论文部分内容阅读
建筑物是城市重要的组成,是"数字城市"不可缺少的组成部分。从机载Lidar(Light Detection And Ranging)点云中提取建筑物是城市建模的关键问题之一,而建筑物的轮廓则是表达建筑物的关键信息。目前建筑物轮廓提取的研究大都是针对完整的建筑物点云。针对由于相邻高大树木等对建筑物的遮挡,使得建筑物点云存在部分缺失,建筑物轮廓不完整的情况,目前还没有有效的轮廓提取方法。本文针对建筑物被遮挡的情况下准确提取建筑物轮廓开展两方面研究:1)滤波,将原始Lidar点云中,地面点和非地面点分开;2)建筑物轮廓提取,从非地面点云中提取建筑物点,并提取建筑物轮廓。首先在现有的偏度平衡滤波(SKF)算法的基础上,利用局部拟合高差代替点的高程,提出基于高差的偏度平衡滤波(SKF-HD)算法。该算法保持了对高大地物提取效果的同时,提高了低矮地物的提取效果,且显著提高了地形起伏区域的适应性。三组不同地形、不同区域的实验结果表明该算法能够更好的提取低矮地物、适用于不同程度的起伏地形。与偏度平衡滤波算法相比较,提出的算法在平坦区域、地形起伏较小区域和地形显著起伏区域的总体精度分别增大4.8%、5.1%和13.3%。在不同地形条件下,尤其是在地形显著起伏区域,新算法的滤波精度得到了明显的提高。然后改进MBR算法,针对被遮挡的规则多边形建筑物提出多级最小外接矩形(MMBR)算法,准确的提取建筑物的轮廓。该方法不仅可以准确得到建筑物没有遮挡部位的轮廓的同时还能得到准确的被遮挡部位的轮廓。三组不同遮挡情况、不同形状的实验区域的实验结果表明该算法能够准确的得到被遮挡区域的建筑物轮廓。与直角约束的迭代最小二乘(HLSPC)算法相比较,提出的算法在规则矩形建筑物、L型复杂多边形建筑物和复杂多边形建筑物中都能准确的提取建筑物轮廓,且Vd值分别减小31.8%、14.3%和12.5%。在不同遮挡情况下,MMBR算法的精度都较高。