基于点云数据的柱状目标变化检测

发布时间：2020-09-09 13:37

　　 三维激光扫描技术相比于传统的全站仪等单点数据采集技术,具有数据获取速度快,精度满足地图构建的优点,非常适合在城市街道环境进行三维数据的采集,以服务于城市地图增量更新、城市精细化管理等方面的需求。现有的城市三维地图构建主要是依靠机载测图系统和车载移动测图系统的联合来完成,然而城市街道环境的高复杂性,也为车载移动测图系统的数据采集和处理带来了诸多不便。车载移动测图系统采集数据的质量会因街道环境中多方面因素的影响,近地面绿化植被的季节性变化、地面静止性物体(行道树、报刊亭、临时停靠的车辆)、流动性对象(如行人、机动车道上行驶的车辆)、高透射性表面(如玻璃)等因素会造成数据缺失,是地图构建的极大障碍。另外,城市道路宽度的多变性直接导致了一般的移动扫描车辆无法进入较窄的街道进行数据采集,这也是数据缺失的一方面原因。而且,城市的快速发展需要较频繁地对城市地图数据进行增量更新,单纯依靠移动测图系统进行数据采集,成本比较高。二维图像的三维重建属于摄影测量的范畴,以消费机的数码相机为数据采集设备,获取若干张具有足够重叠度的感兴趣区域图像,利用计算机视觉技术获取三维数据,具有设备小巧、操作简单、成本低的优点。论文主要做了以下几方面的工作:(1)将学院楼前的柱状目标作为实验对象,提出了两种变化检测方法-基于点云的整体变化检测和基于GIS对象和图像点云数据的变化检测,两种方法都用到了图像点云数据。利用消费机数码相机拍摄实验场地的图像数据,采用SFM(运动结构)+MVS(多视立体几何)的图像三维重建技术得到图像点云数据,该过程无需进行相机校正预处理,实现了完全自动化地输出具有局部坐标系的密集三维点云数据。利用获取的特征点坐标数据将密集点云变换到统一坐标框架下,为变化检测处理做准备。(2)针对现有数据采集技术容易产生数据漏洞、成本高的问题,提出基于八叉树的点云整体变化检测方法,将扫描仪获取高精度点云数据作为参考数据,图像点云数据作为待检测数据。该方法对参考数据和待检测数据构建八叉树结构,对两期点云数据的八叉树结构中的同源单元进行相互比较,对得到的初始变化检测结果进行去噪、分割处理,最后成功检测出真正的柱状目标变化,该方法虽然实时性较差,处理较繁琐,但精度比较高,可以用于城市三维地图的增量更新应用中。(3)为了提高变化检测的效率,提出了基于GIS对象及图像点云数据变化检测的方法,将完备的GIS数据库中的GIS对象作为基准数据,图像点云数据作为待检测数据,相比于第一种方法,需要处理的数据量几乎减半。将获取到的图像点云数据按照高度进行均匀地切片,然后将每个GIS对象不同高度的切片数据进行正射投影,然后变换到GIS对象坐标系下,以此作为待检测数据。基于KD-树算法,搜索GIS对象在每个切片上的邻域点,从判定对象是否发生了变化。基于GIS对象的变化检测方法将三维数据降维到二维空间,减少了计算成本,实现了快速高效的变化检测,但降维操作造成了信息的缺失,不能对检测结果进行特征分析,因其快速高效的特点,比较适合城市设施管理方面的应用。
【学位单位】：北京建筑大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P225.2
【部分图文】：

像反生成三维点云数据，本章将对后两种获取方式进行介绍。2.1 参考点云数据获取2.1 1 数据采集三维激光扫描仪虽然比全站仪等设备的数据获取速度快，但两者的测距原理大致相同，内部配置有测距和测角的元件以及其它的辅助元件。基于激光测距的原理来获取扫描对象表面上离散点离扫描仪中心的距离，以及扫描仪中心和扫描对象之间的水平角和垂直角，然后进行三角测量，获取表面点在局部坐标系中的空间位置。扫描仪与搭载平台上的软硬件设备共同组成了三维激光扫描系统，根据所选参数的不同，可以获取到不同密度的高精度点云数据。作为三维激光扫描仪的关键技术，激光测距技术根据原理的不同，分为脉冲式法、相位式法、激光三角法、脉冲-相位式法四种。目前，在测绘行业常使用脉冲式法的三维激光扫描仪，扫描距离比较远，相位式法和激光三角法适用于近距离的三维激光扫描仪。根据应用领域的差异，将不同规格的扫描仪搭载到不同平台上，大致可以分为地面静止式扫描仪、地面移动式扫描仪、车载式扫描系统和机载式扫描系统四种，以下为示意图。

图 2-2 地面移动式扫描仪Figure 2-2 Ground Mobile Scanner图 2-3 车载式扫描系统Figure 2-3 Vehicle Scanning System

8图 2-3 车载式扫描系统Figure 2-3 Vehicle Scanning System图 2-4 机载式扫描系统Figure 2-4 Airborne Scanning System本文的实验场地为测绘学院楼南侧停车场，其周围包含有垃圾箱、路灯杆、行道树绿化灌木和汽车等目标，信息比较丰富，测绘学院楼也比较符合真实的街景建筑，该区

