基于DSM自动提取建筑物轮廓线的研究
发布时间:2021-08-05 09:02
目前1:10000DLG数据房屋层的生成方法主要有三种:(1)利用符合时相的更高比例尺的矢量图缩编成图;(2)航空影像立体测图;(3)直接从正射影像上获取的。针对建城区1:10000DLG数据生产费时、费力的问题,本文提出了基于DSM自动提取建筑物轮廓线的方法。首先,利用地形坡度学的原理,通过三角形迭代区分出地面点和非地面点,再利用高度阈值和面积阈值及屋顶高差阈值提取建筑物,最后自动提取建筑物边界线并进行细化边线。本文利用激光雷达(LiDAR)获取的点云数据和ADS100航空摄影测量处理获取的DSM两套数据进行实验,验证了该方法的可行性。
【文章来源】:经纬天地. 2020,(04)
【文章页数】:5 页
【部分图文】:
建筑物轮廓线
因为DSM是在DEM的基础上包括了建筑物、构筑物、树木、植被等要素,所以要提取建筑物的轮廓等信息,就需要首先提取出地物信息,通过机载激光雷达或航空摄影测量获取的LAS格式的DSM,对DSM进行滤波处理生成DEM,利用DSM与DEM的差值模型影像,再根据建筑物几何形状基本规则,折角一般接近直角,面积比较大,房顶高程基本一致等特性。根据高程阈值和面积阈值从地物中过滤掉植被等其他地物点,生成建筑物轮廓线,将轮廓线转点,通过房子的一些特征,平行、垂直进行建筑物轮廓线细化。流程(如图1所示):1.1 数据预处理
首先将像素工厂生成的分辨率为0.4m的DSM数据转换成LAS格式,基于Terra Scan软件剔除粗差点(及LAS中的极低点和极高点);然后,采用三角网迭代滤波法区分出地面点和非地面点,利用二次样条函数法从分离出来的地面点层内插生成的格网间距为0.3m和0.4m的DEM,(如图2所示);也利用二次样条函数法将滤除低点的LAS点内插生成的格网间距为0.3m和0.4m的DSM,(如图3所示)。从图3(a)和3(b)中可以看出建筑物比较多,除了建筑物还有围墙、车辆和植被等地物。再利用DSM1减去DEM1得到差值影像n DSM1(如图4(a)所示);利用DSM2减去DEM2得到差值影像n DSM2(如图4(b)所示)。根据建筑物高度一般都高于3m,所以高程阈值h设为3m,这时候把低矮植被、汽车等过滤掉,从地物影像里提取h>3m的地物影像;余下的地物影像主要包括高植被和建筑物,(如图5所示)。图6为采用面积阈值获得,去掉低矮植物、围墙、独立树的地物影像图。图7为根据初步的建筑物影像图生成二值图,黑色值0为非建筑物,白色值1为建筑物。图8为提取的建筑物轮廓线。图9为对平行线近似合并及对建筑物线进行正交化处理的结果。图4 归一化数字表面模型(n DSM)
本文编号:3323471
【文章来源】:经纬天地. 2020,(04)
【文章页数】:5 页
【部分图文】:
建筑物轮廓线
因为DSM是在DEM的基础上包括了建筑物、构筑物、树木、植被等要素,所以要提取建筑物的轮廓等信息,就需要首先提取出地物信息,通过机载激光雷达或航空摄影测量获取的LAS格式的DSM,对DSM进行滤波处理生成DEM,利用DSM与DEM的差值模型影像,再根据建筑物几何形状基本规则,折角一般接近直角,面积比较大,房顶高程基本一致等特性。根据高程阈值和面积阈值从地物中过滤掉植被等其他地物点,生成建筑物轮廓线,将轮廓线转点,通过房子的一些特征,平行、垂直进行建筑物轮廓线细化。流程(如图1所示):1.1 数据预处理
首先将像素工厂生成的分辨率为0.4m的DSM数据转换成LAS格式,基于Terra Scan软件剔除粗差点(及LAS中的极低点和极高点);然后,采用三角网迭代滤波法区分出地面点和非地面点,利用二次样条函数法从分离出来的地面点层内插生成的格网间距为0.3m和0.4m的DEM,(如图2所示);也利用二次样条函数法将滤除低点的LAS点内插生成的格网间距为0.3m和0.4m的DSM,(如图3所示)。从图3(a)和3(b)中可以看出建筑物比较多,除了建筑物还有围墙、车辆和植被等地物。再利用DSM1减去DEM1得到差值影像n DSM1(如图4(a)所示);利用DSM2减去DEM2得到差值影像n DSM2(如图4(b)所示)。根据建筑物高度一般都高于3m,所以高程阈值h设为3m,这时候把低矮植被、汽车等过滤掉,从地物影像里提取h>3m的地物影像;余下的地物影像主要包括高植被和建筑物,(如图5所示)。图6为采用面积阈值获得,去掉低矮植物、围墙、独立树的地物影像图。图7为根据初步的建筑物影像图生成二值图,黑色值0为非建筑物,白色值1为建筑物。图8为提取的建筑物轮廓线。图9为对平行线近似合并及对建筑物线进行正交化处理的结果。图4 归一化数字表面模型(n DSM)
本文编号:3323471
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3323471.html