基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方法
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方法,步驟1,對(duì)不同時(shí)相的LiDAR點(diǎn)云數(shù)據(jù)分別進(jìn)行預(yù)處理;利用線性插值算法獲取不同時(shí)相的DSM和DTM;步驟2,將步驟1獲取的兩期DSM相減,獲取高程差值模型;步驟3,對(duì)高程差值模型進(jìn)行空間差異分析,提取候選變化區(qū)域;步驟4,利用LiDAR點(diǎn)云的空間特性,提取直接特征以及高程紋理特征;步驟5,實(shí)現(xiàn)于建筑物和植被的分類(lèi);步驟6,對(duì)候選變化區(qū)域進(jìn)行套合疊置分析,確定建筑物的變化屬性。本發(fā)明充分發(fā)揮了LiDAR數(shù)據(jù)在建筑物復(fù)雜結(jié)構(gòu)、拓?fù)潢P(guān)系的三維表征上的優(yōu)勢(shì),進(jìn)行建筑物的三維變化檢測(cè)。
【專(zhuān)利說(shuō)明】基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及機(jī)載激光雷達(dá)【技術(shù)領(lǐng)域】,尤其是涉及一種基于LiDAR點(diǎn)云空間差異分 析的城市建筑物變化檢測(cè)方法。
【背景技術(shù)】
[0002] 隨著經(jīng)濟(jì)建設(shè)的不斷發(fā)展,我國(guó)的城市建設(shè)如火如荼,城市變化非常頻繁和劇烈。 遙感(包括航空)影像幾何精度高、語(yǔ)義信息豐富,是目前大范圍、高頻率的城市變化檢測(cè) 最大的數(shù)據(jù)源。近幾十年,有很多學(xué)者深入研究基于遙感影像的變化檢測(cè),提出了很多代表 性的算法,形成了豐富的理論體系。然而,目前基于遙感影像的變化檢測(cè)仍然面臨如遮擋與 陰影的問(wèn)題,投影差的問(wèn)題,地物內(nèi)部的異質(zhì)性,過(guò)于豐富的紋理,混合像元等諸多問(wèn)題。更 重要的是,建筑物的變化很多體現(xiàn)為空間結(jié)構(gòu)的變化,由于影像缺乏直接的三維信息,通過(guò) 密集匹配技術(shù)可獲取三維點(diǎn)集,但密集匹配效果受各種因素的制約,誤差較大,同時(shí)密集匹 配的點(diǎn)云無(wú)法穿透植被,因此單獨(dú)利用不同時(shí)相的影像數(shù)據(jù)監(jiān)控城市建筑物的更新有一定 的局限性。
[0003] LiDAR數(shù)據(jù)提供的高質(zhì)量三維點(diǎn)云數(shù)據(jù),為城市建筑物的三維變化檢測(cè)提供了新 的研究思路。激光束所具備的穿透能力可以在一定程度上克服植被形成的遮檔,減少局部 區(qū)域的數(shù)據(jù)缺失,大大提高了建筑物提取的質(zhì)量。與基于影像手段的變化檢測(cè)方法相比, LiDAR數(shù)據(jù)在建筑物復(fù)雜結(jié)構(gòu)、拓?fù)潢P(guān)系的三維表征上具有無(wú)可比擬的優(yōu)勢(shì)。因此基于多 時(shí)相的LiDAR數(shù)據(jù)不僅能圈定變化區(qū)域,檢測(cè)變化類(lèi)型,還可以使城市短期的微小的三維 變化檢測(cè)(如小規(guī)模違建)成為可能。目前LiDAR數(shù)據(jù)還存在一些需要解決的問(wèn)題,如未 被激光束穿透的遮擋所形成的數(shù)據(jù)缺失,由于飛行高度、掃描角以及地物反射率而形成的 數(shù)據(jù)點(diǎn)稀疏、區(qū)域空洞或數(shù)據(jù)噪聲,基于離散點(diǎn)云的特征提取和分類(lèi)問(wèn)題等等。因此如何利 用LiDAR高精度的三維信息、實(shí)現(xiàn)高效率、高魯棒性、高精度的基于機(jī)載LiDAR點(diǎn)云的城市 建筑物三維變化檢測(cè)方法具有重要的理論意義和實(shí)踐價(jià)值。
【發(fā)明內(nèi)容】
[0004] 有鑒于此,本發(fā)明的目的在于提供一種基于LiDAR點(diǎn)云空間差異分析的城市建筑 物變化檢測(cè)方法,LiDAR數(shù)據(jù)提供的高質(zhì)量三維點(diǎn)云數(shù)據(jù),充分發(fā)揮了 LiDAR數(shù)據(jù)在建筑物 復(fù)雜結(jié)構(gòu)、拓?fù)潢P(guān)系的三維表征上的優(yōu)勢(shì),進(jìn)行建筑物的三維變化檢測(cè)。
