利用合成算法从LiDAR数据提取屋顶面

高广; 马洪超; 张良

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用合成算法从LiDAR数据提取屋顶面

高广, 马洪超, 张良

文章导航 > 武汉大学学报 ( 信息科学版) > 2014 > 39(10): 1225-1230

高广, 马洪超, 张良. 利用合成算法从LiDAR数据提取屋顶面[J]. 武汉大学学报 ( 信息科学版), 2014, 39(10): 1225-1230.

引用本文:

高广, 马洪超, 张良. 利用合成算法从LiDAR数据提取屋顶面[J]. 武汉大学学报 ( 信息科学版), 2014, 39(10): 1225-1230.

GAO　Guang, MA　Hongchao, ZHANG　Liang. Automatic　Extraction　of 　Building　Roofs　from　LiDAR Data　Using　a　Hybridized　Method[J]. Geomatics and Information Science of Wuhan University, 2014, 39(10): 1225-1230.

Citation:

GAO　Guang, MA　Hongchao, ZHANG　Liang. Automatic　Extraction　of 　Building　Roofs　from　LiDAR Data　Using　a　Hybridized　Method[J]. Geomatics and Information Science of Wuhan University, 2014, 39(10): 1225-1230.

利用合成算法从LiDAR数据提取屋顶面

¹武汉大学遥感信息工程学院湖北武汉430079

基金项目: 国家自然科学基金资助项目61378078 国家科技支撑计划资助项目2012BAH34B02 中央高校基本科研业务费专项基金资助项目20122130202032012213020209

详细信息

作者简介:
高广博士生研究方向为LiDAR数据处理与计算机视觉

中图分类号: P237．9

Automatic　Extraction　of 　Building　Roofs　from　LiDAR Data　Using　a　Hybridized　Method

¹School of Remote Sensing and Information Engineerin gWuhan UniversityWuhan 430079 China

摘要: 区域增长法和随机抽样一致性RANSAC算法是从LiDAR数据提取屋顶面时常用的两类方法但这两种方法都存在某些缺陷使它们的应用受到了一定限制针对LiDAR数据中建筑物脚点的特点提出了一种融合以上两种方法优点于一体的合成算法1. 根据脚点的法向量和粗糙度特征进行屋顶面粗提取 2.在屋顶面粗提取结果的基础上利用基于先验知识的局部采样策略和区域增长方式对传统随机抽样一致性算法进行扩展实现屋顶面自动提取 3.采用投票法解决屋顶面竞争问题提高屋顶面的提取精度实验结果表明本文设计的合成算法能够有效地提取建筑物屋顶面
- LiDAR /
- 屋顶面 /
- 先验知识 /
- RANSAC
Abstract: Two　types 　of 　approach　called 　re gion－growing　and　random　sample 　consensus　have　been　proposed 　for 　automatic　building　roof 　extraction．They　bothhoweverhave　drawbacks．In 　this　paperan hybridized　method　is 　proposed 　to 　take 　advantage　of 　both　al gorithmsstren gths 　so 　that 　building　roofscan　be　extracted　more　precisel y　and　efficientl y．Firstwe　calculate 　the　normal　and　rough　features from　LiDAR　data 　for 　the 　coarse 　extraction　of 　building　roofs．Second precise 　roof－extraction 　is 　performed　using　an　extended　RANSAC　method　which　takes 　the 　coarse 　extraction　results 　as 　the　priori knowledgeand 　inte grates 　a　re gion 　growing　method．Finallyapoll 　strate gy 　is 　adopted 　to 　solve 　the competition 　problem．The 　experimental 　results 　show　that 　our　method　can　extract 　intact 　building　roofs in 　a　hi ghl y　automated　manner．
- LiDAR /
- building　roof /
- priori －knowledge /
- RANSAC