【相似文献】

相关期刊论文 前10条

1 眭海刚;冯文卿;李文卓;孙开敏;徐川;;多时相遥感影像变化检测方法综述[J];武汉大学学报(信息科学版);2018年12期

2 谢馨娴;岳彩荣;霍鹏;;森林变化检测方法比较[J];四川林业科技;2018年03期

3 王娜;张景发;;SAR图像变化检测技术方法综述[J];地壳构造与地壳应力文集;2016年01期

4 宋英旭;牛瑞卿;张景发;李永生;罗毅;冯时;陈艳;;遥感影像变化检测方法对比[J];地壳构造与地壳应力文集;2016年02期

5 李强;张景发;;变化检测技术在震害信息提取中的应用[J];地理空间信息;2014年02期

6 龙玄耀;李培军;;基于图像分割的城市变化检测[J];地球信息科学;2008年01期

7 于跃龙,卢焕章;以统计变化检测为基础的实时分割视频对象新方法[J];中国图象图形学报;2005年01期

8 王鑫;;聚类分析观点下的分散式最快变化检测[J];南京理工大学学报;2014年02期

9 沈壁川;毛期俭;吕翊;;基于巴氏距离的视频流场景变化检测(英文)[J];重庆邮电大学学报(自然科学版);2009年01期

10 陈雪,戴芹,马建文,冯春;多光谱遥感数据直接分类变化检测的神经网络方法研究[J];计算机工程与应用;2004年28期

相关会议论文 前10条

1 刘元波;;环境遥感变化探测研究中的若干问题：辐射校正方法与变化检测算法及其理论关系[A];中国地理学会2007年学术年会论文摘要集[C];2007年

2 毛卫华;;时态遥感数据对象级变化检测方法研究[A];2016年度浙江省测绘与地理信息学会优秀论文集[C];2016年

3 林丽群;舒宁;肖俊;;MODIS影像自动变化检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

4 刘志刚;李夕海;钱昌松;;遥感图像变化检测问题浅析[A];陕西地球物理文集（五）国家安全与军事地球物理研究[C];2005年

5 王长海;陈文静;;基于遥感影像分类的城镇建成区变化检测方法研究[A];国家安全地球物理丛书（十三）——军民融合与地球物理[C];2017年

6 陈宇;唐伟成;;基于北京一号小卫星遥感数据的徐州东矿区土地利用/覆盖变化检测方法研究[A];第十七届中国遥感大会摘要集[C];2010年

7 李全;李霖;;基于LANDSAT TM影像的城市变化检测研究[A];中国地理学会2004年学术年会暨海峡两岸地理学术研讨会论文摘要集[C];2004年

8 欧阳峗;马建文;戴芹;;动态贝叶斯网络在遥感变化检测中的应用[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 盛辉;廖明生;张路;;基于遥感卫星图像的城市扩展研究——以东营市为例[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

10 王雪莲;王仁礼;;基于K-L变换的遥感图像变化检测方法研究[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

相关重要报纸文章 前2条

1 本报记者 孙楠 徐文彬;提高我国在气候变化检测归因领域的国际影响力[N];中国气象报;2016年

2 通讯员 孙爱华　张向峰;区域气候变化检测研讨会召开[N];中国气象报;2009年

相关博士学位论文 前10条

1 郑耀国;基于结构化表示学习的遥感图像分类及变化检测[D];西安电子科技大学;2016年

2 苏临之;基于像素信息和深度学习的遥感图像变化检测技术[D];西安电子科技大学;2016年

3 贾璐;基于核理论的遥感影像变化检测算法研究[D];西安电子科技大学;2016年

4 李瑜;基于特征学习的SAR图像变化检测方法研究[D];西安电子科技大学;2016年

5 庞世燕;三维信息辅助的建筑物自动变化检测若干关键技术研究[D];武汉大学;2015年

6 何鹏飞;基于不确定性分析的遥感影像变化检测方法研究[D];中国矿业大学;2017年

7 杜晓敏;热红外遥感煤火探测方法及煤火变化检测[D];中国矿业大学(北京);2015年

8 石娟;基于无人机影像的变化检测关键技术研究[D];武汉大学;2015年

9 解云琳;面向对象的城市土地遥感变化检测和提取方法研究[D];武汉大学;2013年

10 程涛;基于压缩感知的遥感变化检测研究[D];武汉大学;2013年

相关硕士学位论文 前10条

1 李延金;影像相关性分析在遥感变化检测中的应用研究[D];长安大学;2018年

2 吴静波;盐碱地信息提取和变化检测方法应用与比较[D];宁夏大学;2018年

3 虢英杰;一种目标级高分辨率遥感影像的频域变化检测方法研究[D];昆明理工大学;2018年

4 刘波;基于SVDD特征选择的随机森林高分辨率遥感影像变化检测[D];兰州交通大学;2018年

5 郭庆乐;多时相遥感图像变化检测及趋势分析[D];哈尔滨工业大学;2018年

6 REZKI MOSTEFA;卫星遥感图像非监督变化检测及其在洪涝区域的应用研究[D];哈尔滨工业大学;2018年

7 刘霜辰;高分遥感影像在林地变化检测中的应用研究[D];西安科技大学;2018年

8 纪超南;多时相卫星影像变化检测中关键问题研究[D];山东大学;2018年

9 刘春成;基于点云数据的柱状目标变化检测[D];北京建筑大学;2018年

10 袁玉;基于SAR图像相干变化检测的建筑物震害信息提取研究[D];防灾科技学院;2018年

本文编号：2815040