基于机载LIDAR数据与航空影像融合的建筑物轮廓提取

【类型】学位论文

【作者】李勇 

【关键词】 机载激光扫描 航空影像 建筑物轮廓 滤波 配准

【摘要】建筑物轮廓是重要的地理空间信息，在房地产、城市规划、灾害管理、GIS等领域起着重要的作用。由于建筑物的形状千变万化、周围环境纷繁复杂，精确建筑物轮廓的自动提取成为研究难点。LIDAR点云和高分辨率的航空影像在建筑物轮廓信息提取方面各有优缺点，具有良好的互补性。本文以建筑物轮廓提取为目的，对其中涉及的关键技术和问题进行了深入探讨。在参考了大量文献，总结了国内外研究成果的基础上，提出了一套基于两种数据源融合的建筑物轮廓提取解决方案，并用大量实验进行了验证。主要研究工作有如下几点。 （1）本文归纳了点云滤波需要面对的难点，以及点云滤波算法的特征要素。并回顾了点云滤波方法的研究现状。针对LIDAR点云数据的特点和滤波所面临的问题，本文提出了一种基于形态学梯度的机载LIDAR数据滤波的新方法。该算法先用一种简单高效的两级索引结构来组织点云数据，然后用适合于判断的形态学梯度计算方法得到每一点的梯度，再据此去除极低粗差点，最后采用基于梯度的改进的开运算选择特定点进行迭代运算，并根据梯度直方图减少迭代的次数，通过判断每次开运算后点的高程与原高程的差值是否小于一定的阈值，逐步滤除非地面点。用本文算法对ISPRS提供的专门用于滤波算法测试的数据进行实验，结果表明该算法对各种复杂的地理环境有很强的适应性，既能有效地去除非地面点，又能尽量保留地面点，使得各项误差都控制在较小的范围内，从而具有良好的可靠性与实用性。 （2）建筑物是重要的地理空间信息，是遥感数据分类处理的主要对象之一，更是影响建筑物轮廓提取的关键步骤。本文归纳了一些点云中提取建筑物需要面对的难点。并回顾了基于点云的建筑物提取研究现状，包括基于高程数据的建筑物提取、融合多数据源的建筑物提取、建筑物屋顶面片提取。针对建筑物提取的难点和复杂的场景特征，本文采用三个步骤从点云中提取建筑物，即去除低矮地物点、形态学开运算、基于区域生长的分析判断。通过该处理方法能较好地将建筑物与周围地物分割开来，并最终提取出建筑物点。然后根据点云的空间分布特征，检测墙面点并对建筑物区域进行分割，提取建筑物屋顶面片。 （3）本文提出了一个适用于LIDAR点云和无方位元素的航空影像的线性配准方法。通过实验验证了这个新方法的可行性与实用性。尤其是当影像的方位元素不可用时，该方法能有效地精确配准点云和影像。本文所使用的投影差改正模型是基于严格的几何模型。它可以准确拟合任意成像角度所产生的投影差。此外，它在物方和像方坐标系之间建立了一个线性关系，而且这两个坐标系可以使用不同的单位。因此像素坐标系可以直接用于配准计算。整个配准过程不需要任何方位元素。这使得与LIDAR点云融合的影像的选择条件大大降低。该方法使用的所有公式都是线性的。相对于传统非线性方法的复杂迭代运算，本文方法的求解过程稳定、快速、高效。 （4）本文归纳了建筑物轮廓提取的难点，并总结了基于点云的建筑物轮廓提取的研究现状。为了自动提取复杂形状建筑物的轮廓，本文提出一种新的基于LIDAR数据与航空影像融合的建筑轮廓自适应提取方法。本文方法充分利用LIDAR数据与高分辨率影像互补的特点。分别从两种数据源中提取不同的空间特征进行融合形成最终完整的建筑物轮廓。对建筑物的形状没有任何规则约束。本文方法是完全数据驱动的，适用于任意复杂形状的建筑物。最终的建筑物轮廓是封闭的，而且宽度为单像素，可以用作大比例尺制图、与屋顶面片的高程结合在一起参与三维建模等。

【学位名称】博士

【学位授予单位】武汉大学

【学位授予年度】2016

【导师姓名】吴华意

【读秀链接】读秀链接