[1]	周唯, 彭认灿, 董箭. 顾及飞机姿态角的滩涂LiDAR强度数据修正法 . 武汉大学学报 ( 信息科学版), 2019, 44(8): 1249-1257. doi: 10.13203/j.whugis20170261
[2]	盛庆红, 张斌, 肖晖, 陈姝文, 王青, 柳建峰. 直线簇约束下的地面LiDAR点云配准方法 . 武汉大学学报 ( 信息科学版), 2018, 43(3): 406-412. doi: 10.13203/j.whugis20150292
[3]	于彩霞, 王家耀, 黄文骞, 许坚. 基于LiDAR点云提取海岸线的二值图像化改进方法 . 武汉大学学报 ( 信息科学版), 2017, 42(7): 897-903. doi: 10.13203/j.whugis20150103
[4]	陈金磊, 康志忠. 高分辨率三维激光扫描数据的微小变形统计分析 . 武汉大学学报 ( 信息科学版), 2015, 40(6): 744-750. doi: 10.13203/j.whugis20130358
[5]	卢昊, 庞勇, 徐光彩, 李增元. 机载激光雷达全波形数据与系统点云差异的定量分析 . 武汉大学学报 ( 信息科学版), 2015, 40(5): 588-593. doi: 10.13203/j.whugis20130443
[6]	王密, 常学立, 朱映, 应荷香, 成世文. 光学影像自动几何精校正中控制点粗差检测方法比较 . 武汉大学学报 ( 信息科学版), 2014, 39(12): 1395-1400.
[7]	吴军, 李伟, 彭智勇, 刘荣, 唐敏. 融合形态学灰度重建与三角网分层加密的LiDAR点云滤波 . 武汉大学学报 ( 信息科学版), 2014, 39(11): 1298-1303.
[8]	孙杰, 赖祖龙. 利用随机森林的城区机载LiDAR数据特征选择与分类 . 武汉大学学报 ( 信息科学版), 2014, 39(11): 1310-1313.
[9]	闫利, 谢洪, 胡晓斌, 鲍秀武. 一种新的点云平面混合分割方法 . 武汉大学学报 ( 信息科学版), 2013, 38(5): 517-521.
[10]	王永波, 杨化超, 刘燕华, 牛晓楠. 线状特征约束下基于四元数描述的LiDAR点云配准方法 . 武汉大学学报 ( 信息科学版), 2013, 38(9): 1057-1062.
[11]	程亮, 李满春, 龚健雅, 单杰. LiDAR数据与正射影像结合的三维屋顶模型重建方法 . 武汉大学学报 ( 信息科学版), 2013, 38(2): 208-211,216.
[12]	钟良, 马洪超, 管海燕, 刘鹏飞. 利用安置角检校进行机载LiDAR点云数据与同步影像快速配准 . 武汉大学学报 ( 信息科学版), 2011, 36(9): 1035-1038.
[13]	孙杰, 马洪超, 钟良. 利用LiDAR点云的真正射影像遮蔽检测 . 武汉大学学报 ( 信息科学版), 2011, 36(8): 948-951.
[14]	隋立春, 张熠斌, 张硕, 陈卫. 基于渐进三角网的机载LiDAR点云数据滤波 . 武汉大学学报 ( 信息科学版), 2011, 36(10): 1159-1163.
[15]	孙杰, 马洪超, 汤璇. 机载LiDAR正射影像镶嵌线智能优化研究 . 武汉大学学报 ( 信息科学版), 2011, 36(3): 325-328.
[16]	王宗跃, 马洪超, 彭检贵, 高广. 基于LiDAR数据生成光滑等高线 . 武汉大学学报 ( 信息科学版), 2010, 35(11): 1318-1321.
[17]	张永军, 吴磊, 林立文, 赵家平. 基于LiDAR数据和航空影像的水体自动提取 . 武汉大学学报 ( 信息科学版), 2010, 35(8): 936-940.
[18]	程亮, 龚健雅, 韩鹏, 宋小刚. 遥感影像仿射不变特征匹配的自动优化 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 418-422.
[19]	钟成, 李卉, 黄先锋, 李德仁. 利用6元组松弛法自动配准LiDAR数据与航空影像 . 武汉大学学报 ( 信息科学版), 2009, 34(12): 1426-1430.
[20]	曾齐红, 毛建华, 李先华, 刘学锋. 建筑物LiDAR点云的屋顶边界提取 . 武汉大学学报 ( 信息科学版), 2009, 34(4): 383-386.

点击查看大图

计量

文章访问数: 1025
HTML全文浏览量: 73
PDF下载量: 676
被引次数: 0

利用合成算法从LiDAR数据提取屋顶面

¹武汉大学遥感信息工程学院湖北武汉430079

基金项目: 国家自然科学基金资助项目61378078 国家科技支撑计划资助项目2012BAH34B02 中央高校基本科研业务费专项基金资助项目20122130202032012213020209

作者简介:
高广博士生研究方向为LiDAR数据处理与计算机视觉

收稿日期: 2013-10-13
刊出日期: 2014-10-05

中图分类号: P237．9

关键词:

LiDAR /

屋顶面 /

先验知识 /

RANSAC

摘要: 区域增长法和随机抽样一致性RANSAC算法是从LiDAR数据提取屋顶面时常用的两类方法但这两种方法都存在某些缺陷使它们的应用受到了一定限制针对LiDAR数据中建筑物脚点的特点提出了一种融合以上两种方法优点于一体的合成算法1. 根据脚点的法向量和粗糙度特征进行屋顶面粗提取 2.在屋顶面粗提取结果的基础上利用基于先验知识的局部采样策略和区域增长方式对传统随机抽样一致性算法进行扩展实现屋顶面自动提取 3.采用投票法解决屋顶面竞争问题提高屋顶面的提取精度实验结果表明本文设计的合成算法能够有效地提取建筑物屋顶面