張量投票的機載LiDAR數據建築物自動提取

張量投票的機載LiDAR數據建築物自動提取

摘 要

針對機載ＬｉＤＡＲ 目標提取中建築物與樹木難以有效區分的問題，該文提出了一種基於坡度自適應穿透率和張量投票的建築物檢測方法。在利用濾波和高差閾值去除地面點和矮小地物點的基礎上，採用坡度自適應穿透率作為區分建築物和植被的主要特徵，較好地突出了建築物點和樹木點在空間分布上的密度差異；設計基於張量投票的投票演算法，對坡度自適應穿透率特徵進行鄰域投票，以促進相鄰點之間特徵信息的傳遞，增強了該特徵對於植被和建築物的可分性。採用ＩＳＰＲＳ提供的測試數據進行實驗，結果表明，該方法能有效地區分建築物和樹木點，提取的建築物完整度達９４．６％，準確度達９８．３％。

引用格式

楊威，萬幼川，何培培．張量投票的機載ＬｉＤＡＲ 數據建築物自動提取［Ｊ］．測繪科學，２０１６，４１ （９）：７-１０，１５８．

正文

建築物是城市的重要基礎設施， 其邊界信息的獲取對於土地利用規劃、地圖更新和城市變化檢測等具有重要意義， 如何從遙感數據中快速準確地提取出建築物成為了當前的研究熱點之一。根據數據源的不同， 建築物提取方法主要有以下３種：基於高解析度航空影像、基於機載ＬｉＤＡＲ和兩者相結合的方法。直接從影像中提取建築物易受到陰影和地物遮擋的影響， 且自動化程度不高； 影像和ＬｉＤＡＲ 的結合雖然在一定程度上豐富了建築物的特徵，但是高質量配准數據的自動獲取目前仍然存在諸多問題；此外，來自ＩＳＰＲＳ的測試結果顯示，影像所具有的高解析度和輻射信息並沒有給兩者結合的方法帶來獨特的優勢。

機載ＬｉＤＡＲ 能夠快速直接獲取建築物屋頂的三維信息，具有高精度和穿透性， 是建築物自動提取的可靠數據源。從原始ＬｉＤＡＲ 點雲中識別出建築物點是基於ＬｉＤＡＲ 的建築物提取過程中最為重要的一步，眾多學者對此進行了研究：羅伊萍和Ｎｉｅｍｅｙｅｒ等人採用支持向量機、隨機森林等分類器直接從原始點中區分出植被、建築物和其他目標點集；徐文學將標記點過程用於點雲建築物提取；Ｍｏｎｇｕｓ首先對點雲進行平面擬合分割出面片，然後組合成完整建築物； 而更為普遍的做法是先將點雲通過濾波分為地面點和非地面點，然後通過粗糙度等特徵約束從非地面點中提取出建築物點。上述方法在建築物提取過程中充分考慮了單點的特徵， 但是尚缺乏對鄰域點之間的相互影響關係的有效利用， 使得在複雜場景下建築物和高大密集植被的區分變得困難， 尤其是在兩者較為接近的時候。

本文基於張量投票的原理，提出一種顧及鄰近點之間相互影響關係的機載ＬｉＤＡＲ 數據建築物提取方法。在區分建築物和樹木的過程中， 根據點與點的鄰近性、相似性和連續性， 進行鄰域特徵投票，以增強其區分建築物和樹木的能力。實驗結果表明， 該方法能有效的提取出建築物， 並且具有較高的完整度和準確度。

顧及鄰近點之間在特徵上的相互影響關係，本文提出了一種基於張量投票的機載ＬｉＤＡＲ 建築物提取方法。該方法首先通過預處理得到距離地面一定高程的地物點， 然後根據點與點之間的鄰近性、連續性和相似性，設計特徵鄰域投票函數，利用特徵信息在同類激光點之間的傳遞和增強以達到區分建築物和樹木的目的， 最後對建築物區域進行精化並提取出邊界。實驗結果驗證了該方法的有效性， 同時也揭示了部分不足。如何通過引入其他徵信息來提取矮小建築物並剔除特徵相似的樹木，有待進一步研究。

關於《測繪科學》

TAG:測繪科學 |

※西部數據推出新型MY PASSPORT? ULTRA攜帶型移動硬碟 幫助消費者輕鬆備份數字生活
※西部數據推出新型MY PASSPORT ULTRA攜帶型移動硬碟
※OLEDB數據源和目標組件
※AMD推出數據中心新處理器品牌EPYC
※CICADA無人機的群體，可以從颶風中援助並收集數據
※PHP MySQL 插入數據
※PHP SPL的常用數據結構
※西部數據推出大容量硬碟產品系列新成員——WD Purple? 10TB HDD硬碟
※Q1手機銷量數據顯示，OPPO R9s成全球最暢銷的安卓手機
※俠盜獵車5GTA5PC版 存檔MOD 存檔屬性數據修改器MOD
※CIA 對本國情報機構下手？利用ExpressLane工具搜集FBI與NSA等機構的數據
※IDC: 新型數據管理平台（DMP）驅動全場景數字化營銷
※MySQL數據引擎
※PHP MySQL 讀取數據
※文本直送科技新聞：HP 發表搭載達 160TB 容量的 ARM 架構大數據儲存主機
※大數據早報：Waymo給自動駕駛汽車AI打造虛擬課堂 學者指控Google試圖專利公有領域技術
※MobTop OS 雲架構系統：利用大數據能力幫助企業構建數字化管理
※Python爬蟲：抓取手機APP的數據
※國內某廣告SDK會從Android手機中竊取用戶數據，感染App下載量過億