[0005] 為達(dá)到上述目的,本發(fā)明采用以下技術(shù)方案:
[0006] -種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方法,其特征在于:包 括以下步驟:
[0007] 步驟1,對(duì)不同時(shí)相的LiDAR點(diǎn)云數(shù)據(jù)分別進(jìn)行預(yù)處理;利用線性插值算法獲取不 同時(shí)相的DSM和DTM ;利用公式(1)將DSM中的地形起伏信息去除,獲取規(guī)則化數(shù)字表面模 型 nDSM ;
[0008] nDSM(t) = DSM (t)-DTM (t) (1)
[0009] 公式⑴中,DSM(t)、DTM(t)、nDSM(t)分別為t時(shí)相中的數(shù)字表面模型、數(shù)字地面 模型、規(guī)則化數(shù)字表面模型;
[0010] 步驟2,通過(guò)公式(2)將步驟1獲取的兩期DSM相減,獲取高程差值模型dDSM t2表示前后不同兩個(gè)時(shí)相;
[0011] dDSM = nDSM(t2)-nDSM(t1) (2)
[0012] 步驟3,對(duì)高程差值模型進(jìn)行空間差異分析,提取候選變化區(qū)域;消除低矮植被噪 聲;通過(guò)形態(tài)學(xué)開(kāi)運(yùn)算,消除長(zhǎng)條形配準(zhǔn)誤差;
[0013] 步驟4,利用LiDAR點(diǎn)云的空間特性,提取直接特征以及高程紋理特征,增加用于 分類(lèi)器的有效特征向量維數(shù);
[0014] 步驟5,利用步驟4提取的LiDAR點(diǎn)云特征構(gòu)成特征向量,實(shí)現(xiàn)于建筑物和植被的 分類(lèi);
[0015] 步驟6,結(jié)合步驟3獲取的候選變化區(qū)域以及步驟5獲取的類(lèi)別信息,對(duì)候選變化 區(qū)域進(jìn)行套合疊置分析,確定建筑物的變化屬性。
[0016] 作為優(yōu)選,所述步驟1的預(yù)處理包括去噪、濾波步驟。
[0017] 作為優(yōu)選,所述步驟3形態(tài)學(xué)開(kāi)運(yùn)算采用如下公式:
[0018] [Es (dDSM) ] (cp, rp) = min {w} (3)
[0019] Ds [Es (dDSM) ] (cp, rp) = max {w} (4)
[0020] 式中:ES為腐蝕算子,Ds代表膨脹算子,dDSM代表高程差值模型,(c p,rp)代表窗口 中心像素點(diǎn),w為窗口中的其他柵格點(diǎn)的高程值。
[0021] 作為優(yōu)選,所述步驟4的直接特征包括歸一化高度信息,以及從原始點(diǎn)云提取的 多重回波信息和回波強(qiáng)度信息;所述高程紋理特征通過(guò)灰度共生矩陣進(jìn)行描述。
[0022] 作為優(yōu)選,所述分類(lèi)器采用非線性多類(lèi)支持向量機(jī),SVM核函數(shù)選用了 RBF核,
[0023]
【權(quán)利要求】
1. 一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方法,其特征在于:包括 以下步驟: 步驟1,對(duì)不同時(shí)相的LiDAR點(diǎn)云數(shù)據(jù)分別進(jìn)行預(yù)處理;利用線性插值算法獲取不同 時(shí)相的DSM和DTM ;利用公式(1)將DSM中的地形起伏信息去除,獲取規(guī)則化數(shù)字表面模型 nDSM ; nDSM(t) = DSM (t)-DTM (t) (1) 公式(1)中,DSM(t)、DTM(t)、nDSM(t)分別為t時(shí)相中的數(shù)字表面模型、數(shù)字地面模 型、規(guī)則化數(shù)字表面模型; 步驟2,通過(guò)公式(2)將步驟1獲取的兩期DSM相減,獲取高程差值模型dDSM ;ti、t2表 示前后不同兩個(gè)時(shí)相; dDSM = nDSM (t2)-nDSM (ti) (2) 步驟3,對(duì)高程差值模型進(jìn)行空間差異分析,提取候選變化區(qū)域;消除低矮植被噪聲; 通過(guò)形態(tài)學(xué)開(kāi)運(yùn)算,消除長(zhǎng)條形配準(zhǔn)誤差; 步驟4,利用LiDAR點(diǎn)云的空間特性,提取直接特征以及高程紋理特征,增加用于分類(lèi) 器的有效特征向量維數(shù); 步驟5,利用步驟4提取的LiDAR點(diǎn)云特征構(gòu)成特征向量,實(shí)現(xiàn)于建筑物和植被的分 類(lèi); 步驟6,結(jié)合步驟3獲取的候選變化區(qū)域以及步驟5獲取的類(lèi)別信息,對(duì)候選變化區(qū)域 進(jìn)行套合疊置分析,確定建筑物的變化屬性。
