一种无人机多重叠遥感影像的建筑物轮廓线提取方法，包括利用空三结合密集匹配的方法生成三维点云，并对点云进行滤波处理，从其中检测出建筑物。对检测的建筑删除墙面后，从建筑物顶面信息提取建筑物粗轮廓。建筑物粗轮廓作为缓冲区叠加拼接影像上，利用建筑物粗轮廓作为形状先验信息，在缓冲区内用水平集算法进行演化，最后得到建筑物精确轮廓。本发明专利技术充分利用了多重叠影像生成的点云三维信息，同时结合高分辨率遥感影像的高精度几何信息，不但显著提高了建筑物轮廓提取的精度，而且降低了方法的复杂度。
【技术实现步骤摘要】
【专利摘要】，包括利用空三结合密集匹配的方法生成三维点云，并对点云进行滤波处理，从其中检测出建筑物。对检测的建筑删除墙面后，从建筑物顶面信息提取建筑物粗轮廓。建筑物粗轮廓作为缓冲区叠加拼接影像上，利用建筑物粗轮廓作为形状先验信息，在缓冲区内用水平集算法进行演化，最后得到建筑物精确轮廓。本专利技术充分利用了多重叠影像生成的点云三维信息，同时结合高分辨率遥感影像的高精度几何信息，不但显著提高了建筑物轮廓提取的精度，而且降低了方法的复杂度。【专利说明】
本专利技术涉及遥感影像应用
，尤其是涉及一种无人机遥感影像建筑物轮廓 线提取方法。
技术介绍
建筑物是城市中一种重要的地理空间要素，它在城市规划与管理、城市发展与变 化以及灾害检测与评估等应用领域具有重要的意义。建筑物轮廓线提取是城市基础地理信 息系统的建立和更新的一个重要步骤。无人机作为一种新型遥感监测平台，飞行操作智能 化程度高，可按预定航线自主飞行、摄像，实时提供遥感监测数据和低空视频监控，具有机 动性强、便捷、成本低等特点，其所获取的高分辨率重叠的遥感数据具有抗干扰能力强，成 像范围大等特点，使之成为建筑物轮廓线提取有效的数据来源之一。 高分辨率遥感影像的中包含了大量丰富的信息，建筑物轮廓提取往往受到各种其 它的地物干扰，比如建筑物和非建筑物区分，建筑物周围树木的遮挡，道路边线的影响等 等。因此，仅仅靠单一的影像进行建筑物轮廓提取，技术难度很大。建筑物轮廓提取不仅需 要依靠遥感二维信息的提取与分析，而且还需要结合建筑物三维信息，所以二维和三维信 息互为融合和补充将更加有利于遥感影像中建筑物轮廓的提取。目前利用高分辨率遥感 影像进行建筑物轮廓提取的典型方法包括以下几种：1)基于单一的高分辨率遥感影像建 筑物轮廓线提取。虽然高分辨率的遥感影像具有清晰的建筑物轮廓信息，但是人造的建筑 物和非建筑物难以区分开来，另外建筑物周围的树木遮挡也对建筑物的轮廓产生一定的干 扰，因此这类方法具有一定的局限性。2)基于阴影辅助下的建筑物轮廓线提取。虽然在阴影 辅助下进行建筑物轮廓提取间接利用了建筑物的高度信息，但是阴影的提取不具有一定的 普适性，而且利用阴影求得建筑物高度的需要相关的参数较多，因此此类方法很难满足实 际的需要。3)基于Lidar和遥感影像的建筑物轮廓线提取。虽然这类方法既利用了Lidar 的三维信息，又融合了影像的高精度几何轮廓信息，通过两种数据优劣的互为补充来提取 建筑物轮廓信息。但是这类方法存在是Lidar和遥感影像的高精度配准困难，而且Lidar 数据获取的成本也较为昂贵。4)基于立体航空影像的建筑物轮廓线提取。虽然这类方法利 用立体匹配获得了三维信息，同时利用了影像的高精度的二维信息，通过两类信息的互补 进行建筑物轮廓信息提取。但是这类方法的问题是立体像对幅面较小，对于提取大范围的 城区建筑物轮廓有一定的影响。因此需要迫切寻找一种数据易获取、提取方法自动化程度 高、提取结果相对精确高且符合实际生产需要的方法。
技术实现思路
本专利技术充分利用了多重叠影像生成的点云三维信息，同时结合遥感影像自身的高 精度信息，显著提高了建筑物轮廓提取的精度。 本专利技术的技术方案为，包括 以下步骤： 步骤一，利用空三对无人机遥感影像进行平差，同时利用GPU加速后的PMVS算法 对影像密集匹配，最后得到精度高的密集彩色点云； 步骤二，对平差后的无人机遥感影像进行拼接； 步骤三，对彩色点云进行滤波；先利用改进的形态学滤波算法进行地面和非地面 分离，然后利用颜色不变量对地面点中的植被滤除，最后利用高程和面积作为阈值滤除非 建筑物； 步骤四，利用区域增长算法检测点云中的建筑物； 步骤五，删除建筑物的墙面，通过对顶面边界拟合最后得到建筑物的粗轮廓信 息； 步骤六，利用步骤三得到的建筑物粗轮廓作为叠加在拼接影像上，形成建筑物轮 廓提取的缓冲区； 步骤七，同时利用建筑物粗轮廓的形状作为先验信息，在缓冲区内用水平集算法 演化出建筑物精确轮廓。 