一种基于多源遥感数据的建筑物智能化三维测图方法技术

本发明专利技术公开了一种基于多源遥感数据的建筑物智能化三维测图方法，利用目标测区的航空遥感影像数据、激光点云数据，通过如下步骤来获取目标测区的建筑物屋顶矢量轮廓、结构化的建筑物群三维线框模型。本发明专利技术利用航空遥感影像数据生成影像三维点云，完成影像点云与激光点云的高精度配准融合；利用融合后三维点云生成高精度的DSM、DEM、传统DOM和OESM模型；利用三维点云提取建筑物边界，在DOM上提取轮廓线，两者融合进行建筑物二维矢量轮廓的提取与筛选，实现建筑物屋顶轮廓高精度提取；基于建筑物屋顶二维矢量轮廓和高精度OESM模型快速生成建筑物结构化线框三维模型。本发明专利技术不需要人工干预，实现了全自动化的建筑物三维测图。

【技术实现步骤摘要】
一种基于多源遥感数据的建筑物智能化三维测图方法
本专利技术属于建筑物三维测图领域，特别是涉及一种基于多源遥感数据的建筑物智能化三维测图方法。
技术介绍
传统立体测图方法的生产效率低下，依靠人工干预实现半自动的建筑物轮廓信息提取需要耗费较大的人工和时间成本。现有的大范围建筑物三维建模方法大多基于大场景点云信息进行构网重建，计算复杂度高，生成的模型不具有结构化的信息，且想要获得单体化的建筑物三维模型比较困难。公开号为CN109685891A的中国专利申请了一种基于深度图像的建筑物三维建模与虚拟场景生成系统，该专利实现方法包括步骤：计算并重建精确的三维深度数据；对多种类型来源的三维数据进行优化和转换,得到对应的高速流式点云格式的模型,进行点云配准；图像的投影变形,建立各相邻画面像素的对应关系；将点云三角化形成的三角面片连接起来,生成建筑物体表面；使用二次曲面和复杂多边形工具建模,改变二次曲面的状态,针对不规则多边形进行处理,得到建筑物三维模型。该方法直接对点云数据进行构网、二次曲面规则化，适用于单建筑物或者较小范围建筑物的模型重建，此外计算量大且生成的建筑物模型不具备单体化、结构化信息，应用场景较小。公开号为CN105354883B的中国专利申请了一种基于点云的3dsMax快速精细三维建模方法及系统，该专利实现方法包括步骤：点云预处理,包括先对机载或车载激光雷达所获取的点云数据进行点云去噪,然后进行快速聚类和构建KD树,再进行点云抽稀；基于3dsMax根据聚类后的每个类别的中心点提供全部点云的缩略图；生成局部点云,当用户选取建筑物角点时,通过所在类别的KD树获取邻域点云,采用角点提取算法从邻域点云中提取到其中所有的角点作为特征点,对邻域点云中点云数据进行平面拟合,得到平面的交线,作为特征线；根据特征点修正用户测点,当用户进行测线时,搜索绘制建筑的轮廓边线,修正用户测线；基于3dsMax根据建筑物轮廓完成建模。该专利涉及的方法使用三维点云数据为单一数据来源，且需要人工选取点云的特征角点，所需的人力成本和时间成本较大，结合现有的软件作为处理工具，限制条件较多。文学东等人在《一种融合多源特征的建筑物三维模型重建方法》中提出利用结合机载点云,地面点云及倾斜多视纹理实现建筑物面元的拓扑重建，实现建筑物的三维建模。这种方法的缺点是需要人工的交互编辑实现精确的线特征约束，且对数据来源要求较多。基于航空遥感影像数据具有边界清晰，分辨率高且细节信息丰富的特点；再结合激光点云具有的精度高，穿透力强，具备三维坐标和强度、颜色等信息，实现多源遥感数据的优势互补，为建筑物智能三维测图带来了新的实现方式。
技术实现思路
