基于机载LiDAR数据的建筑物屋顶点自动提取精度提高的研究

机载LiDAR测量技术的发展为大面积获取城市空间信息提供了一种全新的手段[1],其中机载LiDAR所获取的点云数据中包含有大量的建筑物屋顶信息,城市地区建筑物信息的提取对于城市数字化的建立具有重要的意义。目前主流的LiDAR处理软件均提供了建筑物屋顶点自动提取的功能,在此基础上,通过本文的方法可以进一步提高建筑物屋顶点自动提取结果的精度和完整度。     

基于区域增长和多次回波统计的建筑物LiDAR点云提取

机载LiDAR系统可以快速获取数字表面模型,是建立城市三维数字模型的主要途径,准确提取建筑物顶面的点云数据成为问题的关键。本文基于机载LiDAR原始点云数据,提出一种基于区域增长与多次回波分析的建筑物点云提取方法,通过建立网格空间索引,逐行逐列准确地选取地面种子点,基于小坡度区域增长分离出地面点,再对地物点进行基于坡度的区域分割,依据面积阈值滤除小面积的树木区域与其他小面积地物,实现建筑的粗提取,通过统计每个分割区域内的多次回波数量,最终提取出较为准确的建筑物点云数据。实验数据表明,该方法能较好地从LiDAR点云中提取高精度的建筑物信息。     

基于LiDAR数据建筑物轮廓线提取方法综述

机载激光雷达(light detection and ranging,LiDAR)可快速获取大面积地表点的三维坐标信息,为建筑物的提取和重建带来了便利。通过阅读大量文献并进行总结,本文概括了国内外机载LiDAR数据建筑物轮廓线的提取方法和研究进展,为机载LiDAR数据建筑物轮廓线提取的研究提供了有效的参考。     

机载LiDAR点云数据的后处理及应用

机载LiDAR作为一种高效的空间数据采集方法得到了有效的推广和应用,利用机载LiDAR可以提取多种数据,特别是在提取DEM具有很多优势,其成果数据在城市测绘工作中可以多方面应用,如建筑物高度提取,城市整体的DEM,等高线提取等.本文以常州为例,介绍了机载LiDAR的后处理、DEM提取以及在城市测绘中的应用范例.     

基于语义信息的机载LiDAR建筑物点云提取

本文研究了机载LiDAR数据中建筑物点云提取的算法。首先,分析典型地物点云的分布特征及规律,形成语义信息;利用TIN的数据组织形式,以三角形边长、面积、坡度、相邻三角形坡向等语义信息作为限制条件将植物点剔除;再利用高程分布直方图确定阈值,剔除地面点,进而得到建筑物点集。选取机载LiDAR数据进行实例验证,并将本文算法与其他两种算法进行了对比。结果表明,本文算法能较好地提取建筑物屋顶点集,精度高于内插类算法,提取效果优于未考虑语义信息的算法。     

从机载LiDAR点云数据中快速提取建筑物的方法研究

提出一种从机载LiDAR点云数据中快速提取建筑物的方法.首先通过渐进三角网滤波得到地面点和不规则三角网,再通过三角网的区域生长和多条件阈值提取出候选建筑物轮廓,然后对提取出的初始建筑物点云采用两种策略去除噪声点,最终得到准确的建筑物点云,并通过实际数据进行了验证.     

基于等高线族分析的LiDAR点云建筑物模型自动识别及重建

传统的LiDAR点云建筑物模型会经常受到二维图纸的局限,极大地影响对建筑物的判断。而对于等高线族的分析,从等高线族的特性到建筑物等高线的划分,都能通过等高线的识别呈现建筑物的形状和结构,从而提高建筑物模型重建的效率。论文从等高线族的定义、机载LIDAR技术、屋顶识别、模型重建等方面,探讨基于等高线族分析的LiDAR点云建筑物模型自动识别及重建。     

LiDAR 在数字城市三维建模中的应用

基于研究快速获取高精度的新型建模技术的目的,采用最新的机载激光雷达技术,通过对LiDAR点云数据的处理与分类,快速获取了地面建筑物精确的三维坐标;使用Terrosolid软件根据地面点云数据自动建立建筑物模型,并结合3ds Max软件进行个体模型的编辑与优化,后期利用建筑物实地照片进行贴图,最终得到了高精度的三维模型,证明了利用LiDAR技术快速建立高精度城市三维模的可行性.     

