本文選題：機(jī)載激光雷達(dá)　切入點(diǎn)：點(diǎn)云數(shù)據(jù)　出處：《武漢大學(xué)學(xué)報(bào)(信息科學(xué)版)》2017年04期

【摘要】：建筑物提取一直是機(jī)載激光點(diǎn)云數(shù)據(jù)處理研究的熱點(diǎn),其中建筑物和其他地物之間的區(qū)分是研究的核心和難點(diǎn)。為提高建筑物與其他地物在機(jī)載激光點(diǎn)云中的區(qū)分能力,提出了一種建筑物點(diǎn)云層次提取方法。首先,在點(diǎn)云濾波后,從非地面點(diǎn)云中提取建筑物候選區(qū)域;然后,通過(guò)形態(tài)學(xué)重建和點(diǎn)云平面分割方法對(duì)建筑物候選區(qū)域構(gòu)建多尺度空間,并建立目標(biāo)區(qū)域的拓?fù)潢P(guān)系圖;最后,在拓?fù)潢P(guān)系圖基礎(chǔ)上,利用5種特征量對(duì)目標(biāo)區(qū)域分類(lèi),并精確提取建筑物點(diǎn)云。為了測(cè)試算法的有效性和可靠性,利用國(guó)際攝影測(cè)量與遙感學(xué)會(huì)(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的Vaihingen和Toronto兩組測(cè)試數(shù)據(jù)集進(jìn)行實(shí)驗(yàn),并由ISPRS對(duì)結(jié)果進(jìn)行評(píng)估,其中基于面積和目標(biāo)的完整度、正確率和提取質(zhì)量分別都大于87.8%、94.7%、87.3%。與其他建筑物提取方法相比,該方法在基于面積和目標(biāo)的質(zhì)量指標(biāo)方面最為穩(wěn)定。實(shí)驗(yàn)結(jié)果表明,在不同的城市場(chǎng)景下,該算法能夠穩(wěn)健地提取建筑物,并保持很高的正確率。
[Abstract]:Building extraction has always been a hot topic in airborne laser point cloud data processing, in which the distinction between buildings and other features is the core and difficulty. In this paper, a method of building point cloud level extraction is proposed. Firstly, after point cloud filtering, building candidate area is extracted from non-ground point cloud, and then, By means of morphological reconstruction and point cloud plane segmentation, multi-scale space is constructed for candidate areas of buildings, and topological relation diagrams of target regions are established. Finally, based on topological relation diagrams, five kinds of feature quantities are used to classify target regions. In order to test the validity and reliability of the algorithm, two sets of test data sets, Vaihingen and Toronto, provided by the International Society of Photogrammetry and remote Sensing (ISPRS), were used to test the results and the results were evaluated by ISPRS. Among them, based on the integrity of area and target, the accuracy and quality of extraction are all greater than 87.8% and 94.7%, respectively. Compared with other methods of building extraction, this method is the most stable in terms of quality index based on area and target. The experimental results show that, In different urban scenarios, the algorithm can extract buildings stably and maintain a high accuracy.
【作者單位】： 武漢大學(xué)測(cè)繪遙感信息工程國(guó)家重點(diǎn)實(shí)驗(yàn)室;中國(guó)地質(zhì)大學(xué)(武漢)信息工程學(xué)院;
【基金】：國(guó)家科技支撐計(jì)劃(2014BAL05B07) 國(guó)家自然科學(xué)基金(41531177) 海洋公益性行業(yè)科研專(zhuān)項(xiàng)經(jīng)費(fèi)(2013418025-6)~~
【分類(lèi)號(hào)】：P23

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高恩陽(yáng);鄭昊鴻;;點(diǎn)云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

2 龔書(shū)林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測(cè)繪通報(bào);2014年06期

3 趙強(qiáng);彭國(guó)華;王鋒;;點(diǎn)云精簡(jiǎn)的一種方法[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點(diǎn)云修復(fù)技術(shù)研究[J];測(cè)繪與空間地理信息;2011年06期

5 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[J];測(cè)繪通報(bào);2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點(diǎn)云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點(diǎn)云約簡(jiǎn)和體積計(jì)算方法[J];測(cè)繪科學(xué);2008年06期

8 楊欣;姚海燕;;平面點(diǎn)云邊界參數(shù)識(shí)別[J];中國(guó)西部科技;2009年27期

9 孫瑞;張彩霞;;點(diǎn)云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點(diǎn)云強(qiáng)度噪聲的三維擴(kuò)散濾波方法[J];測(cè)繪學(xué)報(bào);2013年04期

相關(guān)會(huì)議論文 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點(diǎn)云生成和預(yù)處理[A];2011年全國(guó)通信安全學(xué)術(shù)會(huì)議論文集[C];2011年

