資源描述：
《基于航空LiDAR數(shù)據(jù)提取建筑物邊界的方法研究-論文.pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、2O14年第2期·北京測繪·17基于航空LiDAR數(shù)據(jù)提取建筑物邊界的方法研究余斌(北京中天博地科技有限公司，北京100011)[摘要]激光測距是一項(xiàng)高效、精確的實(shí)現(xiàn)地表信息采集的技術(shù)。城市區(qū)域的高密度激光點(diǎn)云數(shù)據(jù)的獲取使提取興趣目標(biāo)對象(建筑物、植被等)成為可能。本文提供一種利用航空激光雷達(dá)(LIDAR)數(shù)據(jù)提取建筑物邊界的有效方法，該方法首先通過基于曲面擬合的濾波算法銷減地形的影響，然后利用地物的紋理信息區(qū)分建筑物與非建筑物要素，最后通過一系列后處理，如小區(qū)域去除、矢量化等，最終提取出所需要的建筑物邊界。實(shí)驗(yàn)表明本文提供的方法用
2、于建筑物邊界的提取效果理想。[關(guān)鍵詞]數(shù)字表面模型數(shù)字高程模型，激光雷達(dá)(LiDAR)灰度共生矩陣粗糙集[中圖分類號]P237[文獻(xiàn)標(biāo)識碼]B[文章編號]l007—3000(2014)02—5城市是人類活動最頻繁的區(qū)域，做好城市環(huán)圖1為本文采用方法流程圖，方法主要包含境的監(jiān)控尤為重要。然而，城市區(qū)域形態(tài)異常復(fù)數(shù)據(jù)預(yù)處理(即插值生成DSM)、地形去除、建筑雜，變化頻率快，使得及時(shí)掌握城市狀態(tài)變得更物與非建筑物的分類與后處理(小區(qū)域去除與矢加困難。建筑物是城市的重要組成部分，是否具量化)四部分組成。其中地形去除和建筑物與非有一種高效、可
3、靠的建筑物邊界提取的方法，對建筑物的分類為其中兩個(gè)關(guān)鍵步驟：于城市區(qū)域監(jiān)控顯得非常重要。然而，通過光學(xué)影像提取建筑物邊界的傳統(tǒng)方法效率低，耗費(fèi)時(shí)間長，成本也非常昂貴。鑒于以上因素，本文探l插值生成DsMl討利用航空激光雷達(dá)掃描點(diǎn)云數(shù)據(jù)提取建筑物’邊界，相對于光學(xué)影像提取建筑物邊界的傳統(tǒng)方基于曲面的濾波算法得fi]DEM法，更具高效性和經(jīng)濟(jì)性。l利用點(diǎn)云數(shù)據(jù)紋理信息作為主要的特征提通過差值得列正則化DsM(nDsM=DsM—DEM)取建筑物邊界的主要思路是：先利用濾波方法提I取出地形，從而得到正則化數(shù)字表面模型(Nor—l對正則化Ds
4、M進(jìn)行2．5米高程域值分割lmalizedDSM)。然后剔除出相對高度較低的要I素，最后利用地物的紋理特征差異分類得到最終l紋理分析區(qū)分建筑物與非建筑物I的建筑物邊界。J小區(qū)域去除噪聲及孤立要素1基本原理1．1工藝流程數(shù)字表面模型(DsM)包含地形與非地形要素(如植被、建筑物等)。要得到建筑物邊界，需要實(shí)現(xiàn)地形與非地形的分離和把建筑物與其他圖1方法流程圖非地形要素分離出來兩大目標(biāo)。所以，建筑物邊說明：本文采用方法中用2．5米高程域值的原因是消除相界提取可以分兩個(gè)步驟，即消除地形的影響與非對高度2．5米以下地物的影響，因?yàn)榻ㄖ镆话阆?/p>
5、對高度大于2．5米。后處理中采用小區(qū)域去除的目的主要是為了消減小的地形因素中建筑物邊界的提取。孤立點(diǎn)及噪聲的影響。[收稿日期]20131225[作者簡介]余斌(1973一)，男，漢族，四川I旺蒼人，工程師，研究方向?yàn)?S、國土資源信息化。18·北京測繪·2014年第2期1．2基于濾波算法的地形消除不夠理想。而基于灰度差值直方圖的方法則利消減地形因素的影響通常采用濾波算法，即用了像素的相對位置關(guān)系，其算法的實(shí)現(xiàn)也不是利用濾波算法從DSM中獲取DEM，然后通過很復(fù)雜，而缺點(diǎn)是：沒有考慮到像素間灰度變化DSM減去DEM即可獲得表示地面對象
6、相對高的方向性?；诠采仃嚨姆椒ǔ浞掷昧丝粘痰恼齽t化DSM。目前已經(jīng)存在很多關(guān)于間信息，對圖像的對比度、紋理分布均勻性、紋理LiDAR點(diǎn)云數(shù)據(jù)濾波獲取DEM的算法，在地形的走向等特征描述的準(zhǔn)確度最理想，弊端是其算不大復(fù)雜的區(qū)域，大多數(shù)濾波算法都能取得比較法實(shí)現(xiàn)較復(fù)雜，尤其是構(gòu)造共生矩陣需要很大的好的效果，對于比較復(fù)雜的區(qū)域，特別是城市區(qū)計(jì)算量。為了更準(zhǔn)確地描述紋理特征，本文采用域，基于曲面的濾波算法(surfacebasedfilters)基于圖像灰度共生矩陣的特征提取算法。表現(xiàn)得相對好一些，另外通過迭代實(shí)現(xiàn)濾波的算灰度共生矩陣
7、是經(jīng)典二階統(tǒng)計(jì)方法，它是建法要比一次性濾波的算法可靠。因此本文采用立在估計(jì)二階組合條件概率密度函數(shù)基礎(chǔ)上的迭代的基于曲面的濾波算法。具體算法為：先利紋理分析方法，描述的是某方向上間隔一定距離用原始點(diǎn)云，每個(gè)點(diǎn)具有相同的權(quán)重初步生成一的一對像素點(diǎn)灰度出現(xiàn)的統(tǒng)計(jì)規(guī)律]?；诨叶葌€(gè)曲面，初始曲面為介于DSM與DEM之間的曲共生矩陣，可抽取如下四個(gè)統(tǒng)計(jì)指標(biāo)：面。然后計(jì)算點(diǎn)與曲面的殘差，殘差大的權(quán)重(1)對比度(Contrast，Con)：用來度量影像中小，反之大，然后用帶權(quán)重的點(diǎn)再實(shí)現(xiàn)曲面的生對比的強(qiáng)烈程度，主要監(jiān)測圖像反差邊緣及其邊成，通
8、過迭代，得到的曲面將逐步向DEM接近，緣效應(yīng)。最終得到地形。得到地形后通過DSM與DEMCon一∑∑(—)。P(，)的相減可以得到正則化的DSM，即分布于地表上∑∑P(，)的地物信息。(2)能量(Energy，Ene)：用來度量紋理的
