当前位置: 首页 > 专利查询>武汉大学专利>正文

一种无人机多重叠遥感影像的建筑物轮廓线提取方法技术

技术编号:11249960 阅读:103 留言:0更新日期:2015-04-01 23:31
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
...
一种<a href="http://www.xjishu.com/zhuanli/55/201510025503.html" title="一种无人机多重叠遥感影像的建筑物轮廓线提取方法原文来自X技术">无人机多重叠遥感影像的建筑物轮廓线提取方法</a>

【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

网友询问留言 已有0条评论
  • 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。

1