融合LIDAR点云与高分辨率影像的复杂建筑物轮廓信息自适应提取方法的研究

建筑物轮廓在二维制图和三维建模中都是不可或缺的重要组成部分。LIDAR点云与高分辨率影像包含丰富的建筑物轮廓信息。但是目前缺少稳健的、适应各种复杂形状建筑物轮廓的自动化提取方法，严重制约了数据的使用效率。针对如何利用这两种数据源的互补性自适应提取复杂建筑物轮廓的问题，本项目主要研究内容如下：（1）克服噪声干扰，从两种数据源中准确提取适合融合处理的空间特征；（2）融合不同数据源的不同空间特征自适应提取具有丰富细节信息的完整建筑物轮廓；（3）消除数据冗余的同时，保持建筑物形状特征，并抑制噪声对轮廓产生的影响。通过本项目的研究，为融合LIDAR点云与高分辨率影像自适应获取复杂建筑物轮廓信息提供理论基础和核心算法。整个处理流程采用数据驱动的方式，对于任意形状的建筑物，特别是拥有非直线边缘的复杂建筑物，能够自动根据其形状特征得到准确可靠的轮廓信息。

建筑物轮廓的精确、自动获取一直是摄影测量与遥感领域的研究热点和难点。本项目围绕基于LIDAR点云的地形和地物提取、结合高分辨率影像自适应获取建筑物轮廓的问题开展研究，提出了具有创新性的解决方法和途径：（1）针对点云高程分布特点，重新定义了形态学开运算，使运算的滤波效率更高，降低了误差产生的可能；在传统top-hat变换理论基础上，利用方向扫描的思想，设计了一种带倾斜帽檐的改进的top-hat，能在有效滤除非地面点的同时较好地保留地形起伏特征。（2）将三维形态学条件腐蚀运算、二维形态学开运算、区域生长方法结合起来有效提取建筑物点，并能很大程度上抑制周围其他地物的影响。（3）充分利用LIDAR点云与高分辨率影像互补的优点，分别从这两种数据源中提取不同的建筑物特征，融合生成完整的建筑物轮廓，能自适应任意形状的建筑物，具有较高的精度。（4）道路作为连接建筑物的纽带，可以辅助分析建筑物特征。根据点云中道路回波强度的分布特点，结合局部分段直方图统计方法、基于形态学梯度的粗糙度、连续点集区域特征分析判断道路点，无需关于道路强度的先验知识，能够很好地克服噪声的影响，对不同材质的路面有较强的适应性。项目的研究成果用各种复杂情况实测数据进行了大量验证工作，表明了方法的可行性与优越性，能够为LIDAR点云的自动化处理与应用提供理论和方法支持。

内容获取失败，请点击重试