激光雷达遥感 2讲 机载激光雷达数据处理方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
传统的影像处理方式
主要是半自动或全自动的摄影测量方法 费时费力的影像匹配技术 依赖地物反射光谱信号
LiDAR技术
主动工作方式，受天气影响小 快速获取目标高精度的三维点云
基于影像的建筑物提取
利用单幅影像阴影分析的方法 通过边缘检测获取建筑物边界的方法 利用立体像对进行人工判读（模拟及解析的测 量成图方式）提取的方法 利用数字摄影测量的方式进行半自动或全自动 的建筑物提取方法
其他方法
基于特征线的方法、 Hough变换以及其扩展变换、 模型驱动的方法、三角网内插的方法……
基于LiDAR数据的建筑物提取和建模方法还在不断的摸 索中，还没有很成熟的流程和方法
基于LiDAR数据的建筑物提取
建筑物检测（分割） 建筑物模型生成（建模）
建筑物检测（分割）
由激光扫描数据建立房屋模型,首先必须将非 房屋点与房屋点分离出来, 提取房屋点（分 割）。
——从非地面点数据中确定建筑物激光脚点 数据，并确定各建筑物激光脚点所属的建筑物， 即建立多对一的映射关系（多个激光点对应于 一个建筑物）。
机载激光雷达遥感原理与数据处理
第2讲 机载激光点云数据的应用处理
▪本讲内容
▪三维离散点的拟合方法 ▪LiDAR数据的建筑物分割 ▪LiDAR数据的建筑物建模 ▪LiDAR数据的城市变化检测 ▪LiDAR数据的地物类别提取
回顾与补充
激光测距原理
回顾与补充
机载激光雷达的组成
回顾与补充
多回波数据
依据实际地形可以判断回波波形数据的低谷 为池塘反射的波形数据，而反射强度较高的 地方为屋顶水泥面。从波形图可以看出低谷 位于60ns处，高峰位于190ns
将其代入公式（1）可计算该脚印中地物最大 高差值，其计算结果如下：
h Hmax Hmin (190-60) 0.3/2=19.50米
建筑物模型生成（建模）
建筑物模型生成的任务是提取矢量化的建筑物 模型。
建筑物模型生成的主要任务
屋顶面的提取： 屋顶面是建筑物模型提取的一个重要部分，几
乎所有的建筑物模型生成的研究都集中于屋顶模型 的生成。
基于LiDAR数据的建筑物提取方法：
基于点云不变矩的方法
基于三角网的方法
自适应迭代的DSM影像分割方法
离散点拟合二维直线
离散点拟合二维直线 算例
离散点拟合二维直线 编程
离散点拟合二维直线 编程
离散点拟合二维直线 编程
简单直线拟合完成
离散点最小二乘拟合的问题
简单有效的粗差剔除方法
建筑物处理及应用 建筑物提取
三维城市模型
数字城市
智慧城市?!
建筑物的提取方法
基于LiDAR点云进行建筑物提取及模型重建的 基本策略就是逐步剔除非建筑物点，获取建筑 物点，进行模型重建。
根据同一地区不同时相的图像检测建筑物变化情况，包 括建筑物的改建、扩建、毁坏等等。
与传统基于航空影像的建筑物提取方法相比，激光 扫描数据具有其独特的特点：
建筑物的信息不同
现代城市建筑的屋顶在光学图像中屋顶通常是 纹理贫乏区域，难以准确匹配，即使能够匹配， 其精度也较低；
LiDAR则可以直接得到较为密集的屋顶离散点 数据。容易通过高程将建筑物与同材质的地面 区分
理论计算结果与实际量测结果相比其绝对误 差为：
h h估 h测 0.19米
三维离散点的拟合
三维离散点的拟合
三维离散点的拟合
三维离散点的拟合
三维离散点的拟合
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
主要误差源不同
普通的光学影像中建筑物的特征容易受到各种光照情 况的干扰，如：阴影、屋顶的涂料颜色等
LiDAR数据是高程数据，不受光谱信息的干扰，精度较 高，特征比较稳定，其主要问题在于边缘处可能没有 信息（激光脚点），造成建筑物边缘的提取误差
处理方法不同
基于影像的建筑物提取和建模方法，经过几十年的发 展，已经比较成熟，有较为固定的流程和算法
采取滤波方法来辅助建筑物的提取。滤波是为 了滤除非地面点，可用于房屋点的提取。