所述步骤一包括以下步骤： (I. 1)利用先验信息对多视重叠无人机遥感影像进行预处理： (1. 2)在步骤（I. 1)的基础上进行空三摄影测量，利用空三勾网，求出每张影像的 外方位元素，并进行光束法的整体平差； (1. 3)根据影像分组，在步骤（1. . 2)的基础上利用现有技术中GPU加速的PMVS算 法进行快速的密集匹配，生成密集的三维点云，所重建的点云作为三维高程数据。 所述步骤二包括以下步骤： (2. 1)特征提取：利用SIFT进行影像的特征提取； (2. 2)影像配准：先进行粗配准，利用k-d树搜索匹配的特征点；然后进行精配准， 粗配准往往出现错误的匹配点，因此利用RANSAC算法剔除错误的匹配点；通过影像的配 准，得到影像之间的变换矩阵； (2. 3)影像的拼接：通过（2. 2)得到的变换矩阵进行影像的拼接； (2. 4)影像的融合：拼接后，利用双线性插值算法进行影像的融合。 所述步骤三包括以下步骤： (3. 1)利用改进的形态学滤波对点云的地面点和非地面点进行分离； (3. 2)对步骤（3. 1)中的地面点中利用颜色不变量对植被进行滤波； (3. 3)基于建筑物的特点，利用阈值过滤掉非建筑物目标点。 所述步骤（3. 1)包括以下过程： 首先取任意一个点和它的邻域点组成一个固定大小的窗口，通过形态学的开运算 检测出窗口内的最低点，如果窗口内的点的高程值与最低点高程之差在阈值范围内，表示 该点为地面点，以此取出点云中所有点进行滤波； 其次根据y= 2Xwk+l获得下次滤波所需的窗口大小，且该窗口的大小小于预设 的滤波窗口最大值，再进行一次形态学滤波；最后当窗口大于预设窗口，结束滤波；其中，k 为迭代次数，w前一次滤波窗口的大小。 所述步骤（3. 2)包括以下过程： 由于由影像密集匹配生成的点云具有颜色信息，因此利用颜色不变量理论对绿色 植被进行过滤；设点云中每个点的坐标为（X，y，Z)颜色三个通道为（R，G，B)，颜色不变量的 对于植被的阈值为Tg，利用绿色和蓝色通道定义的颜色不变量公式为： 【权利要求】1. ，其特征在于，包括以下步 骤： 步骤一，利用空三对无人机遥感影像进行平差，同时利用GPU加速后的PMVS算法对影 像密集匹配，最后得到精度高的密集彩色点云； 步骤二，对平差后的无人机遥感影像进行拼接； 步骤三，对彩色点云进行滤波； 先利用改进的形态学滤波算法进行地面和非地面分离，然后利用颜色不变量对地面点 中的植被滤除，最后利用高程和面积作为阈值滤除非建筑物； 步骤四，利用区域增长算法检测点云中的建筑物； 步骤五，删除建筑物的墙面，通过对顶面边界拟合最后得到建筑物的粗轮廓信息； 步骤六，利用步骤三得到的建筑物粗轮廓作为叠加在拼接影像上，形成建筑物轮廓提 取的缓冲区； 步骤七，同时利用建筑物粗轮廓的形状作为先验信息，在缓冲区内用水平集算法演化 出建筑物精确轮廓。2. 根据权利要求1所述的，其特 征在于，所述步骤一包括以下步骤： (1. 1)利用先验信息对多视本文档来自技高网...
【技术保护点】
一种无人机多重叠遥感影像的建筑物轮廓线提取方法，其特征在于，包括以下步骤：步骤一，利用空三对无人机遥感影像进行平差，同时利用GPU加速后的PMVS算法对影像密集匹配，最后得到精度高的密集彩色点云；步骤二，对平差后的无人机遥感影像进行拼接；步骤三，对彩色点云进行滤波；先利用改进的形态学滤波算法进行地面和非地面分离，然后利用颜色不变量对地面点中的植被滤除，最后利用高程和面积作为阈值滤除非建筑物；步骤四，利用区域增长算法检测点云中的建筑物；步骤五，删除建筑物的墙面，通过对顶面边界拟合最后得到建筑物的粗轮廓信息；步骤六，利用步骤三得到的建筑物粗轮廓作为叠加在拼接影像上，形成建筑物轮廓提取的缓冲区；步骤七，同时利用建筑物粗轮廓的形状作为先验信息，在缓冲区内用水平集算法演化出建筑物精确轮廓。
【技术特征摘要】
【专利技术属性】
技术研发人员：眭海刚，涂继辉，贾曲，宋志娜，陈光，徐川，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。