一種基於LiDAR數據的建築物區域提取方法
2023-06-08 01:40:36 2
專利名稱：一種基於LiDAR數據的建築物區域提取方法
技術領域：
本發明涉及一種從LiDAR數據提取建築物的方法。尤其是一種採用反向迭代數學形態學方法從LiDAR點數據中提取建築物點的方法。
背景技術：
機載雷射雷達(AirborneLight Detection And Ranging，簡記LiDAR ；又稱機載雷射掃描，Airborne Laser karmer，簡記ALQ是近十幾年來快速發展的一種新型的測量技術，被廣泛用於地面數據探測和模型的恢復、重建等應用中，顯示出了巨大的前景，並逐漸成為三維城市數據模型獲取的一種重要方法。隨著LiDAR數據質量的不斷提高、越來越易獲得、價格不斷下降，從LiDAR數據中自動檢測、重構三維地物的需求也將日益增長，而建築物的檢測和重構是城市3D建模中最受關注的。實時、準確地更新3D建築物模型數據在城市規劃、交通、遊覽等領域中十分重要。而如何從LiDAR點雲中獲得可靠的建築物點是進行建築物三維重建的關鍵步驟，建築物點的分割效率、精度直接決定著三維重建的可行性和準確性。面對越來越廣泛的LiDAR 數據使用範圍和使用需求，深入研究如何有效地從原始LiDAR數據中準確、有效地獲取建築物點具有重要的理論價值和實際價值。從LiDAR數據中檢測建築物，即將打在建築物上的點與打在其他地形表面的點 (如地面、樹木、道路)區分開來，其本質是一個分割過程。在LiDAR研究領域，分割是最活躍的一個方向，大量的研究和應用與分割相關，因此也產生了許多的分割方法。根據所使用的數學方法不同，可以簡單地分為五類1.邊緣檢測法主要有(Heath，Sarkar et al. 1996)，(Jiang and Bunke 1994)， (Sappa and Devy 2001)。由於在計算機視覺領域已有大量針對圖像分割的邊緣檢測算法， 所以LiDAR數據被轉換為深度圖像以適合圖像邊緣檢測算法。然而將3D點雲數據轉換為 2. 5D深度圖像的操作不可避免地帶來的信息的丟失。對於機載LiDAR數據，由於重疊表面的存在(多層屋頂、橋梁、屋頂樹枝等)，使用邊緣檢測方法進行分割將產生較多的誤分割。 對於地面LiDAR數據，由於點雲是在不同位置掃描得到的，從3D轉為深度圖像時將導致大量的信息丟失。2.表面生長算法主要有(Gorte 2002)，(Lee and Schenk 2002)， (Rottensteiner and Briese 2003), (Pu and Vosselman 2006), (Rabbani, van Den Heuvel et al. 2006)。對於LiDAR點雲的表面生長相當於圖像處理中的區域生長。首先， 一些平面或非平面的區域被標記為種子，這些種子可以用比較成熟的最小平面調整、霍夫變換法得到。然後使這些種子區域不斷向外擴展，擴展時一般是簡單地考慮周圍點的接近程度，坡度，曲率等。雖然在LiDAR點雲分割中，表面生長算法使用廣泛，但種子點的選擇是難點，因為難以判斷一組種子點比另一組可靠，而不同的種子點選擇又會導致不同的分割結果。3.掃描線法主要有(Jiang and Bunke 1994)，(Sithole and Vosselman 2003)，(Khalifa, Moussa et al. 2003)。掃描線法採用一種分裂-融合的策略。深度影像被分裂成沿指定方向的掃描線，比如每行視為一條掃描線。對於平的表面，任何一條三維平面上的掃描線都是一條直線。每一條掃描線都將被獨立地分割成線段直到點到其對應直線的垂直距離小於某個固定的閾值。然後按照線段之間的關係融合成平面。掃描線法主要是為了提取平面而設計，然而在無結構的點雲中實際上不存在掃描線。