基于等高線特征分析的LiDAR建筑物與道路提取.pdf

1、新興的LiDAR系統(tǒng)可以直接獲取地球表面或其上目標(biāo)三維數(shù)據(jù)，其“點(diǎn)云”數(shù)據(jù)形式具有不規(guī)則和離散特點(diǎn)，用戶需要采取專業(yè)的數(shù)據(jù)處理方法才能獲得所需的3-D信息，不同的用途導(dǎo)致各式各樣的數(shù)據(jù)處理方法。
　　 利用LiDAR“點(diǎn)云”數(shù)據(jù)提取建筑物和道路是目前學(xué)界研究的熱點(diǎn)，濾波-分割算法(Filtering-Segment，F(xiàn)-S)是通常的提取算法。F-S法分兩步進(jìn)行，第一步是濾波，先采用形態(tài)學(xué)濾波法或表面估計(jì)濾波法，提取數(shù)字地面模型(

2、Digital Terrain Model，DTM)，然后將LiDAR“點(diǎn)云”數(shù)據(jù)直接獲取的數(shù)字表面模型(Digital Surface Model，DSM)與DTM做差，通過預(yù)設(shè)的高差閾值，將DSM點(diǎn)群分為地面點(diǎn)群和非地面點(diǎn)群；第二步是分割，包括建筑物分割和道路分割。建筑物分割是對(duì)非地面點(diǎn)群進(jìn)行分割，利用建筑物的幾何特性或是融合其他信息，如多光譜信息，將植被點(diǎn)群去掉，提取出建筑物；道路分割則是對(duì)地面點(diǎn)群進(jìn)行分割，通常是借助LiDAR所

3、獲得的強(qiáng)度信息，將非道路點(diǎn)群，主要是綠地等點(diǎn)群去除，提取出道路。
　　 目前的F-S算法的弱點(diǎn)主要有三個(gè)方面：適用范圍、正確率以及實(shí)用性。F-S算法大多只適用于平坦的城區(qū)，在地形起伏的山區(qū)效果不太理想；無論是建筑物分割，還是道路分割，F(xiàn)-S算法的處理結(jié)果都會(huì)有一些非建筑物或是非道路信息的存在，降低了分割的正確率；實(shí)用性主要是針對(duì)道路分割，現(xiàn)有的道路分割是以強(qiáng)度信息作為輔助數(shù)據(jù)，但并非所有的LiDAR系統(tǒng)都可以獲得強(qiáng)度信息，當(dāng)沒有

4、強(qiáng)度信息時(shí)，算法的實(shí)用性就受到限制。
　　 由此提出基于等高線濾波的分割法(Filtering Based on Contour-Segment，F(xiàn)c-S)。Fc-S算法首先采用等高線濾波法(Filtering Based on Contour，F(xiàn)c法)進(jìn)行濾波，即根據(jù)DSM等高線的特征，如閉合性、首尾點(diǎn)距離等，采用閾值法自動(dòng)提取出屬于自然地面的等高線(段)，獲得初始地面點(diǎn)群；內(nèi)插地面點(diǎn)群生成初始DTM后，使用迭代逼近法生成最終

5、的(精確的)DTM。利用DSM與DTM之差將LiDAR數(shù)據(jù)分為地面點(diǎn)群和非地面點(diǎn)群后，采用邊緣信息、梯度閾值以及面積閾值等方法從非地而點(diǎn)群中去除植破點(diǎn)群，提取出建筑物點(diǎn)群，并采用迭代逼近的方法對(duì)建筑物進(jìn)行精化；利用目標(biāo)區(qū)光譜信息，從地面點(diǎn)群中提取出道路信息，并進(jìn)一步利用道路的幾何特性去除停車場等與道路光譜信息相近的非道路信息。
　　 為進(jìn)一步提高提取建筑物的效率，利用等高線形狀分析技術(shù)(Contour ShapeAnalysis

6、，CSA)改進(jìn)Fc-S算法。CSA算法根據(jù)DSM中建筑物等高線的幾何形狀特征，采用形狀分析法直接提取建筑物等高線；然后規(guī)則化處理以獲取建筑物輪廓線。
　　 通過美國弗吉尼亞州的Wytheville的實(shí)測LiDAR“點(diǎn)云”數(shù)據(jù)的試驗(yàn)，證明Fc-S法和CSA法都可以適用于地形起伏的山區(qū)，且提取的建筑物和道路的正確率較高，新算法的實(shí)用性較強(qiáng)。試驗(yàn)對(duì)比濾波的代表算法Masaharu表面估計(jì)濾波法，證明Fc濾波算法在山區(qū)的效率更高；試驗(yàn)對(duì)