2. 根據(jù)權(quán)利要求1所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方 法,其特征在于:所述步驟1的預(yù)處理包括去噪、濾波步驟。
3. 根據(jù)權(quán)利要求1或2所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢 測(cè)方法,其特征在于:所述步驟3形態(tài)學(xué)開(kāi)運(yùn)算采用如下公式: [Es (dDSM) ] (cp, rp) = min {w} (3) Ds [Es (dDSM) ] (cp, rp) = max {w} (4) 式中:ES為腐蝕算子,仏代表膨脹算子,dDSM代表高程差值模型,(cp,rp)代表窗口中心 像素點(diǎn),w為窗口中的其他柵格點(diǎn)的高程值。
4. 根據(jù)權(quán)利要求3所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方 法,其特征在于:所述步驟4的直接特征包括歸一化高度信息,以及從原始點(diǎn)云提取的多重 回波信息和回波強(qiáng)度信息;所述高程紋理特征通過(guò)灰度共生矩陣進(jìn)行描述。
5. 根據(jù)權(quán)利要求1所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方 法,其特征在于:所述分類(lèi)器采用非線性多類(lèi)支持向量機(jī),SVM核函數(shù)選用了 RBF核,
以一對(duì)一法為多類(lèi)分類(lèi)模式。
6. 根據(jù)權(quán)利要求5所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方 法,其特征在于:所述步驟5分類(lèi)器的工作流程為: 步驟51,將提取的LiDAR點(diǎn)云特征,包括直接特征、高程紋理特征和曲面屬性特征,構(gòu) 成特征向量進(jìn)行特征分析與選擇;進(jìn)行歸一化處理,得到處理結(jié)果; 步驟52,將處理結(jié)果在分類(lèi)器中計(jì)算最優(yōu)平面,交叉驗(yàn)證后得到分類(lèi)結(jié)果的類(lèi)別信息。
7. 根據(jù)權(quán)利要求1所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè) 方法,其特征在于:所述步驟3,通過(guò)設(shè)定兩期LiDAR點(diǎn)云的相對(duì)高差閾值,消除低矮植被噪 聲。
8. 根據(jù)權(quán)利要求1所述的一種基于LiDAR點(diǎn)云空間差異分析的城市建筑物變化檢測(cè)方 法,其特征在于:所述步驟6建筑物的變化屬性判斷步驟為: 步驟61,檢測(cè)地面點(diǎn)數(shù)是否大于50%,如結(jié)果為是,則建筑物銷(xiāo)毀;如結(jié)果為否,繼續(xù) 檢測(cè)植被點(diǎn)數(shù)是否大于50%,如結(jié)果為是,則建筑物銷(xiāo)毀;如結(jié)果為否,執(zhí)行下一步; 步驟62,檢測(cè)面積是否變化,如變化,則為建筑物重建;如無(wú)變化,繼續(xù)檢測(cè)高程變化, 如高程有變化,則為建筑物擴(kuò)建,如無(wú)變化,執(zhí)行步驟63 ; 步驟63,檢測(cè)變化點(diǎn)數(shù)是否大于20%,如是,則結(jié)果特定;如否,則建筑物未變化。
【文檔編號(hào)】G01S7/48GK104049245SQ201410263818
【公開(kāi)日】2014年9月17日 申請(qǐng)日期:2014年6月13日 優(yōu)先權(quán)日:2014年6月13日
【發(fā)明者】陳長(zhǎng)寶, 謝興, 張玉, 盧志淵, 杜紅民, 劉會(huì)娟, 肖丹丹 申請(qǐng)人:中原智慧城市設(shè)計(jì)研究院有限公司