2 蔡來(lái)良;李儒;;點(diǎn)云數(shù)據(jù)處理算法與實(shí)現(xiàn)初步研究[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 馬國(guó)慶;陶萍萍;楊周旺;;點(diǎn)云空間曲線的微分信息計(jì)算及匹配方法[A];第四屆全國(guó)幾何設(shè)計(jì)與計(jì)算學(xué)術(shù)會(huì)議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點(diǎn)云精簡(jiǎn)算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

5 解輝;張愛(ài)武;孟憲剛;;機(jī)載激光點(diǎn)云快速繪制方法[A];第二十五屆全國(guó)空間探測(cè)學(xué)術(shù)研討會(huì)摘要集[C];2012年

6 李凱;張愛(ài)武;;基于激光點(diǎn)云的糧倉(cāng)儲(chǔ)糧數(shù)量測(cè)量方法[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強(qiáng);余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點(diǎn)云的城市道路提取[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（上冊(cè)）[C];2008年

8 劉虎;;基于線性八叉樹(shù)的點(diǎn)云簡(jiǎn)化與特征提取研究[A];促進(jìn)科技經(jīng)濟(jì)結(jié)合，服務(wù)創(chuàng)新驅(qū)動(dòng)發(fā)展——蚌埠市科協(xié)2012年度學(xué)術(shù)年會(huì)論文集[C];2012年

9 李濱;王佳;;基于點(diǎn)云的建筑測(cè)繪信息提取[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點(diǎn)云切片技術(shù)研究[A];全國(guó)先進(jìn)制造技術(shù)高層論壇暨第八屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2009年

相關(guān)重要報(bào)紙文章 前2條

1 曹裕華 高化猛 江鴻賓;激光點(diǎn)云 亦真亦幻[N];解放軍報(bào);2013年

2 中國(guó)工程院院士 劉先林;四維遠(yuǎn)見(jiàn)的裝備創(chuàng)新[N];中國(guó)測(cè)繪報(bào);2012年

相關(guān)博士學(xué)位論文 前10條

1 彭檢貴;融合點(diǎn)云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 劉涌;基于連續(xù)序列自動(dòng)快速拼接的全方位三維測(cè)量技術(shù)研究[D];西南交通大學(xué);2013年

3 袁小翠;產(chǎn)品表面缺陷視覺(jué)檢測(cè)數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學(xué);2015年

4 賴祖龍;基于LiDAR點(diǎn)云與影像的海岸線提取和地物分類(lèi)研究[D];武漢大學(xué);2013年

5 王瑞巖;計(jì)算機(jī)視覺(jué)中相機(jī)標(biāo)定及點(diǎn)云配準(zhǔn)技術(shù)研究[D];西安電子科技大學(xué);2015年

6 段敏燕;機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建方法研究[D];武漢大學(xué);2015年

7 韓峰;基于點(diǎn)云信息的既有鐵路狀態(tài)檢測(cè)與評(píng)估技術(shù)研究[D];西南交通大學(xué);2015年

8 金龍存;3D點(diǎn)云復(fù)雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學(xué);2012年

9 李揚(yáng)彥;基于點(diǎn)云的三維重建與形變事件分析[D];中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院;2013年

10 楊德賀;面向虛擬測(cè)方系統(tǒng)的點(diǎn)云聚類(lèi)與擬合理論[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

相關(guān)碩士學(xué)位論文 前10條

1 龔碩然;基于Delaunay三角剖分的點(diǎn)云三維網(wǎng)格重構(gòu)[D];河北大學(xué);2015年

2 楊紅粉;頻域技術(shù)應(yīng)用于點(diǎn)云配準(zhǔn)研究[D];北京建筑大學(xué);2015年

3 段紅娟;點(diǎn)云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學(xué);2015年

4 張永恒;散亂點(diǎn)云數(shù)據(jù)配準(zhǔn)方法研究[D];長(zhǎng)安大學(xué);2015年

5 吳愛(ài);面向特征擬合的點(diǎn)云簡(jiǎn)化方法研究[D];中國(guó)地質(zhì)大學(xué)(北京);2015年

6 薛廣順;基于立體視覺(jué)的牛體點(diǎn)云獲取方法研究與實(shí)現(xiàn)[D];西北農(nóng)林科技大學(xué);2015年

7 胡誠(chéng);精度約束下地表LiDAR點(diǎn)云抽稀方法研究[D];西南交通大學(xué);2015年

8 余明;三維離散點(diǎn)云數(shù)據(jù)處理技術(shù)研究[D];南京理工大學(xué);2015年

9 陳星宇;基于三維彩色點(diǎn)云的地形分類(lèi)方法研究[D];南京理工大學(xué);2015年

10 朱東方;基于復(fù)雜拓?fù)浣Y(jié)構(gòu)點(diǎn)云的曲線擬合研究與應(yīng)用[D];山東大學(xué);2015年

，

本文編號(hào)：1659091