利用LiDAR回波强度数据，作为分析房屋的辅 助数据。如对于近红外激光，植被的反射率很高， 可以用来区分房屋和植被，但这种反射率数据质 量一般较差。 传统图像处理的方法。直接把LiDAR数据作为数 字图像，利用传统的遥感图像建筑物分割的方法 进行处理。 融合多种数据源，现有的LiDAR系统在飞行时 会同时载有多光谱和高光谱扫描仪，其影像数据 将大大有助于房屋的提取。 人工智能的方法。模糊集、神经网络、决策树、 向量机等。
影像信息具有丰富的语义信息，可以判定建筑 物的存在、结构和性质。
提取策略不同
摄影测量方法难以形成建筑物模型:利用航空像对获 取建筑物的方法通过线特征得到模型，可以看作是 自下而上的处理流程
利用LiDAR 的建筑物模型生成是建筑物拟合:通过整 体的建筑物数据逐步细化每一个屋顶模型，可以看 作是自上而下的方法。
（3）建筑物识别（Building Identification）
根据ห้องสมุดไป่ตู้测的结果和建筑物模型进行比较，精确识别建筑物 的形状和类型。
（4）建筑物的三维重构（Building 3-D Reconstruction）
从图像中获取建筑物三维空间信息，恢复和构造出建筑 物在真实场景中的模型。
（5）建筑物变化检测（Building Change-Detection）
有以下几种分割方法：
利用二维GIS信息，即利用已有的图形数据， 辅助建筑物的提取；但需要注意实际的屋顶面常 常比图形数据所显示的面积要大。
在数据密度足够大，地面起伏不大的情况下， 可采取局部极值检测方法，并以极值点为中心进 行局部直方图分析，得到合理的阈值，实现房屋 点的提取和房屋边界的检测。
从影像中识别和提取建筑物大致包括以下五个方 面的内容：
（1）建筑物的定位和检测（Building Detection）
从图像中将建筑物与其它地物类别分离，并确定其位置
（2）建筑物的表征和描述（Building Representation and Description）
采用某种表示方法表述检测出的建筑物，常用的方法包括 几何形状模型、高程模型等。
主要是半自动或全自动的摄影测量方法 费时费力的影像匹配技术 依赖地物反射光谱信号
LiDAR技术
主动工作方式，受天气影响小 快速获取目标高精度的三维点云
基于影像的建筑物提取
利用单幅影像阴影分析的方法 通过边缘检测获取建筑物边界的方法 利用立体像对进行人工判读（模拟及解析的测 量成图方式）提取的方法 利用数字摄影测量的方式进行半自动或全自动 的建筑物提取方法
其他方法
基于特征线的方法、 Hough变换以及其扩展变换、 模型驱动的方法、三角网内插的方法……
基于LiDAR数据的建筑物提取和建模方法还在不断的摸 索中，还没有很成熟的流程和方法
基于LiDAR数据的建筑物提取
建筑物检测（分割） 建筑物模型生成（建模）
建筑物检测（分割）
由激光扫描数据建立房屋模型,首先必须将非 房屋点与房屋点分离出来, 提取房屋点（分 割）。
——从非地面点数据中确定建筑物激光脚点 数据，并确定各建筑物激光脚点所属的建筑物， 即建立多对一的映射关系（多个激光点对应于 一个建筑物）。
机载激光雷达遥感原理与数据处理
第2讲 机载激光点云数据的应用处理
▪本讲内容
▪三维离散点的拟合方法 ▪LiDAR数据的建筑物分割 ▪LiDAR数据的建筑物建模 ▪LiDAR数据的城市变化检测 ▪LiDAR数据的地物类别提取
回顾与补充
激光测距原理
回顾与补充
机载激光雷达的组成
回顾与补充
多回波数据
依据实际地形可以判断回波波形数据的低谷 为池塘反射的波形数据，而反射强度较高的 地方为屋顶水泥面。从波形图可以看出低谷 位于60ns处，高峰位于190ns
将其代入公式（1）可计算该脚印中地物最大 高差值，其计算结果如下：
h Hmax Hmin (190-60) 0.3/2=19.50米
建筑物模型生成（建模）
建筑物模型生成的任务是提取矢量化的建筑物 模型。
建筑物模型生成的主要任务
屋顶面的提取： 屋顶面是建筑物模型提取的一个重要部分，几
乎所有的建筑物模型生成的研究都集中于屋顶模型 的生成。
基于LiDAR数据的建筑物提取方法：
基于点云不变矩的方法
基于三角网的方法
自适应迭代的DSM影像分割方法
离散点拟合二维直线
离散点拟合二维直线 算例
离散点拟合二维直线 编程
离散点拟合二维直线 编程
离散点拟合二维直线 编程
简单直线拟合完成
离散点最小二乘拟合的问题
简单有效的粗差剔除方法
建筑物处理及应用 建筑物提取
三维城市模型
数字城市
智慧城市?!