基于数字图像技术的结构裂缝参数分析

基于数字图象处理技术,提取并分析了含结构裂缝照片中与裂缝分布有关的数字特征参数.首先考虑拍摄环境条件(如光线强度等),通过对灰度图像设定适当阈值来区分图像中的裂缝与图像背景,获得了相应二值图像;然后结合形态学膨胀与腐蚀技术,消除二值图像中的噪点,使用边缘检测技术提取裂缝的边缘图像;进而得到裂缝的面积、长度、平均宽度、宽度最大值、宽度最小值以及记盒维数等数字特征参数.这一方法为已有建筑物结构裂缝的确认与分析提供了一条新的途径.     

手持式激光扫描仪在房产测量中的应用

为提高房产测量效率,减少测量的人工、时间成本,采用手持式激光雷达扫描仪技术、图像边界检测与提取技术,以广州市黄埔区某房产项目为例,简要介绍了基于该方法的外业数据采集、点云数据处理、图像边界提取和房产平面图绘制的全过程,分析了测量成果的相对误差。结果表明,该方法能够在保证测量精度的前提下,有效提高房产测量效率。     

基于小波变换法的无人机图像拼接技术研究

无人机影像获取作为快速获取震后灾情信息的一种手段,近年来已被广泛使用。为了实现震后高图像分辨率和大收容面积,给后方指挥决策提供有效数据支撑,需对图像做拼接处理。在图像配准环节中,为解决边缘特征存在缝隙、边界不平滑的问题,采用小波变换和Canny算法结合的边缘提取算法,可提取出较为完整的大边缘,求出图像匹配点,然后使用最小二乘法求出原始图像间位置关系。最后进行融合计算,实现图像拼接。经过与文献中不同方法对比,该方法得到的拼接图像效果更佳。     

一种改进的Hough变换在建筑物提取中的算法研究

Hough变换作为图形检测提取的经典工具,有着其他算法无法比拟的优越性,比如对噪声不敏感,有着良好的容错性与鲁棒性.Hough变换也被应用到遥感图像边缘提取中.但是传统的Hough变换计算量大,占用内存空间大.本文提出了一种改进的Hough变换算法在建筑物边缘直线段检测中的应用,重点对改进的Hough变换算法原理进行了...     

含聚污水悬浮固体含量测定方法改进

阐述了高分辨率遥感影像在城市规划违法建设项目监管中的作用,以长沙市内六区2011年8月和12月两期遥感影像数据为例,介绍了一种采用图像比值法自动提取构建筑物异常图斑的方法,其中对构建筑物异常图斑提取流程,遥感影像图像比值法,变化检测波段及变化百分比的确定等关键技术着重进行了论述。最后概述了长沙市城市规划违法监管信息系统建设和运行使用情况。     

沥青混合料图像边缘检测对比研究

以沥青混合料图像为评价图像,分别用Roberts算子、Sobel算子、Prewitt算子、Kirsch算子、Laplacian算子、LOG算子和数学形态学边缘检测方法进行边缘检测,对边缘检测结果进行了深入分析,对上述边缘检测算法的边缘定位精度、抗噪声能力和计算时间进行了比较,得出选择数学形态学边缘检测方法作为沥青混合料图像的边缘检测方法是合适的。     

基于高分辨率遥感影像的车辆信息提取方法研究

从高分辨率遥感影像上进行车辆信息提取可以作为地面车辆分布信息监测的一种全新的方式。文章采用Adaboost算法和多尺度影像分割,结合城市地区地籍资料等现有的资料,分别对大飞机DMC航摄影像和Quickbird-2卫星影像进行了车辆信息提取试验,总结出可以有效地从高分辨率遥感影像上提取车辆对象的方法流程,并对提取正确率等试验结果进行了分析。     

