[发明专利]基于灰度体元模型的机载LIDAR三维建筑物检测方法

说明书

本发明提出一种基于灰度体元模型的机载LIDAR三维建筑物检测方法，该方法为：读取原始机载LIDAR点云数据，形成原始机载LIDAR点云数据集；将原始机载LIDAR点云数据规则化为灰度3D体元数据集；对灰度3D体元数据集进行建筑物屋顶体元检测；基于缓冲区分析，对灰度3D体元数据集进行建筑物立面体元检测。该方法综合利用了LIDAR数据的几何和辐射信息并很好地利用了3D体元数据中各体元间隐含的邻域关系，有助于基于体元理论的机载LIDAR点云数据处理及应用的发展。

技术领域

本发明属于遥感数据处理技术领域，具体涉及一种基于灰度体元模型的机载LIDAR三维建筑物检测方法。

背景技术

从机载激光雷达(Light Detection And Ranging，LIDAR)点云数据中自动检测城区目标是近几十年来研究的一个重要课题。机载LIDAR能提供高精度、高密度的离散多次回波3D点云数据，并完整记录各次回波的强度信息。这为城区目标特别是建筑物目标的自动检测提供了丰富的信息。经典的基于机载LIDAR点云数据的建筑物检测方法可分为以下几类：基于拟合的方法、数学形态学方法、数字图像处理方法、模式识别方法及融合LIDAR数据和其它类型的航空影像或GIS数据的方法。上述方法采用的数据结构形式主要有离散点云、栅格格网及不规则三角网。离散点云数据结构为真3D数据结构，但其空间邻域信息难以利用，由此导致基于点云的建筑物检测算法的设计困难；栅格格网和不规则三角网的同一平面(X，Y)坐标只能对应一个高程(Z)值，该类数据结构表达对3D LIDAR点云数据而言必然存在信息损失，进而影响基于该类结构的目标检测结果的完整性。可见，经典建筑物检测方法所采用的数据结构均不利于发挥机载LIDAR真3D的技术优势。体元数据结构是一种真3D数据结构，用其表达LIDAR点云数据不会造成信息损失。同时，该结构内部的体元间隐含有几何拓扑关系，因而基于该数据结构的数据处理算法设计相对容易。基于体元结构的机载LIDAR数据的分析多见于林业或与之相关的地面目标检测，本发明则创新性地将体元结构与建筑物目标检测相结合，提出了基于体元数据结构模型的3D建筑物目标检测方法。

发明内容

针对现有技术的不足，本发明提出一种基于灰度体元模型的机载LIDAR三维建筑物检测方法。

一种基于灰度体元模型的机载LIDAR三维建筑物检测方法，包括以下步骤：

步骤1：读取原始机载LIDAR点云数据，形成原始机载LIDAR点云数据集；

步骤2：将原始机载LIDAR点云数据规则化为灰度3D体元数据集；

步骤2.1：从原始机载LIDAR点云数据中剔除异常数据，得到去除异常数据集；

步骤2.2：将去除异常数据集规则化为灰度3D体元数据集；

步骤3：对灰度3D体元数据集进行建筑物屋顶体元检测；

步骤3.1：基于建筑物边缘点的高程跳变特性，从灰度3D体元数据集中搜索建筑物边缘体元作为种子体元V_k，其中，k＝1，2，...；

步骤3.2：对任一未标记的种子体元V_k，深度优先遍历灰度3D体元数据集中与种子体元 V_k3D连通且灰度差小于灰度差阈值T_g的所有未标记体元，并标记为L_l，直至标记所有与种子体元V_k3D连通且灰度差小于灰度差阈值T_g的体元集合，即建筑物屋顶体元集合，其中，l 为标记标签的索引，l＝1，2，...；

步骤3.3：基于面积特性、密度特性及强度特性，对建筑物屋顶体元集合进行优化，完成建筑物屋顶检测；

步骤4：基于缓冲区分析，对灰度3D体元数据集进行建筑物立面体元检测。

所述步骤2.1具体包含如下步骤：