本专利技术的目的是提供一种基于多源遥感数据的建筑物智能化三维测图方法。本专利技术区别于传统的航空遥感影像数据密集匹配生成密集点云、三维构网、纹理映射的方式，本专利技术包含一种具有快速且智能化的建筑物屋顶二维矢量轮廓提取、结合OESM生成建筑物结构化线框模型等功能的方法及系统。采用本专利技术方法，可以大大节省人工成本的同时满足一定比例尺的三维测图的精度要求，同时保留了建筑物结构线之间的矢量拓扑关系，便于后续的统计、分析与实际应用，具有巨大的应用前景和拓展空间。为达到上述目的，本专利技术提供基于多源遥感数据的建筑物智能化三维测图方法及系统，包括：步骤1：利用目标测区的航空遥感影像数据和高精度POS数据进行影像高精度定位定姿、密集匹配生成高精度影像密集点云；步骤2：将步骤1所述的高精度影像密集点云作为参考，对完成自配准和拼接后的激光点云进行配准，生成配准融合后的三维点云；步骤3：利用配准融合后的三维点云，进行插值、栅格化得到高精度的DSM数据；对高精度的DSM数据进行滤波得到对应的DEM数据；步骤4：结合目标测区的航空遥感影像数据及其定向参数、步骤3中得到的高精度DSM数据、DEM数据，生成传统DOM影像和OESM模型；步骤5：利用改进的8方向Sobel边缘检测算子结合Canny算子对步骤4得到的传统DOM进行边缘提取，然后利用hough变换检测存在于边缘中的线特征，得到传统DOM中的初始线特征集合；步骤6：对步骤2中所述配准融合后的三维点云进行点云面片分割和建筑物屋顶点云顺序轮廓提取，得到建筑物屋顶点云的顺序轮廓；步骤7：结合步骤6中得到的建筑物屋顶点云顺序轮廓，在步骤4中生成的DOM上提取建筑物屋顶二维矢量轮廓；步骤8：闭合步骤7得到的补全之后的顺序线特征集合得到目标测区的建筑物屋顶二维矢量轮廓，基于建筑物屋顶二维矢量轮廓、OESM、DEM进行建筑物智能三维测图，生成结构化的建筑物三维线框模型；进一步的，步骤4生成传统DOM影像具体为：对于DEM数据上的每一点(Xdem,Ydem,Zdem)，通过与对应影像的高精度POS数据建立共线条件方程解算其对应的影像坐标(xE,yE)，将该影像坐标对应的灰度值data(x,y)作为传统DOM在该点的灰度值，当所有的DEM单元完成共线方程解算后即可得到完整的传统DOM；根据共线方程解算DEM单元对应的影像坐标的公式如下：式中，xE，yE表示DEM某单元对应的影像平面坐标，XDEM，YDEM，ZDEM为DEM上一点的坐标，其他字母表示影像的内外方位元素。进一步的，步骤4生成OESM模型具体为：对于DSM模型上的每一个点(Xdsm,Ydsm,Zdsm)，通过与该栅格位置对应的航空遥感影像数据及高精度POS数据建立共线条件方程，反算得到该DSM点对应的影像坐标(xS,yS)；然后根据该影像坐标(xS,yS)求取对应的DEM点坐标(Xdem,Ydem,Zdem)，具体如下：步骤4.1,先假定该待求点的DEM高程是整个DEM模型的最大高程Zmax，结合已知的影像坐标(xS,yS)，利用影像与DEM之间建立的共线条件方程就可以解算该假设高程对应的DEM平面坐标的计算值(X'dem,Y'dem)；步骤4.2,根据坐标计算值(X'dem,Y'dem)查询DEM上的真实高程值Z'dem，计算前后两个高程值Zmax与Z'dem之间的差是否小于阈值；步骤4.3,如果小于阈值则认为找到了真实的DEM坐标，结束计算，否则进入步骤4.4；步骤4.4,如果不满足阈值要求，将Z'dem作为新的DEM高程假设值，取代第一次设置的最大高程值Zmax，再按照步骤4.1至步骤4.3所述步骤重新计算新的DEM平面坐标(X”dem,Y”dem)以及该坐标对应的DEM真实高程Z”dem；直至高程假设值与真实值之间的差小于阈值则认为找到真实的DEM坐标(Xdem,Ydem,Zdem)；对于DSM数据上的此点(Xdsm,Ydsm,Zdsm)对应的OESM坐标为(Xdem,Ydem,Zdsm)；对于落入同一个DEM单元格内部的多个DSM高程仅保留高程值最大值作为最终的OESM坐标高程；将所有的DSM单元完成计算后，对OESM进行插值生本文档来自技高网...

