论文部分内容阅读
航空激光扫描(Airborne Laser Scanning,ALS)是一种主动的、快速获取目标三维信息和反射率信息的数据采集技术,从ALS数据中自动提取地形信息和建筑物信息一直是ALS数据处理的重点和难点。 本文分析了建筑物自动提取的关键技术,考虑借助基于对象分析(Object Based Analysis,OBA)技术,构建建筑物自动提取的流程和相关关键算法。其基本思路为首先借助OBA策略构建自动化滤波流程,实现地形信息的提取与非地面点的抽取,从而减少建筑物提取所要处理的激光点数目,同时为建筑物的提取提供地形信息;然后在此基础上借助OBA策略构建非地面点的分类策略,实现建筑物点的自动提取;最后通过对建筑物对象边界的追踪实现对建筑物信息的自动提取。 针对该自动提取流程所涉及到的关键技术和相关算法,本文进行了深入的研究,具体包括:(1)基于格网的点云索引技术和分割技术。本文构建了一种格网索引技术,该技术包括数据的内存组织策略以及点云检索策略,该索引方法没有进行ALS点云数据的空间插值,且检索的计算复杂度低,然后在格网索引的基础上提出了种子点产生算法以及基于种子点的邻域扩张分割方法,进一步给出了核心参数统计方法,并探讨了分割尺度问题和分割结果的评价问题。(2)借助OBA策略构建了ALS数据自动滤波方法。本文首先构建了一种利用OBA策略的地表复杂度判别方法以实现地表复杂区域的种子点加密算法,然后分割得到对象并选取了有效的特征参数来构建滤波逻辑并进行ALS点云数据的滤波,ISPRS滤波测试数据集的结果证明了本文算法的可行性和有效性。(3)在滤波得到DTM信息和非地面点后,本文构建了基于OBA策略的建筑物提取技术流程。首先设计了基于边界约束的大尺度分割算法,以尽可能保证建筑物分割的完整性,然后提出了新的基于对象的统计指标并挑选了有效的提取因子来构建基于规则的对象分类流程,在该流程中基于OBA策略的地表复杂度判别方法被有效利用并减少了建筑物的空间搜索范围,通过实验证明了该分类方法的有效性和实用性。然后在得到建筑物边界点的基础上,本文构建了一种基于最短距离的方向搜索算法来实现建筑物边界点的追踪。 在研究过程中,本文开发了一套原型系统以便展示相关结果,并挑选了有代表性的三个测试数据集进行滤波、分类和建筑物边界追踪的实验,实验结果表明本文的处理流程和算法可以很好的进行地形信息、建筑物信息的提取。本文的处理流程和相关算法仅仅依赖ALS数据本身,在一定程度上提高了ALS数据建筑物提取的自动化程度,在实际数据处理中具有一定的实用性。