学位论文 > 优秀研究生学位论文题录展示

LiDAR与影像结合的地物分类及房屋重建研究

作　者: 管海燕
导　师: 张剑清
学　校: 武汉大学
专　业: 摄影测量与遥感
关键词: 激光扫描系统滤波融合分类建筑物重建
分类号: TP391.41
类　型: 博士论文
年　份: 2009年
下　载: 380次
引　用: 0次
阅　读: 论文下载

内容摘要

机载激光扫描通常也被称为LiDAR, LiDAR技术的发展为获取高时空分辨率的地球信息提供了一种全新的手段。LiDAR提高了观测的精度和速度,使数据获取和处理朝着自动化方向发展。自从1990中期后,LiDAR技术已广泛应用于地物目标和表面三维提取与重建。由于LiDAR数据分布离散、不规则以及数据分布不均匀,同时缺少光谱、纹理和形状等物体信息,加之LiDAR数据存在数据缝隙,使得仅从激光扫描数据中进行地物提取与建筑物重建仍然存在很多问题。然而随着硬件技术的提高,一般激光扫描系统都包含高分辨率的数码相机,在获取激光扫描数据的同时可以获取高分辨率航空影像,甚至有些LiDAR系统可以提供近红外影像。由于航空影像可以提供丰富的光谱、纹理信息,可有效弥补LiDAR数据的不足。通过融合不同数据源,使得一个数据源的缺点可以有其他数据源加以弥补,这也是摄影测量和遥感领域的一个发展趋势。本文主要涉及LiDAR与航空影像相结合的地物分类,以及建筑物提取过程中的几个问题。1)探讨了快速查询离散LiDAR点云数据的几种方法,主要包括二维分块索引、利用KD-树实现在三维空间中激光点的k个最邻近点和区域的快速查询、以及不规则三角网(TIN)。并且研究了在利用三角网加密迭代方法对LiDAR数据提取DTM过程中需要考虑的几个关键问题：主要是初始种子点的选取,激光点云划分的格网尺寸,极低局外点的去除以及高程阈值的选择。2)根据激光扫描数据按照扫描线排列的特点,设计了基于扫描线的两步法滤波算法。算法首先根据地形连续性的特征,利用激光数据点之间的坡度、高程差以及扫描区域最大地形坡度进行一维地形点特征提取；其次在假设城市局部地形表面是平坦的前提下,将前一步骤获得的地形点作为候选地形点,采用局部参数化表面拟合进一步将候选地形点中非地形点去除。通过实验验证了该方法对城区地形的可行性。3)分析了航空影像和LiDAR数据分别所提供的光谱信息和几何信息,提出了LiDAR数据和航空影像融合的地物提取算法。算法首先对LiDAR距离影像与航空影像进行基于Brovey比值法的融合、采用金字塔分裂合并算法进行融合影像的分割、边界跟踪获取若干个同质区域作为分类对象；然后提取航空影像所提供的直线特征,以及LiDAR数据提供的几何信息(LiDAR数据的高程信息、激光点的空间离散度、首末次回波)。最后对每个分类对象统计该区域内光谱信息和几何信息,根据实验所确定分类规则和分类条件,对LiDAR数据进行分类。4)研究了建筑物区域多边形简化、最小二乘模板和直角约束条件提取简单直角建筑物区域的方法,以及建筑物屋顶面片自动分割算法。提出了在利用RANSAC算法检测建筑物屋顶面片的基础上,建立屋顶面片之间的邻域关系。并分别介绍了利用检测出来的屋顶面片重建平顶、人字型以及四坡型三类简单建筑物过程。由于LiDAR数据的特性,从点云中重建的建筑物轮廓并不是真正的建筑物边界,因此最后需利用航空影像对从LiDAR数据中重建的平顶、人字型以及四坡型建筑物进行精确定位。用多组LiDAR实验数据来对滤波技术进行了大量的实验,探讨了其中的技术问题。也通过多组融合数据进行了分类实验,并分析了各种可能性以及实践中遇到的问题。由于受所研究影像数据分辨率问题的限制,对建筑物的提取只进行三类简单建筑物重建的研究。基于LiDAR数据和航空影像的分类和三维重建是一项复杂的任务,如何提高地物分类精度、模型三维重建的自动化水平和模型精度,仍然需要大量和深入的研究。

