[发明专利]集成影像与LiDAR数据提取建筑物轮廓的方法

说明书

技术领域

本发明涉及一种集成影像与LiDAR数据提取建筑物轮廓的方法，属于卫星遥感影像与LiDAR数据处理技术领域。

背景技术

建筑物模型重建一直是测绘、遥感领域研究的热点。现阶段，数字摄影测量技术与机载激光雷达技术(LiDAR)是三维建筑物模型获取的两种最常用手段。然而，“对于各式各样的建筑物，没有一项建模技术可以同时满足自动化、高精度、灵活高效、价格低廉等要求”，融合多源数据，发挥各自优势并相互补充，是建筑物模型重建的必然趋势。因此急需同时满足高度自动化、更精确、更细致，且价格低廉、灵活高效地重建建筑物模型的方法。

轮廓提取是建筑物提取与建模的重要基础工作。建筑物形状各异，但绝大多数的轮廓特征线为直线，建筑物直线轮廓提取的研究具有重要意义。从高分辨率影像中自动提取建筑物的研究已经开展多年，(张祖勋等，2001)提出了一种几何约束与影像分割结合的半自动房屋提取方法；(Huertas等，1988)通过提取矩形的角点来提取建筑物轮廓；(Lin等，1994)提出了采用感知编组和阴影信息相结合的建筑物提取方案；(Kim等，1999)通过计算各直线相互关系的代价函数，以代价函数最小的准则提取建筑物矩形轮廓；(陶文兵等，2003)引入知识定义了几种近似的矩形结构，提出了一套直线后处理的方法。这些方法的共同特点是或者基于几何约束、或者基于某种规则、或者基于知识等等来优化轮廓获取工作，然而高分辨率影像上有着大量复杂信息，仅仅基于影像难以自动分离建筑物区域与非建筑物区域，道路边线、建筑物阴影、桥梁、停车场等类似目标往往会对建筑物轮廓提取工作形成干扰，轮廓误检与漏检的情况不可避免大量存在，单纯基于影像自动、准确获取边缘轮廓的技术难度很大且效率不高。

从影像中提取出的轮廓几何精度高、细节丰富，但处理的自动化程度不高，从LiDAR数据中提取的轮廓往往定位精度不高、且建筑细微结构易被忽略，但LiDAR点直接提供了三维坐标，有利于提高处理的自动化程度。显然，两类数据存在着很强的互补性，集成两类数据进行建筑物轮廓提取具有研究价值。

利用DSM或者LiDAR点云提取建筑物轮廓的研究也有许多。(Weiss等，1995；Brunn等，1997)利用DSM与DEM之间的差异提取建筑物轮廓；(Vosselman等，2001)利用规划数据辅助LiDAR进行建筑物重建；(Sohn等，2003)将IKONOS影像与LiDAR数据结合检测建筑物；(黄先锋2006；Sampath等，2007)使用规则化的方法提取建筑物轮廓；综述性的文章可以参见(Brenner 2005)。一般而言，以现有技术水平，空载LiDAR数据的点间距约为米级，相对于可以达到厘米级分辨率的航空高分辨率影像而言，LiDAR数据空间分辨率较低，直接基于LiDAR数据获取的建筑物轮廓线往往不够精细且精度不高。利用规则化技术可以提高轮廓线的精度，但规则化方法也受制于LiDAR点的空间分辨率与滤波、分类等处理的精度，存在不确定性且容易导致轮廓线产生整体偏移。

发明内容

为了克服上述现有技术的不足，本发明提供一种集成影像与LiDAR数据提取建筑物轮廓的方法。

实现本发明目的采用的技术方案是：集成影像与LiDAR数据提取建筑物轮廓的方法，包括以下步骤：

(1)预处理。将LiDAR点云中的建筑物点分离出来，并分割这些点形成每栋建筑物的点集；

(2)建立轮廓提取区。针对每栋建筑物，内插其点集成面域做缓冲区，套合影像与缓冲区并利用缓冲区过滤无关区域形成建筑物专题影像，再拟合点集的外接矩形切割专题影像，建立每栋建筑物的轮廓提取区；

(3)线段提取。针对绝大多数建筑物存在主方向的特点，根据LiDAR点集估算出建筑物的概略主方向，基于概略主方向的约束在轮廓提取区自动、鲁棒的检测出精确主方向，线段提取在精确的主方向上进行；

(4)轮廓筛选。针对超高分辨率影像线段提取的特点，在LiDAR数据的辅助下，利用Kmeans聚类算法动态筛选出精确轮廓

本发明的特点是：

(1)可以有效提取结构复杂的建筑物轮廓，提取出的轮廓应具有较高的定位精度。

(2)建筑物轮廓完整、细微结构如较短的边、细小的转角等都能准确提取。

附图说明

附图为本发明方法的流程图。

具体实施方式

下面结合附图和实施例对本发明作进一步的说明。

实施例

集成影像与LiDAR数据提取建筑物轮廓的方法的流程图如附图所示，包括以下步骤

(1)预处理