所以要將掃描線法引入到對點雲的處理中需要決定預設方向的問題，並在點雲的切片中進行掃描線構建，這就使得分割結果好壞取決於方向。4.聚類方法主要有(Roggero 2001)，(Filin 2002)，(Biosca and Lerma 2008)， (Chehata，David et al. 2008)。在這些算法中，每個LiDAR點被賦予一個包含幾個幾何特徵和光譜特徵的特徵矢量。然後LiDAR點就可以在特徵空間通過K均值、最大似然、模糊聚類等聚類方法進行分割了。與其他方法不同，由於聚類是在特徵空間進行的，所以可以按同樣的方式處理點雲、網格、TIN。聚類算法的效果依賴於特徵矢量的和聚類方法的選取。5.圖形分區方法主要有(Kim and Muller 1999)，(Fuchs 2001)。因為在同一分割中的點比不同分割中的點之間接觸更加緊密，所以邊界應當位於點之間間隔最大，即點最稀疏的地方。這個簡單的想法被用來構造鄰接圖和鄰域圖。鄰接圖是在點雲上的屬性圖 G(V, E)。在一個小鄰域裡的每個或每組LiDAR點是集合V的一個節點，而集合E則由連接每對點的邊構成，每條邊有一個衡量點對間相似性的屬性。通過圖形分區算法尋找到同時滿足最小化分割間點的相似性和最大化分割內部點的相似性的最優分割。分割可以通過遞歸分區或直接多路分區來實現。現有算法較多是將LiDAR數據轉化成深度影像，從而使用原有的圖像分割算法進行處理，而非直接對3D點雲數據進行處理。而數學形態學方法則是直接基於3D點數據進行處理的，不會因為數據轉換而丟失信息。數學形態學是建立在嚴格的數學理論基礎上的，從某種意義上講，它是以幾何學為基礎的。它的主要思想是利用被稱之為結構元素 (structuring element)的幾何模板(例如線、三角形、正方形、圓等)探測圖像中物體的形狀，具體通過數學形態學操作(如「開」或「閉」操作)來逼近地形表面。與其他方法相比，數學形態學方法概念簡單，易於實現，並能取得較好的效果。但原有的數學形態學方法在結構元素的選擇(形狀和尺寸等)對處理後的結果有很大的影響，存在消除了地形起伏對區分地面點和建築物的影響的缺陷，導致其精確性的不理想，需要根據具體的應用(如地面、植被、建築物等)選擇合適的結構元素，才能獲得較為較為準確的提取結果。
發明內容
1.發明要解決的技術問題本發明針對現有分割方法較多是將LiDAR數據轉化成深度影像，從而使用原有的圖像分割算法進行處理，而非直接對3D點雲數據進行處理，以及對原有的數學形態學方法的缺陷，本發明提供一種基於LiDAR數據的建築物區域提取方法，該方法主要是在數學形態學方法的基礎上進行一定的改進，形成了一種新的反向迭代數學形態學濾波方法，此方法可以消除地形起伏對建築物提取的影響，取得較好的提取效果。2.技術方案一種基於LiDAR數據的建築物區域提取方法，包括以下步驟
步驟1 =LiDAR數據前期處理。主要是將原始LiDAR數據，由初始的數據格式 (.xyz)轉換為便於處理的矢量數據格式(.shp)，在此首先從xyz文件中讀出每個點的三維坐標，存放到一個點集數組中，然後使用GDAL類庫，將每個點的屬性按順序輸出到一個shp 文件中。步驟2 對原始LiDAR數據重採樣，即用最近鄰法對原始無規則LiDAR數據進行重採樣，得到規則間距的LiDAR點陣。步驟3 反向迭代數學形態學濾波，即對重採樣後的等間距點進行反向迭代數學形態學的開操作，以將地面點和稀疏樹木點濾除，得到僅含建築物區域和密集樹木區域的
