论文部分内容阅读
近年来,遥感对地观测数据获取能力大幅增强,但与之对应的数据处理与信息提取能力则有待进一步加强,还难于满足国民经济各领域对空间信息要求日益增长的需求,其中一个亟待研究解决的关键科学问题是如何从众多遥感数据中高精度自动提取地物目标信息。道路作为城市中最主要的地物要素之一,是摄影测量与遥感领域中地物信息提取研究的主要对象。近40年来,大量学者展开了基于遥感影像数据的道路特征的半自动和全自动的研究,在理论和技术上都取得了很大发展和创新,但除了一些用于特定数据的半自动道路提取系统外,尚无一种实用的方法用于自动提取城市道路网络。随着三维数字城市的快速发展,人们对于道路信息的分辨率、准确性和实时性需求愈来愈高,基于高分辨率遥感数据的道路提取与重建将是未来的主要发展趋势,但空间分辨率的提高使得影像中非道路目标大量增加,道路提取面临着更大的挑战和困难,现有研究和实践已经表明,基于单一数据源难以提取理想的道路结果,融合多种数据源是一种较为可行的道路提取策略。高分辨率遥感影像与机载LiDAR点云数据在描述地物目标上具有互补性:影像中边缘信息清晰,但易受阴影、树木等遮挡影响;机载LiDAR点云边缘细节模糊,但不受阴影影响,可部分穿透植被的特性,提供的三维信息可用于道路建模,两种数据的结合能满足精确道路特征提取与重建要求。针对上述问题,本文研究了结合高分辨率航空影像与机载LiDAR点云数据提取城区道路并进行表面重建的关键技术,论文的主要研究内容如下:1.研究实现了融合机载LiDAR点云和高分辨率航空影像进行城区道路提取及其表面重建的完整技术流程:“基于机载LiDAR点云提取初始道路中心线”——“基于数据融合与组合辐轮算法自动提取二维精确道路轮廓”——“基于自适应的改进蝶形细分曲面算法重建道路表面”。实验结果证明了本技术流程的可行性。2.研究了基于机载LiDAR点云提取道路中心线的方法,提出了结合点云高程、强度特征和顾及道路几何特征的由粗到精的道路点云提取策略,并在此基础上利用形态学和感知编组方法提取道路中心线。首先,利用点云高程特征,提出了一种结合移动曲面的自适应渐进加密三角网滤波算法获取地曲点;然后,根据道路点云的强度属性特征从地面点云中提取初始道路点云,并顾及道路几何特征提出基于边长和面积阈值的约束Delaunay TIN方法精化初始道路点云;最后,基于精化后的道路点云生成距离影像,采用数学形态学和感知编组方法提取完整的道路中心线信息。3.重点研究解决了利用组合辐轮算法提取高分辨率影像中精确道路轮廓的三个关键问题。主要包括:(1)辐轮算法中初始种子点的自动获取。利用基于机载LiDAR道路点云提取的初始道路中心线信息自动初始化辐轮算法的种子点,提高了道路提取的自动化水平和正确率;(2)组合LiDAR特征辐轮消除道路阴影影像的影响。针对传统基于影像灰度特征的辐轮算法易受阴影噪声干扰无法正确提取阴影区道路轮廓的缺陷,利用机载LiDAR点云不受阴影影响的特点,提出了结合机载LiDAR道路点云高程特征和影像灰度特征的组合辐轮算法识别阴影区域,在对阴影区进行信息补偿后再利用基于影像灰度特征的辐轮算法提取精确道路轮廓;(3)组合LiDAR特征辐轮提取双幅道路轮廓,消除双幅道路带来的影响。传统辐轮算法受灰度差异较大的连续分道线影响而不能完整提取双幅道路轮廓,本文利用组合辐轮算法在约束范围内自动寻找双幅道路中另一侧路面的种子点提取道路轮廓而合并成完整道路轮廓;组合辐轮算法还可通过面积和方向约束,自动调整错误的初始种子点位置。4.研究了结合道路轮廓和机载LiDAR道路点云重建道路表面模型的方法。道路表面模型重建实质是一个曲面表达过程,常用的格网和TIN表面建模方法不能有效表达道路表面的平滑特征,而细分曲面算法能很好地弥补这一缺点。本文采用自适应的改进蝶形细分算法重建道路表面,重建过程中,通过计算相邻三角形平坦度自适应确定参与细分的三角形,既很好地描述了道路曲面的平滑特性,又控制了数据量的增加,精度也有所提高。