金相图像分割和特征提取方法

为了实现对熔痕金相的有效晶格自动划分与相应的内部特征信息描述,针对金相图像边界模糊、内部晶粒块混乱、晶粒形态分布不规则、切削表面图像噪声大的特点,研究了适合于金相图像分割的图像分割算法和特征提取算法。根据鉴定工作中的实际情况,对熔痕金相进行了基本的直方图处理。在直方图规定化的基础上,对金相进行边缘检测算子的比较和图像形态学重建,设计并改进分水岭算法进行图像分割。为了获得金相图像的方向性梯度特征,采取HOG 算法进行计算。实验结果表明：经过直方图处理,并采取改进后的分水岭算法和HOG 算法,能有效进行晶格区域划分和内部特征信息提取。     

机载LiDAR技术及航测遥感影像在机场净空保护区障碍物调查中的应用

利用目前国内最新的LiDAR技术获得的LiDAR数据,建立数字高程模型（Digital Elevation Model,DEM）。根据机场净空保护区要求制作参考面,对比两个模型后筛选出超高建筑物。结合影像判读后再进行外业有重点的核查测量,从而提高了障碍物普查的工作效率,为顺利完成机场净空保护区障碍物调查工作提供了有力的保障。     

Improved Floodplain Delineation Method Using High‐Density LiDAR Data

Abstract: With the improvements in sensor technologies over the past decade, there has been a significant decrease in the cost of acquisition and increase in the density and accuracy of Light Detection and Ranging (LiDAR) data. Due to its advantages over traditional surveying techniques, LiDAR data are widely preferred for floodplain delineation. But, processing dense LiDAR data is time‐consuming and memory intense. Therefore, it is divided into manageable areas/tiles or simplified to raster DEM (Digital Elevation Model) format for feature extraction process such as floodplain delineation. This results in increase in processing time and decrease in accuracy due to loss of true elevation. Furthermore, as floodplain boundaries are unknown prior to delineation, processing time also increases as LiDAR data over larger extent is processed. Hence, there is a need of improved, automated method that will process only the LiDAR data that contribute to the floodplain. This article, describes a time‐efficient floodplain delineation method that divides the LiDAR data into regular tiles and processes only the tiles that contribute to floodplain. This method is experimented using LiDAR data saved in ArcGIS “Terrain” format at 0.0, 0.1, and 0.3 m pyramid levels. These data are then preprocessed to obtain elevation information which is used to filter and process only LiDAR data tiles that truly contribute to the floodplain boundary; thus, reducing processing time. Results from two pilot hydraulic models showed that this method saved 12–34% of processing time compared to the conventional method.     

Automated Analysis of Mobile LiDAR Data for Component‐Level Damage Assessment of Building Structures during Large Coastal Storm Events

Rapid assessment of building damages due to natural disasters is a critical element in disaster management. Although airborne‐based remote sensing techniques have been successfully applied in many postdisaster scenarios, automated building component‐level damage assessment with terrestrial/mobile LiDAR data is still challenging to achieve due to lack of reliable segmentation methods for damaged buildings. In this research, a novel building segmentation and damage detection approach is proposed to realize automated component‐level damage assessment for major building envelop elements including wall, roof, balcony, column, and handrail. The proposed approach first conducts semantic segmentation of building point cloud data using a rule‐based approach. The detected building components are then evaluated to determine if the components are damaged. The authors applied this method on a mobile LiDAR data set collected after Hurricane Sandy. The results demonstrate that the approach is capable of achieving 96% and 86% parsing accuracy for wall façades and roof facets, and obtain 82% and 78% of detection accuracy for damaged walls and roof facets.     

裂隙灯角膜测量的显微图像采集分析

在分析对比经典的边缘提取算法的基础上,利用眼角膜图像的特征改进Canny边缘检测算法进行边缘提取,并对获得的边缘点进行分类识别和拟合,从而实现角膜数据的自动提取。