[发明专利]一种结合机载LiDAR点云数据和航空影像的城市地物精细化分类方法

说明书

本发明公开了一种结合机载激光雷达(Light Detection And Ranging，LiDAR)点云数据和高清航空影像的城市地物精细化分类方法，针对不同地物采用有效的分类特征，阶梯式地实现了城市复杂地物的三维精细化提取。其包括以下步骤：首先进行点云空洞追踪实现了水体的提取，并采用改进的渐进加密三角网的点云滤波方法实现地面点的提取。然后利用高分辨率航空影像计算得到的植被指数图像实现了植被的提取，将该提取结果投影到点云上可得到植被点云，在此基础上采用自上而下的分割策略依次实现了树木、灌木及草地点云的分类。最后，采用三维标记连接体的聚类方法对剩余的未分类点云实现点云分割，并提出针对分割块的识别规则，实现了建筑物、桥梁及灯柱点的单体化提取。

技术领域

本发明涉及结合机载LiDAR点云数据和航空影像，实现城市地物的精细化提取，尤其涉及一种三维的面向对象的地物分类方法。

背景技术

城市土地利用分类是很多城市研究工作及城市管理与规划的前提，利用遥感数据实现土地利用类型信息的提取也一直是遥感技术最重要的应用之一。近些年来随着遥感技术的发展，越来越多的数据采集平台(卫星，机载、近地面)和传感器(主动、被动)为人们提供了多时相、多种分辨率的空间数据，用于城市地物的精细提取和分类。其中，高分辨率遥感影像可提供亚米级的高清观测资料，为精细化制图提供了有力的数据支持，在城市分类中应用广泛。然而，由于受到光照、阴影的干扰，并且由于高分辨率影像上类内光谱差异加剧，类间光谱差异减少，导致单独依靠高分辨率影像，想要实现精细分类并不容易。

激光雷达(Light Detection And Ranging，简称LiDAR)作为一种新兴的三维遥感观测技术，可提供反映地物三维结构信息的点云数据，且不受光照阴影的影响，在地物识别方面很有优势。通过将激光雷达设备搭载在飞机上进行航空扫描作业，可获得覆盖大范围地区的机载LiDAR点云数据。根据其提供的高度、回波等信息，人们提出了很多适用于三维点云数据的分割分类算法。然而，由于LiDAR数据的数据量很大，计算较为复杂，并且复杂地区如城市区域，地物的几何属性也较为多变，导致仅仅依赖LiDAR数据也很难实现地物的精细提取。

考虑到高分辨率影像可提供丰富的光谱信息，LiDAR数据可提供几何信息，都是地物识别很有用的指导信息，近年来有较多研究考虑将两种数据结合起来支持地物分类。一个最常用的思路就是把LiDAR数据转换为二维影像，与影像数据叠加为多波段图像参与分类。该方法虽然可以显著提高分类精度，但分类结果仍然是二维的，并且将三维的LiDAR点云插值得到二维图像的过程中不可避免会有信息损失，插值的过程也可能会给分类带来误差。也有研究尝试将影像的光谱及纹理信息映射到点云上来支持融合分类，但这种特征级的融合需要两个数据的精确配准，这很难实现，这使得三维层次的融合分类很难实现。

因此，现有的结合影像及点云的地物分类技术有待于更进一步的改进和发展。

发明内容

鉴于上述现有技术的不足，本发明提供一种结合机载LiDAR数据和高分辨率航空影像的城市地物分类方法，针对不同地物采用显著的分类特征，阶梯式的实现城市地物的三维精细化提取，可在减少计算量、保证提取精度的同时，实现树木、建筑物等的单体化完整识别。

本发明方案包括：

A、采用凹包法自动追踪LiDAR点云数据的空洞区域，实现水体的提取；

B、采用改进的渐进加密三角网的点云滤波方法，实现地面点的提取；

C、利用航空影像的RGB三个波段影像，计算得到植被指数图像，并通过改进该指数，实现植被区域较为完整的提取；

D、将该植被提取结果投影到非地面点数据上，可得到初始的植被点云数据，通过分类后处理的操作，纠正投影过程中可能导致的点云错分；