建筑物的提取方法
基于LiDAR点云进行建筑物提取及模型重建的 基本策略就是逐步剔除非建筑物点，获取建筑 物点，进行模型重建。
根据同一地区不同时相的图像检测建筑物变化情况，包 括建筑物的改建、扩建、毁坏等等。
与传统基于航空影像的建筑物提取方法相比，激光 扫描数据具有其独特的特点：
建筑物的信息不同
现代城市建筑的屋顶在光学图像中屋顶通常是 纹理贫乏区域，难以准确匹配，即使能够匹配， 其精度也较低；
LiDAR则可以直接得到较为密集的屋顶离散点 数据。容易通过高程将建筑物与同材质的地面 区分
理论计算结果与实际量测结果相比其绝对误 差为：
h h估 h测 0.19米
三维离散点的拟合
三维离散点的拟合
三维离散点的拟合
三维离散点的拟合
三维离散点的拟合
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
离散点拟合二维直线
主要误差源不同
普通的光学影像中建筑物的特征容易受到各种光照情 况的干扰，如：阴影、屋顶的涂料颜色等
LiDAR数据是高程数据，不受光谱信息的干扰，精度较 高，特征比较稳定，其主要问题在于边缘处可能没有 信息（激光脚点），造成建筑物边缘的提取误差
处理方法不同
基于影像的建筑物提取和建模方法，经过几十年的发 展，已经比较成熟，有较为固定的流程和算法
采取滤波方法来辅助建筑物的提取。滤波是为 了滤除非地面点，可用于房屋点的提取。
利用LiDAR回波强度数据，作为分析房屋的辅 助数据。如对于近红外激光，植被的反射率很高， 可以用来区分房屋和植被，但这种反射率数据质 量一般较差。 传统图像处理的方法。直接把LiDAR数据作为数 字图像，利用传统的遥感图像建筑物分割的方法 进行处理。 融合多种数据源，现有的LiDAR系统在飞行时 会同时载有多光谱和高光谱扫描仪，其影像数据 将大大有助于房屋的提取。 人工智能的方法。模糊集、神经网络、决策树、 向量机等。
影像信息具有丰富的语义信息，可以判定建筑 物的存在、结构和性质。
提取策略不同
摄影测量方法难以形成建筑物模型:利用航空像对获 取建筑物的方法通过线特征得到模型，可以看作是 自下而上的处理流程
利用LiDAR 的建筑物模型生成是建筑物拟合:通过整 体的建筑物数据逐步细化每一个屋顶模型，可以看 作是自上而下的方法。
（3）建筑物识别（Building Identification）
根据ห้องสมุดไป่ตู้测的结果和建筑物模型进行比较，精确识别建筑物 的形状和类型。
（4）建筑物的三维重构（Building 3-D Reconstruction）
从图像中获取建筑物三维空间信息，恢复和构造出建筑 物在真实场景中的模型。
（5）建筑物变化检测（Building Change-Detection）
有以下几种分割方法：
利用二维GIS信息，即利用已有的图形数据， 辅助建筑物的提取；但需要注意实际的屋顶面常 常比图形数据所显示的面积要大。
在数据密度足够大，地面起伏不大的情况下， 可采取局部极值检测方法，并以极值点为中心进 行局部直方图分析，得到合理的阈值，实现房屋 点的提取和房屋边界的检测。
从影像中识别和提取建筑物大致包括以下五个方 面的内容：
（1）建筑物的定位和检测（Building Detection）
从图像中将建筑物与其它地物类别分离，并确定其位置
（2）建筑物的表征和描述（Building Representation and Description）
采用某种表示方法表述检测出的建筑物，常用的方法包括 几何形状模型、高程模型等。