基于机载LiDAR点云数据的建筑物提取方法研究

摘要

机载LiDAR作为一种新型的遥感传感器，它能够快速且直接地获得三维空间的坐标信息，同时随着数字化城市进程的加快，基于快速且准确的数据源的城市建筑物研究逐渐成为一种新的发展趋势。建筑物作为城市区域关键地表特征之一，在现代城市规划建设、灾害防治与三维数字模拟及军事侦察等很多领域都有着重要的应用。因此，研究如何利用LiDAR点云数据提取建筑物区域具有重要的现实意义。
　　本文旨在利用机载LiDAR点云数据生成DSM深度影像后提取出建筑物区域，针对本文实验区域的建筑物主要以低矮房屋为主且存在大量树木靠近建筑物区域或与建筑物连在一起的特点，本文提出一种将区域生长分割方法与数学形态学方法相结合进行建筑物提取的方法。主要的研究内容与研究结论包括:
　　(1)在分析了各内插方法的基础上采用加权平均插值法对实验区域的数据利用不同的格网插值尺寸进行对比实验，从处理时间、插值效果两个方面进行比较分析得出，内插处理时间随着插值格网尺寸的减小而增加并且当内插格网尺寸为0.1m时本文数据的内插效果最好。
　　(2)通过各平滑滤波方法的对比实验研究得出，中值滤波能达到较好的保护建筑物边缘信息不被破坏的同时并将部分非建筑物区域进行去除的目的。
　　(3)本文提出将区域生长分割方法与数学形态学方法相结合进行低矮建筑物提取的方法，并在数学形态学方法的基础上进行改进，提出一种在开运算中加入小面积去除方法进行分步骤去除影响建筑物检测的非建筑物区域，尤其是那些高度高于建筑物区域、面积较大且靠近于建筑物边缘的一些高大树木等非建筑物区域，并弥补了建筑物间的空洞现象，得到了较为理想的建筑物区域。
　　(4)研究七种常见的边缘检测算子，并在分析传统的Canny算子不足的基础上对其进行改进，通过模拟实验及对比实验证明本文改进的Canny算子的定位准确性较好且在抗噪性方面优于其它七种边缘检测算法。并将实验提取的建筑物边缘与深度影像叠加进行比较分析，从正确性及准确性两个指标进行精度评定。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．3 研究内容与技术路线

1．3．1 研究内容

1．3．2 本文技术路线

1．4 论文结构安排

1．5 本章小结

2 机载LiDAR系统与数据处理

2．1 机载LiDAR系统

2．1．1 机载LiDAR系统组成

2．1．2 机载LiDAR对地定位原理

2．1．3 机载LiDAR数据特点

2．1．4 机载LiDAR和传统摄影测量的比较

2．2 LiDAR点云数据的处理

2．2．1 实验数据

2．2．2 点云数据读取与存储

2．2．3 粗差点剔除

2．3 本章小结

3 DSM深度影像与平滑处理

3．1 DSM生成

3．1．1 DSM的概述

3．1．2 DSM内插方法介绍

3．1．3 内插格网尺寸探讨

3．1．4 DSM生成

3．2 DSM深度影像的生成

3．3 图像的平滑处理

3．3．1 均值滤波

3．3．2 中值滤波

3．3．3 高斯滤波

3．3．4 图像平滑对比实验

3．4 本章小结

4 建筑物提取原理与方法

4．1 影像分割处理

4．1．1 图像分割的相关理论

4．1．2 区域生长法分割

4．1．3 图像分割对比实验

4．2 数学形态学处理

4．2．1 图像腐蚀

4．2．2 图像膨胀

4．2．3 开运算

4．2．4 闭运算

4．3 小面积区域去除

4．3．1 小面积区域去除的理论基础

4．3．2 实验方法

4．4 建筑物提取的实验与分析

4．5 本章小结

5 基于改进Canny算子的建筑物边缘提取

5．1 常见的边缘检测算子

5．2 Canny边缘检测算子

5．3 Canny算子改进

5．3．1 基于遗传算法的多小波自适应去嗓

5．3．2 综合斜方向梯度与原梯度信息

5．3．3 图像锐化

5．3．4 改进Canny算子流程

5．3．5 模拟实验

5．4 边缘提取对比实验与分析

5．5 精度评定

5．6 本章小结

6 结论与展望

6．1 结论

6．2 展望

参考文献

作者简历

学位论文数据集