利用机载LiDAR点云提取损毁建筑物的方法研究

摘要

近年来地震频发，造成当地人民生命和财产的巨大损失。地震之后，如何快速响应、及时获得震后第一手资料，为救援和灾后重建提供可靠信息，成为亟待解决的问题。通过传统方法获取的震害资料十分有限，难以全面地还原建筑物真实的震害情形。三维激光扫描测量技术较传统技术具有精度高、速度快、真实反应原型的特点，点云数据能被快速处理、提取相关信息，进行定量分析等优势，进而为救援工作提供快速、精确的参考资料。快速检测并提取震后损毁建筑物是进行震害损失评估的关键，利用LiDAR技术提取损毁建筑物是本论文的研究目的，开展了以下工作:
　　 (1)综述了目前常用的点云分割方法，对各种方法的原理、操作步骤和技术路线进行了概括。重点研究了基于区域增长的点云分割算法，并成功实现了结合三维Hough变换进行区域增长的点云分割算法。
　　 (2)引入表征损毁建筑物的特征参数，实现对损毁建筑物的有效识别。计算点云分割区域的特征参数值，对特征参数值进行类别阈值划分，设计地物分类规则，使用基于规则分类方法达到对地物的分类提取，最终实现损毁建筑物的提取。
　　 (3)设计了精度评定模型，通过对损毁建筑物提取结果的完整度和正确度的评定，达到对损毁建筑物提取的整体质量评价。
　　 (4)利用VisualStudioC++开发了对点云数据进行分割及提取损毁建筑物的实验程序。
　　 实验表明，利用LiDAR点云技术进行损毁建筑物的检测提取是可行的。针对震后建筑物的几何和辐射不规则性，通过三维Hough变换检测区域种子区域，对点云数据进行直接分割，可有效保留损毁建筑物的真实性，实现点云数据高保真分割。同时论文中引入四个描述损毁建筑物的属性值参数:每个分割对象的点数(NP)、数字地面模型的平均高度(D2DTM)、分割区域的点数和未分割区域点数比例(NUSPR)、分割区域的粗糙度（PLAN），对这四个属性值参数进行阈值范围统计计数，结合规则分类的方法可保证对损毁建筑物的有效提取。

目录

声明

摘要

第1章 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 研究目标与内容

1．4 拟解决的技术路线及关键问题

1．5 各章概要

第2章 机载激光LiDAR点云数据的分割算法

2．1 引言

2．2 基于区域增长算法的分割算法

2．2．1 区域增长算法思想

2．2．2 分类规则的定义

2．2．3 种子点的选取

2．2．4 区域增长算法分割步骤

2．3 基于高程纹理的分割算法

2．3．1 基于高程纹理的分割算法思想

2．3．2 基于高程纹理的对象形状分析

2．3．3 规则几何元素检测

2．4 基于数学形态法的分割算法

2．4．1 数学形态法原理

2．4．2 LiDAR数据的栅格化方法

2．4．3 图像的数学形态法处理

2．5 基于直方图点云分割方法

2．6 本章小结

第3章 基于三维Hough变换的区域增长点云分割算法

3．1 引言

3．2 Hough变换基本原理

3．3 三维Hough原理及算法

3．3．1 三维Hough变换原理

3．3．2 三维Hough变换算法流程

3．4 基于三维Hough变换的区域增长算法

3．5 本章小结

第4章 损毁建筑物提取方法

4．1 引言

4．2 基于点云数据的损毁建筑物特征分析

4．2．1 表征损毁建筑物参数

4．2．2 损毁建筑物提取规则

4．3 基于规则分类的损毁建筑物提取方法

4．4 本章小结

第5章 损毁建筑物提取实验

5．1 实验数据概述

5．2 实验平台

5．2．1 硬件平台

5．2．2 实验程序开发平台

5．2．3 实验程序功能模块

5．3 损毁建筑物分割实验

5．4 损毁建筑物提取实验

5．5 精度评定

5．6 本章小结

结论与展望

致谢

参考文献