【技术保护点】
1.一种基于多源遥感数据的建筑物智能化三维测图方法，其特征在于，包括以下步骤：/n步骤1：利用目标测区的航空遥感影像数据和高精度POS数据进行影像高精度定位定姿、密集匹配生成高精度影像密集点云；/n步骤2：将步骤1所述的高精度影像密集点云作为参考，对完成自配准和拼接后的激光点云进行配准，生成配准融合后的三维点云；/n步骤3：利用配准融合后的三维点云，进行插值、栅格化得到高精度的DSM数据；对高精度的DSM数据进行滤波得到对应的DEM数据；/n步骤4：结合目标测区的航空遥感影像数据及其定向参数、步骤3中得到的高精度DSM数据、DEM数据，生成传统DOM影像和OESM模型；/n步骤5：利用改进的8方向Sobel边缘检测算子结合Canny算子对步骤4得到的传统DOM进行边缘提取，然后利用hough变换检测存在于边缘中的线特征，得到传统DOM中的初始线特征集合；/n步骤6：对步骤2中所述配准融合后的三维点云进行点云面片分割和建筑物屋顶点云顺序轮廓提取，得到建筑物屋顶点云的顺序轮廓；/n步骤7：结合步骤6中得到的建筑物屋顶点云顺序轮廓，在步骤4中生成的DOM上提取建筑物屋顶二维矢量轮廓；/n步骤8：闭合步骤7得到的补全之后的顺序线特征集合得到目标测区的建筑物屋顶二维矢量轮廓，基于建筑物屋顶二维矢量轮廓、OESM、DEM进行建筑物智能三维测图，生成结构化的建筑物三维线框模型。/n...

【技术特征摘要】
1.一种基于多源遥感数据的建筑物智能化三维测图方法，其特征在于，包括以下步骤：
步骤1：利用目标测区的航空遥感影像数据和高精度POS数据进行影像高精度定位定姿、密集匹配生成高精度影像密集点云；
步骤2：将步骤1所述的高精度影像密集点云作为参考，对完成自配准和拼接后的激光点云进行配准，生成配准融合后的三维点云；
步骤3：利用配准融合后的三维点云，进行插值、栅格化得到高精度的DSM数据；对高精度的DSM数据进行滤波得到对应的DEM数据；
步骤4：结合目标测区的航空遥感影像数据及其定向参数、步骤3中得到的高精度DSM数据、DEM数据，生成传统DOM影像和OESM模型；
步骤5：利用改进的8方向Sobel边缘检测算子结合Canny算子对步骤4得到的传统DOM进行边缘提取，然后利用hough变换检测存在于边缘中的线特征，得到传统DOM中的初始线特征集合；
步骤6：对步骤2中所述配准融合后的三维点云进行点云面片分割和建筑物屋顶点云顺序轮廓提取，得到建筑物屋顶点云的顺序轮廓；
步骤7：结合步骤6中得到的建筑物屋顶点云顺序轮廓，在步骤4中生成的DOM上提取建筑物屋顶二维矢量轮廓；
步骤8：闭合步骤7得到的补全之后的顺序线特征集合得到目标测区的建筑物屋顶二维矢量轮廓，基于建筑物屋顶二维矢量轮廓、OESM、DEM进行建筑物智能三维测图，生成结构化的建筑物三维线框模型。


2.根据权利要求1所述的基于多源遥感数据的建筑物智能化三维测图方法，其特征在于：
步骤4生成传统DOM影像具体为：
对于DEM数据上的每一点(Xdem,Ydem,Zdem)，通过与对应影像的高精度POS数据建立共线条件方程解算其对应的影像坐标(xE,yE)，将该影像坐标对应的灰度值data(x,y)作为传统DOM在该点的灰度值，当所有的DEM单元完成共线方程解算后即可得到完整的传统DOM；根据共线方程解算DEM单元对应的影像坐标的公式如下：






