LIDAR數據的城區(qū)建筑物提取技術研究.pdf

1、城市的三維模型是數字城市的基礎。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、快速和自動地獲取。然后由這些LIDAR數據經過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數據中提取建筑物三維模型的方法。由LIDAR數據獲取建筑物的三維模型，其難點在于將散亂的LIDAR點云數據轉換為有組織的，結構簡單的，沒有噪聲的，無縫隙的三維模型。且生成的三維模型要求可以在計算機中

2、被實時地渲染成二維圖像。當前，大多數從LIDAR數據中提取三維模型的方法，一般分為三個步驟。第一步是將LIDAR數據中的無關三維采樣點去除。這些無關三維采樣點來自樹木或者噪聲。第二步是從剩下的LIDAR三維點中，將來自于建筑物和地面的三維采樣點分開。第三步是由來自同一物體的采樣點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從LIDAR數據中提取立體目標。
　　本文提出的方法中，第一步是LIDAR數據的預處理。在這個步

3、驟中，無關的三維采樣點被去除。LIDAR數據的預處理，是通過基于改進的協(xié)方差矩陣分析方法來剔除無關的LIDAR采樣點。協(xié)方差矩陣分析是目前文獻中廣泛使用的方法。在本文中，我們通過使用多個不同的鄰域來改進傳統(tǒng)的協(xié)方差矩陣分析。對于每一個采樣點，我們使用五個不同的鄰域。對每個鄰域進行協(xié)方差矩陣分析。從這些分析結果中，挑選最好的一個用來作為這個點的分析結果。并用這個分析結果提取該采樣點的特征。改進的協(xié)方差矩陣分析可以應對傳統(tǒng)方法無法應對的情況

4、，因而適用范圍更廣。
　　第二步是建筑物檢測。其目的是將來自于建筑物的三維點和來自于地面的三維點分開。在這個步驟中，LIDAR點云被分為若干個連通域。對地面和建筑物的分類以這些連通域為最小單位。傳統(tǒng)的分類方法是找出這些連通域中最大的一個，將其分類為地面，然后把剩下的連通域分類為建筑物。這個方法快速且有效。但是在某些情況下，卻不能正常工作。當LIDAR數據中出現大量噪聲或者高大的建筑物時，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，最大的連通區(qū)域不一定來自地面，
　　而較小的連通區(qū)域也不都是來自建筑物。在本文中，為了解決這個問題，我們在連通域上建立了馬爾科夫隨機場。對每個連通域，我們計算它的邊緣概率密度函數，并根據這個概率密度函數對其進行分類。來自于某一類連通域中的所有LIDAR三維點被分類為對應類別。
　　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構通過2.5維對偶輪廓建模法獲取。地面的三維模型使用數字表面模型，通過拉普拉

6、斯插值獲取。地面和建筑物三維模型的紋理，由LIDAR數據采集時獲取的可見光紋理圖像生成。對于某些特殊的應用，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技術的異譜紋理制備技術，以生成帶異譜紋理的三維模型。
　　本文的實驗結果表明，改進的協(xié)方差矩陣分析可以提高對無關點的分類效果?；隈R爾科夫隨機場的分類技術，可以正確的區(qū)分來自建筑物和地面的LIDAR三維點。并且，分類結果要比傳統(tǒng)的分類方法更加魯棒。另外，本文提出的帶