LIDAR數(shù)據(jù)的城區(qū)建筑物提取技術(shù)研究.pdf

1、城市的三維模型是數(shù)字城市的基礎(chǔ)。而建筑物的三維模型又是城市三維模型的重要組成部分。城區(qū)建筑物的三維空間信息可以由LIDAR精確、快速和自動(dòng)地獲取。然后由這些LIDAR數(shù)據(jù)經(jīng)過(guò)三維重建就可以獲得建筑物的三維模型。在本文中，我們研究了從LIDAR數(shù)據(jù)中提取建筑物三維模型的方法。由LIDAR數(shù)據(jù)獲取建筑物的三維模型，其難點(diǎn)在于將散亂的LIDAR點(diǎn)云數(shù)據(jù)轉(zhuǎn)換為有組織的，結(jié)構(gòu)簡(jiǎn)單的，沒(méi)有噪聲的，無(wú)縫隙的三維模型。且生成的三維模型要求可以在計(jì)算機(jī)中

2、被實(shí)時(shí)地渲染成二維圖像。當(dāng)前，大多數(shù)從LIDAR數(shù)據(jù)中提取三維模型的方法，一般分為三個(gè)步驟。第一步是將LIDAR數(shù)據(jù)中的無(wú)關(guān)三維采樣點(diǎn)去除。這些無(wú)關(guān)三維采樣點(diǎn)來(lái)自樹木或者噪聲。第二步是從剩下的LIDAR三維點(diǎn)中，將來(lái)自于建筑物和地面的三維采樣點(diǎn)分開(kāi)。第三步是由來(lái)自同一物體的采樣點(diǎn)重建建筑物和地面的三維模型。在本文中，我們也采用上述流程來(lái)從LIDAR數(shù)據(jù)中提取立體目標(biāo)。
　　本文提出的方法中，第一步是LIDAR數(shù)據(jù)的預(yù)處理。在這個(gè)步

3、驟中，無(wú)關(guān)的三維采樣點(diǎn)被去除。LIDAR數(shù)據(jù)的預(yù)處理，是通過(guò)基于改進(jìn)的協(xié)方差矩陣分析方法來(lái)剔除無(wú)關(guān)的LIDAR采樣點(diǎn)。協(xié)方差矩陣分析是目前文獻(xiàn)中廣泛使用的方法。在本文中，我們通過(guò)使用多個(gè)不同的鄰域來(lái)改進(jìn)傳統(tǒng)的協(xié)方差矩陣分析。對(duì)于每一個(gè)采樣點(diǎn)，我們使用五個(gè)不同的鄰域。對(duì)每個(gè)鄰域進(jìn)行協(xié)方差矩陣分析。從這些分析結(jié)果中，挑選最好的一個(gè)用來(lái)作為這個(gè)點(diǎn)的分析結(jié)果。并用這個(gè)分析結(jié)果提取該采樣點(diǎn)的特征。改進(jìn)的協(xié)方差矩陣分析可以應(yīng)對(duì)傳統(tǒng)方法無(wú)法應(yīng)對(duì)的情況

4、，因而適用范圍更廣。
　　第二步是建筑物檢測(cè)。其目的是將來(lái)自于建筑物的三維點(diǎn)和來(lái)自于地面的三維點(diǎn)分開(kāi)。在這個(gè)步驟中，LIDAR點(diǎn)云被分為若干個(gè)連通域。對(duì)地面和建筑物的分類以這些連通域?yàn)樽钚挝?。傳統(tǒng)的分類方法是找出這些連通域中最大的一個(gè)，將其分類為地面，然后把剩下的連通域分類為建筑物。這個(gè)方法快速且有效。但是在某些情況下，卻不能正常工作。當(dāng)LIDAR數(shù)據(jù)中出現(xiàn)大量噪聲或者高大的建筑物時(shí)，地面往往被部分遮擋，從而分解成許多小的連通區(qū)

5、域。此時(shí)，最大的連通區(qū)域不一定來(lái)自地面，
　　而較小的連通區(qū)域也不都是來(lái)自建筑物。在本文中，為了解決這個(gè)問(wèn)題，我們?cè)谶B通域上建立了馬爾科夫隨機(jī)場(chǎng)。對(duì)每個(gè)連通域，我們計(jì)算它的邊緣概率密度函數(shù)，并根據(jù)這個(gè)概率密度函數(shù)對(duì)其進(jìn)行分類。來(lái)自于某一類連通域中的所有LIDAR三維點(diǎn)被分類為對(duì)應(yīng)類別。
　　最后一步是建筑物和地面的三維模型建立。建筑物三維模型的幾何結(jié)構(gòu)通過(guò)2.5維對(duì)偶輪廓建模法獲取。地面的三維模型使用數(shù)字表面模型，通過(guò)拉普拉

6、斯插值獲取。地面和建筑物三維模型的紋理，由LIDAR數(shù)據(jù)采集時(shí)獲取的可見(jiàn)光紋理圖像生成。對(duì)于某些特殊的應(yīng)用，需要生成帶異譜紋理的三維模型。本文提出了一種基于異譜圖像配準(zhǔn)技術(shù)的異譜紋理制備技術(shù)，以生成帶異譜紋理的三維模型。
　　本文的實(shí)驗(yàn)結(jié)果表明，改進(jìn)的協(xié)方差矩陣分析可以提高對(duì)無(wú)關(guān)點(diǎn)的分類效果?；隈R爾科夫隨機(jī)場(chǎng)的分類技術(shù)，可以正確的區(qū)分來(lái)自建筑物和地面的LIDAR三維點(diǎn)。并且，分類結(jié)果要比傳統(tǒng)的分類方法更加魯棒。另外，本文提出的帶