全文目录

摘要  5-7
Abstract  7-12
第1章绪论  12-24
  1.1 研究背景  12-13
  1.2 国内外相关研究  13-21
    1.2.1 机载LiDAR数据滤波分类相关研究  14-19
    1.2.2 基于LiDAR数据建筑物检测和建模相关研究  19-21
  1.3 本文研究内容和方案  21-24
    1.3.1 研究内容  21-22
    1.3.2 研究方案  22-24
第2章 LIDAR系统组成、原理及特点  24-34
  2.1 LIDAR系统的组成  25-26
  2.2 LIDAR数据获取的基本原理  26-28
  2.3 LIDAR技术的特点  28-29
  2.4 LIDAR数据的特点  29-31
  2.5 LIDAR技术与摄影测量技术的比较  31-33
  2.6 本章小结  33-34
第3章 LIDAR数据的滤波  34-71
  3.1 概述  34-42
  3.2 LIDAR数据的快速索引方式  42-51
    3.2.1 二维分块索引  43-44
    3.2.2 不规则三角网(TIN)  44-46
    3.2.3 KD-树  46-51
  3.3 三角网加密迭代滤波  51-64
    3.3.1 三角网迭代加密算法  51-53
    3.3.2 参数设置  53-55
    3.3.3 实验结果及其分析  55-64
  3.4 基于扫描线的两步滤波方法  64-70
    3.4.1 一维地形特征提取  65-68
    3.4.2 局部参数化表面拟合调整  68
    3.4.3 实验结果与分析  68-70
  3.5 本章小结  70-71
第4章 LIDAR与影像融合分类  71-99
  4.1 概述  71-77
    4.1.1 直接利用LiDAR数据分类方法  71-74
    4.1.2 LiDAR数据和其他数据融合分类方法  74-77
  4.2 基于多源特征的LIDAR与影像融合分类  77-98
    4.2.1 影像分割  77-82
    4.2.2 直线特征的提取  82-85
    4.2.3 LiDAR数据提供的非光谱特征  85-90
    4.2.4 多源特征分类  90-98
  4.3 本章小结  98-99
第5章 LIDAR数据与影像结合的建筑物提取  99-128
  5.1 概述  99-106
    5.1.1 从影像上重建建筑物  100-102
    5.1.2 从LiDAR中提取建筑物  102-104
    5.1.3 从LiDAR和影像以及其他辅助信息提取建筑物  104-106
  5.2 LIDAR数据的建筑物重建  106-125
    5.2.1 建筑物轮廓的提取  107-109
    5.2.2 直线的精确提取以及直角约束  109-113
    5.2.3 建筑物屋顶面片的提取  113-120
    5.2.4 建筑物屋顶面片邻域关系的确立  120-122
    5.2.5 简单建筑物模型的重建  122-125
  5.3 基于影像的建筑物模型精确定位  125-127
    5.3.1 建筑物边界轮廓的精确定位  125-126
    5.3.2 建筑物的屋脊线的精确定位  126-127
  5.4 本章小结  127-128
第6章实验与分析  128-147
  6.1 三角网加密迭代滤波实验  128-130
  6.2 基于扫描线的两步法滤波实验  130-133
  6.3 三角网加密迭代与基于扫描线的两步法比较实验  133-137
  6.4 LIDAR与影像数据的融合分类  137-140
  6.5 LIDAR与影像结合的建筑物提取与重建  140-147
第7章总结与展望  147-151
  7.1 全文总结  147-149
  7.2 研究展望  149-151
参考文献  151-160
攻读博士期间发表的论文和科研情况  160-161
致谢  161-162

LiDAR与影像结合的地物分类及房屋重建研究

内容摘要

全文目录

相似论文