光扫描数据高程精度为出发点,分析了扫描数据的误差来源。该文提出多种控制点布设方案,以京沪高速部分路段激光扫描数据为例,统计并分析各个控制点布设方案改正结果,为以后车载激光数据外业控制点布设提供参考。     

车载激光扫描数据路坎点云提取方法

车载激光扫描系统能够快速准确地获取街道环境的点云数据,但由于扫描点云的点密度高、数据量大、空间分布不均匀、地物相互遮挡及城市街道环境复杂等特点,难以直接从原始点云数据中提取出路坎点云。本文首先通过分析路坎点云的空间分布特征和局部几何特征,构建包含相对高程、法向量方向、多尺度高程差及多尺度高程方差的点云特征向量;然后,采用SVM提取城市街道环境车载激光扫描数据中的路坎点云,并对提取结果进行聚类去噪,优化路坎点云。最后,通过Street Mapper 360系统和Lynx Mobile Mapper V100 系统采集的4份不同城市街道环境车载激光扫描数据对本文方法进行验证,其中路坎点云提取结果的完整度均超过了94.99%、准确度均超过91.88%、精度亦均达到了90.55%以上。实验结果表明,本文方法能够精确地提取复杂城市街道环境中规则或不规则的路坎点云,且具有较强的稳健性,适用于各类复杂的城市街道环境。     

基于车载激光扫描的带状地物表面快速重建

根据带状地物空间形态特征以及车载激光扫描系统对带状地物数据采集的特点,提出对相邻两条扫描线数据构建三角网进而完成整个带状地物表面快速重建方法。该方法充分利用了每条扫描线获取带状地物横截面的特点,相邻两条扫描线构建的三角网能准确地反映其所覆盖的狭长条带区域的形态结构,把所有狭长条带连接起来便能准确地描述整个带状地物的形态结构。在网格构建过程中自动建立点、线、面间的拓扑关系或隐含拓扑关系,查询和动态更新操作都限制在非常狭小的范围内,便于快速重建。     

利用车载激光扫描数据进行地物特征提取与三维建模方法探究

激光扫描技术为实时获取高分辨率的三维空间信息提供了一种全新的技术手段,但是数据处理的研究还相对滞后,数据处理过程中的许多算法和模型不太成熟。介绍了从车载激光扫描数据中提取地物的平面外轮廓信息,以及研究中采用的一些原理、方法与实用算法,并以实验建筑物为例开展实验研究,给出了三维建模和可视化表达结果。     

面向车载激光扫描数据的道路目标精细化鲁棒提取

精确的三维道路信息,对于交通运输,城市规划,道路网建设,三维道路建模等具有重要意义.车载移动测量系统作为一项高新测绘技术能快速,准确地获取三维激光点云,适用于大场景的道路提取与建模.本文提出了一种从车载激光点云中快速精细化提取三维道路及其边界的方法.该方法首先利用车载激光点云的空间特征对点云进行自适应分段,然后利用先验知识与规则提取候选的道路及其边界,并根据道路边界的线状特征,对所提取的道路边界进行跟踪及矢量化,最后得到道路的参数.为了验证本方法的有效性,试验采用了3组不同道路场景的数据进行验证,结果表明提取结果的准确度,完整度及检测质量都达到了90%以上.定量与定性的结果分析表明,本文方法对于不同复杂场景下不同点密度的数据具有很好的适应性,能快速,鲁棒地提取大场景内的道路及其边界.     

基于车载激光点云的街景立面自动提取

街道景观图是城市规划设计和城市管理的重要参考依据,车载点云数据能够提供沿街建筑的三维点信息,精度高,覆盖范围广泛,为街景立面整治提供了新的解决方案。为此,本文提出一种适用于车载点云的街景立面的自动提取方法,提取立面点云的具体步骤为：对原始数据去噪滤波;选取非地面点构建规则格网并二值化,依据语义特征筛选出建筑物点云;用POS数据拟合直线段帮助选取参考向量与参考平面;计算点云到参考面的距离,按距离分类点云数据,并对前述步骤中未分类点另行提取,合并面点集得到以沿街建筑物立面为主的街景立面点云。为了验证这一方法的可行性和有效性,采用点云数据进行实验,实验结果表明本方法在一定程度上提高了数据处理效率,能得到较理想的结果。     

地面三维激光扫描仪在建筑物立面测量中的应用

地面三维激光扫描技术的出现是以三维激光扫描系统的诞生为代表,是继GPS技术以来测绘领域的又一次技术革命,它使测绘数据的获取方法、服务能力与水平、数据处理方法等进入新的发展阶段。三维激光扫描测量技术克服了传统测量技术效率低、信息损失大、专业性难以推广的缺点,能对任何物体进行扫描,快速高效地将现实世界的环境信息转换成易于处理的数据,最大程度的还原了真实社会环境,具有信息量丰富、直观可视、便于使用、扩展性强的特点。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

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。     

基于多光谱LiDAR数据的道路中心线提取

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征（Stripe Local Binary Feature, SLBF）,结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征（Statistics-Based Feature, SBF）,并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。     

基于机载LiDAR的多面片建筑物3维重建方法研究

提出了顾及多面片建筑物模型拓扑关系的边界提取方法。针对多面片建筑物的特点并基于最小二乘法,设计了一套适合多面片建筑物的边界规则化方法,并生成了3维建筑物模型。实验证明,本文方法对于多面片建筑物模型的3维自动重建都是可行和有效的。     

基于工程数据的建筑物构件提取方法与应用分析

随着智慧城市的不断发展,建筑三维模型及其应用研究也从建筑外表层深入到建筑内部环境中。建筑工程数据包含了建筑设计施工阶段中丰富的建筑构件信息,是建筑建模和应用分析的良好数据源。目前,建筑工程数据可划分为非结构化数据、半结构化数据和结构化数据3类。本文从识别方法、提取内容和应用目标等方面对非结构化和结构化的建筑工程数据提取方法进行了分析,并结合国家标准和行业软件对半结构化数据的图层规范和几何图元特征进行研究。半结构化数据在我国建筑信息化现状下具有极大的应用优势,必将成为智慧城市中建筑物数据库建设的重要数据源。     

一种分步式建筑物屋顶面点云高精度提取方法

针对现有机载激光雷达(LiDAR)点云高精度提取方法存在建筑物屋顶面提取精度较低、适应性较差等问题,提出一种分步式建筑物屋顶面点云高精度提取方法.该方法通过主成分分析计算点云可靠性指标,选取可靠平面点;然后,利用K-means算法实现可靠点在法向量空间上的聚类,并通过逐步平面估计,提取初始屋顶面片;最后,进行面片的合并...     

结合模糊度和形态学指数约束的深度学习建筑物提取

基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合.本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更...