基于车载LiDAR数据和街景照片的街道美景度评价

发布时间：2017-05-17 21:06

  本文关键词：基于车载LiDAR数据和街景照片的街道美景度评价，由笔耕文化传播整理发布。

【摘要】：街道是一个城市的骨架,是极其重要的一部分,它不仅保障城市交通功能和承载人类商业活动,而且是城市整体景观的重要组成部分。目前对道路的美学评价集中于理论方法探索,受制于技术手段的缺陷和数据来源的缺乏,对道路美景程度评价的研究尚有欠缺,迄今未形成完整、定量的评价技术方法。车载激光雷达扫描系统行驶在城市街道中,可以获取城市街道两侧及路面的近景三维数据,其扫描得到的地物具备空间三维坐标,已被广泛运用到城市的测绘与规划等领域。街景地图是近年来发展迅猛的一种新的GIS系统应用形式,可以为用户提供城市街道的360°全景影像,包含了丰富的街道色彩与纹理等信息。对比传统数据,这两种数据可以模拟人的角度去直观和准确地收集街道的信息。将这两种数据投入到街道美景度评价实际应用之前,需要先解决如何从复杂城市环境下获取得到海量车载LiDAR数据和街景照片中发掘与影响街道美景度有关的信息或特征。本文以评价城市街道美景度为目标,针对以上难点,研究基于车载LiDAR数据的空间感受指标计算方法、基于街景照片数据的视觉感受指标计算方法和城市街道美景度评价方法,形成一套复杂城市场景下的基于车载LiDAR数据和街景照片的街道美景度评价技术,最终实现城市街道美景度的客观定量评价。具体研究内容如下：(1)基于车载LiDAR数据的空间感受指标计算方法。采用了街道闭合度、三维绿量、景观多样性指数和日照指数作为空间感受指标。这些指标的定量计算首先需要从海量点云中快速、准确地提取所需要的空问信息。针对现有基于离散点和体元的车载LiDAR处理方法效率较低的现状,在点云体元化的基础上引入一种新的数据组织结构“体元组”加速处理过程,并提出一套基于点云形状信息的融合规则以进行复杂城市环境下的车载LiDAR数据精细分割。针对现有点云分类方法参数设置繁琐的问题,提出一种称之为“空心率”的车载LiDAR地物点云特征来进行分类。通过实验发现,基于车载LiDAR数据的空间感受指标计算方法可以有效地获取街道的空间信息,其计算得到街道闭合度、三维绿量、景观多样性指数和日照指数与实际情况相符,可以将其作为街道美景度评价的依据。(2)基于街景照片数据的视觉感受指标计算方法。采用色彩要素,显著区域特性,绿色视觉指数,视觉熵,天空开阔指数这五项指标来衡量街道使人产生的视觉感受。提出一套包括图像分割与图像显著区域检测在内的多种图像处理方法的技术流程从海量的互联网街景照片中提取这五种视觉计算指标所需的特征,如提取街景照片中的绿色植物区域和天空区域。通过实验发现,基于街景照片数据的视觉感受指标计算方法可以从海量的街景照片中得到定量计算视觉感受指标所需的各种特征,得到的色彩要素,显著区域特性,绿色视觉指数,视觉熵,天空开阔指数与人的实际感受相符,可以将其作为街道美景度评价的依据。(3)街道美景度评价方法研究。以实现街道美景度最终评价为目标,集成基于车载LiDAR数据计算得到的空间感受指标与基于互联网照片数据计算得到的视觉感受指标,形成街道美景度评价指标体系的基础上确定各个指标的权重,实现了城市街道美景度的定量计算。对评价结果的分析与验证表明,基于车载LiDAR数据和街景照片数据的街道美景度评价放到较为全面地考虑了影像街道美感的各种要素并实现了这些要素的定量计算。得到的美景度评价结果与实际较为相符,具有较高的应用价值。
【关键词】：街道美景度 车载LiDAR 街景照片 点云分类
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P208;P235
【目录】：