式中，xE，yE表示DEM某单元对应的影像平面坐标，XDEM，YDEM，ZDEM为DEM上一点的坐标，其他字母表示影像的内外方位元素；
步骤4生成OESM模型具体为：
对于DSM模型上的每一个点(Xdsm,Ydsm,Zdsm)，通过与该栅格位置对应的航空遥感影像数据及高精度POS数据建立共线条件方程，反算得到该DSM点对应的影像坐标(xS,yS)；
然后根据该影像坐标(xS,yS)求取对应的DEM点坐标(Xdem,Ydem,Zdem)，具体如下：
步骤4.1,先假定该待求点的DEM高程是整个DEM模型的最大高程Zmax，结合已知的影像坐标(xS,yS)，利用影像与DEM之间建立的共线条件方程就可以解算该假设高程对应的DEM平面坐标的计算值(X'dem,Y'dem)；
步骤4.2,根据坐标计算值(X'dem,Y'dem)查询DEM上的真实高程值Z'dem，计算前后两个高程值Zmax与Z'dem之间的差是否小于阈值；
步骤4.3,如果小于阈值则认为找到了真实的DEM坐标，结束计算，否则进入步骤4.4；
步骤4.4,如果不满足阈值要求，将Z'dem作为新的DEM高程假设值，取代第一次设置的最大高程值Zmax，再按照步骤4.1至步骤4.3所述步骤重新计算新的DEM平面坐标(X”dem,Y”dem)以及该坐标对应的DEM真实高程Z”dem；
直至高程假设值与真实值之间的差小于阈值则认为找到真实的DEM坐标
(Xdem,Ydem,Zdem)；
对于DSM数据上的此点(Xdsm,Ydsm,Zdsm)对应的OESM坐标为(Xdem,Ydem,Zdsm)；
对于落入同一个DEM单元格内部的多个DSM高程仅保留高程值最大值作为最终的OESM坐标高程；
将所有的DSM单元完成计算后，对OESM进行插值生成完整的OESM；插值的方式采用反距离插值法，即对OESM上的每一个空洞查找其在X，Y方向上最近的非空洞单元格，根据距离的倒数作为权重进行高程的加权求和，将求和的结果作为空洞单元格的最终高程计算值。


3.根据权利要求1所述的基于多源遥感数据的建筑物智能化三维测图方法，其特征在于：
所述步骤6具体包括以下步骤：
步骤6.1，对配准融合后的三维点云进行滤波得到滤波后的三维点云，去除离散点，得到初步滤波后的三维点云；
设置滤波领域半径r、领域内最小点数n，删除领域内点数小于n的点；
步骤6.2，基于RANSAC原理对滤波后的点云进行去地面，得到去地面后的三维点云；
设置内点到模板平面的距离阈值为d、迭代次数为k、作为平面的最小点数为m，在多次迭代中，选取被保留点数最多的平面作为输出地面面片；
步骤6.2目的是通过RANSAC方法挑选出存在于三维点云中的地面面片；
所述地面面片的定义为：
aX+bY+cZ＝d
当平面方程的参数a，b，c，d确定，这个空间中的平面就被唯一确定，对三维点云中所有的点而言，落在这个平面上的点也就唯一确定即点到这个平面的距离小于设定的阈值就认为落在这个平面上，RANSAC原理就是不断地变更平面的a，b，c参数并计算每次落在平面上的点的数目，在达到设定的迭代次数后，选择点数最多的那一次平面参数作为结果即地面面片；
步骤6.3，对步骤6.2之后的去地面剩余点云进行基于区域生长方法的点云面片分割，得到包含非建筑物屋顶面片在内的所有点云面片；对于去地面后的点云，计算点云在各点的曲率和法向量并选取最小曲率点作为种子点，设置曲率阈值cur和法向量变化阈值nor进行种子点生长；cur、nor为经验值；
所述计算点云在各点的曲率和法向量并选取最小曲率点作为种子点为：
点云某一点的法向量计算：点云中某一点领域内K个点，对这K个点利用最小二乘法进行局部平面拟合得到局部的平面方程aX+bY+cZ＝d，其法向量即为(a,b,c)；
点云内某一点的曲率计算：以该点为中心取领域内K个点进行最小二乘法的二次曲面拟合得到局部拟合的二次曲面方程Z(x,y)＝ax2+bxy+cy2，根据二次曲面方程即可求取对应的曲率，将该曲率作为点云在该点的曲率表达；
步骤6.4，对于步骤6.3面片分割得到的点云面片，进行基于面片特征的建筑物屋顶面片筛选和基于法线估计的建筑物屋顶面片轮廓提取，得到建筑物屋顶的点云边界；
步骤6.4中从分割后的点云面片筛选建筑物屋顶面片的规则是：对于每个面片求取其对应的面片平均高程elei；即通过点云面片的平均高程等于点云内所有点的高程之和除以总的点数；
将此平均高程的计算结果与步骤6.2提取到的地面面片的平均高程ele0进行作差比对，差值大于阈值Δele的面片保留；
计算每个点云面片的法向量nori，将此法向量的计算结果与步骤6.2提取到的地面面片的法向量nor0进行夹角大小的判断，小于夹角阈值的进行保留；
步骤6.5，对步骤6.4得到的无顺序的屋顶点云轮廓构建平面三角网，根据三角网提取点云轮廓的凹包，获得建筑物屋顶点云的顺序轮廓。


4.根...

【专利技术属性】
技术研发人员：肖雄武，钟智超，李德仁，陈隽展，于丁，张卫龙，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42