點^^ ο步驟4 分離建築物與密集樹木，即根據樹木點區域和建築物點區域之間粗糙度的差異進行數學形態學的開操作，以將密集樹木點和建築物點分離，以達到精確提取出建築物區域的目的。上述步驟1中的原始LiDAR數據是空載LiDAR數據集，是將航空雷射雷達掃描器安裝在飛機平臺上，通過平臺的移動及儀器的擺掃，獲得大面積的地表三維數據。一般可從測繪部門購買獲得。上述步驟2中的LiDAR數據重採樣方法如下按照Im的點間隔，採用最近鄰法進行重採樣，具體來說就是在LiDAR數據四至坐標範圍內按照指定的採樣間隔(Im)選擇採樣位置，對每個位置點，在一定鄰域範圍內(大於採樣間隔)尋找最近鄰的LiDAR點的高程值作為其高程值。上述步驟3中的數學形態學開操作方法如下對於任意一個LiDAR點p(x，y，z)和指定的鄰域窗口 ω，則在該點處對高程ζ的侵蝕為
權利要求
1.一種基於LiDAR數據的建築物區域提取方法，包括以下步驟步驟1 =LiDAR數據前期處理，即將原始LiDAR數據轉換為適合於處理的矢量數據格式；步驟2 對原始LiDAR數據重採樣，即用最近鄰法對原始無規則LiDAR數據按照Im的數據點採樣間距進行重採樣，得到規則間距的LiDAR點陣；步驟3 反向迭代數學形態學濾波，即對重採樣後的等間距點進行反向迭代數學形態學濾波，以將地面點和稀疏樹木點濾除，得到僅含建築物區域和密集樹木區域的點集，反向迭代數學形態學濾波的具體流程如下(1)選擇最大濾波窗口、最小濾波窗口和窗口減小的步長；(2 )從最大窗口開始，到最小窗口結束，迭代地對重採樣後的LiDAR數據進行數學形態學的開操作；(3)迭代過程中，每次都將本次數學形態學的開操作結果與上一窗口下開操作結果進行作差，並根據這個高程差來初步區分建築物區域的點和地面點；步驟4 分離建築物與密集樹木，即根據樹木點區域和建築物點區域之間粗糙度的差異進行數學形態學的開操作，以將樹木和建築物點分離，這個分離過程的具體流程如下(1)對濾波得到的LiDAR點，計算每個點的粗糙度，並根據粗糙度進行初步分類即分成建築物點和樹木區域點；(2)對初步分類結果進行數學形態學開操作，對細碎的樹木區域進行初步濾除，並在此基礎上採用面積閾值進一步去除樹木區域殘留的細小碎片；(3)部分建築物屋頂面片之間的邊界處由於粗糙度較大，在濾波過程中被濾除，現根據其與建築物屋頂面片的位置關係來恢復。
2.根據權利要求1所述的一種基於LiDAR數據的建築物區域提取方法要求，其特徵在於步驟2中使用最近鄰法對原始數據所進行的重採樣以獲取便於數學形態學操作的預處理方法。
3.根據權利要求1所述的一種基於LiDAR數據的建築物區域提取方法要求，其特徵在於步驟3中所提出的用以避免地形對提取產生影響的反向數學形態學濾波方法。
4.根據權利要求1所述的一種基於LiDAR數據的建築物區域提取方法要求，其特徵在於步驟4中所提出的使用LiDAR點高程分布的差異即粗糙度差異與數學形態學操作相結合的方法來分離密集樹木區域點與建築物區域點的具體流程。
5.根據權利要求1所述的一種基於LiDAR數據的建築物區域提取方法要求，其特徵在於先濾除地面點和稀疏樹木點，再分離密集樹木點與建築物點的LiDAR數據建築物點提取技術流程。
全文摘要
本發明公開了一種基於LiDAR數據的建築物區域提取方法，屬於LiDAR數據提取建築物的方法領域。其步驟包括LiDAR數據前期處理；對原始LiDAR數據重採樣；反向迭代數學形態學濾波；分離建築物與密集樹木。本發明直接對3D點雲數據進行處理，而不是將點雲轉化為深度圖像，避免了轉化過程中信息的損失和轉化過程中增加的計算量；同時通過反向漸進迭代使用不同窗口進行數學形態學濾波操作，基本消除了地形起伏對數學形態學濾波中建築物提取的影響，能取得較高的提取精度；本發明能夠從大範圍的LiDAR數據中快速、準確地提取出屬於建築物區域的LiDAR點，能夠為城市的三維建模提供可靠的數據支持。
文檔編號G01S7/48GK102520401SQ20111043242
公開日2012年6月27日 申請日期2011年12月21日 優先權日2011年12月21日
發明者馮逍, 劉永學, 張雯, 李滿春, 李 真, 楊康, 程亮, 童禮華, 蔡文婷, 趙威, 陳焱明 申請人:南京大學