• 摘要4-6
• Abstract6-11
• 中文图表索引11-16
• 第一章 引言16-32
• 1.1 选题背景16-19
• 1.1.1 选题背景16-19
• 1.1.2 研究意义19
• 1.2 研究现状及评述19-27
• 1.2.1 车载LiDAR数据处理研究进展19-21
• 1.2.2 街景照片应用研究进展21-22
• 1.2.3 道路美景度评价研究进展22-27
• 1.3 研究内容与技术路线27-30
• 1.3.1 研究目标27
• 1.3.2 研究内容27-28
• 1.3.3 技术路线28-30
• 1.4 论文组织结构30-32
• 第二章 研究区与数据介绍32-37
• 2.1 研究区概况32
• 2.2 数据源介绍32-37
• 2.2.1 车载LiDAR数据33-34
• 2.2.2 街景照片数据34-37
• 第三章 街道空间感受指标计算方法37-80
• 3.1 引言37-39
• 3.2 基于体元组和空心率分析的车载LiDAR数据分类39-53
• 3.2.1 构建体元组39-44
• 3.2.2 基于体元组和形状识别的点云分割44-50
• 3.2.3 基于“空心率”的车载LiDAR数据分类50-53
• 3.3 空间感受指标计算53-58
• 3.3.1 三维绿量53-54
• 3.3.2 景观多样性指数54
• 3.3.3 日照指数54-57
• 3.3.4 街道围合度57-58
• 3.4 试验与分析58-79
• 3.4.1 参数与阈值设置58-60
• 3.4.2 车载LiDAR点云分类结果与评价60-66
• 3.4.3 对比实验分析66-70
• 3.4.4 各指标计算结果及分析70-79
• 3.5 本章小结79-80
• 第四章 街道视觉感受指标计算方法80-106
• 4.1 引言80
• 4.2 视觉感受指标计算80-92
• 4.2.1 色彩要素80-82
• 4.2.2 显著区域特征82-86
• 4.2.3 绿色视觉指数86-88
• 4.2.4 视觉熵88-91
• 4.2.5 天空开阔指数91-92
• 4.4 试验与分析92-105
• 4.5 本章小结105-106
• 第五章 街道美景度评价方法106-117
• 5.1 构建街道美景度综合指标体系106-113
• 5.1.1 评价单元确定106-107
• 5.1.2 构建指标体系107
• 5.1.3 数据标准化107-108
• 5.1.4 指标权重计算108-113
• 5.2 评价结果113-116
• 5.3 评价结果验证116
• 5.4 本章小结116-117
• 第六章 结论与展望117-121
• 6.1 结论117-118
• 6.2 创新点118
• 6.3 研究展望118-121
• 参考文献121-129
• 攻读硕士学位期间取得的主要科研成果129-130
• 致谢130-132

【相似文献】

中国期刊全文数据库 前10条

1 郭安禧;黄福才;;香港入境旅游客源市场竞争态与亲景度研究[J];地域研究与开发;2012年01期

2 董文珍;严艳;;甘肃省入境旅游客源市场亲景度与竞争态研究[J];河南科学;2013年10期

3 贾英;孙根年;;基于本底线和亲景度的秦岭国家植物园客流量预测[J];人文地理;2009年01期

4 谢雪梅;马耀峰;白凯;;基于亲景度-市场竞争态矩阵模型的新疆入境市场分析[J];干旱区资源与环境;2009年09期

5 苏衍慧;;基于亲景度的南昌国外旅游市场研究[J];科技广场;2011年08期

6 马燕;贾纳提·吐拉尔汗;王爱辉;;新疆入境旅游客源市场时空变化特征研究[J];宁夏大学学报(自然科学版);2012年04期

7 苏衍慧;;基于亲景度分析的韩国旅桂林市场开拓研究[J];河池学院学报;2007年02期

8 樊妍芳;石培基;程华;;甘肃省入境旅游客源市场及发展对策研究[J];地理与地理信息科学;2008年06期

9 金蓉;王雪平;;基于亲景度和竞争态的甘肃省入境国际旅游客源市场研究[J];干旱区资源与环境;2010年04期

10 蔡德武;杨晓霞;;基于亲景度和吸引力的重庆市入境外国人旅游市场分析[J];重庆师范大学学报(自然科学版);2012年06期

中国博士学位论文全文数据库 前1条

1 毛斌;北京中幼龄人工油松、侧柏风景林抚育技术研究[D];北京林业大学;2015年

中国硕士学位论文全文数据库 前10条

1 梁爽;吉林市大石门沟森林公园次生风景林林内景观质量评价[D];北华大学;2015年

2 颜迎;诸城城镇森林景观美景度评价及优化配置模式[D];山东农业大学;2015年

3 敬婧;基于节约度与美景度评价的南暖温带城市园林植物群落研究[D];浙江理工大学;2016年

4 蒲婷婷;人工黄栌混交林色彩空间异质性与美景度的关系研究[D];北京林业大学;2016年

5 王昱;基于车载LiDAR数据和街景照片的街道美景度评价[D];南京大学;2016年

6 王凯;鲁山国家森林公园风景林空间结构与美景度研究[D];山东农业大学;2014年

7 邢瑞丽;基于美景度评价的济南市快速路绿地植物配置研究[D];山东建筑大学;2014年

8 张玉飞;基于SBE法的广州白云山森林公园区美景度评价研究[D];仲恺农业工程学院;2013年

9 范黎明;广州近郊藜蒴群落花期美景度研究[D];中国林业科学研究院;2012年

10 刘畅;南京市4种绿地类型美景度评价研究[D];南京林业大学;2010年

  本文关键词：基于车载LiDAR数据和街景照片的街道美景度评价，由笔耕文化传播整理发布。

，

本文编号：374483