基于機(jī)載LiDAR數(shù)據(jù)的建筑物輪廓規(guī)則化方法

基于機(jī)載LiDAR數(shù)據(jù)的建筑物輪廓規(guī)則化方法

張陽陽1，門林杰2，李向偉3

(1.甘肅農(nóng)業(yè)大學(xué) 資源與環(huán)境學(xué)院，甘肅 蘭州 730070；2.甘肅省國土資源規(guī)劃研究院，甘肅 蘭州 730070；3.山東省煤田地質(zhì)局物探測量隊(duì)，山東 泰安 271021)

摘要：在點(diǎn)云數(shù)據(jù)分類和建筑物輪廓提取的基礎(chǔ)上，提出一種基于最小外包矩形的建筑物輪廓規(guī)則化方法。以任意兩相鄰輪廓點(diǎn)構(gòu)建初始外包矩形，以迭代的方式將內(nèi)點(diǎn)數(shù)最多者作為最終外包矩形，繼而以面積比率、距離和均方根作為指標(biāo)對規(guī)則化結(jié)果給出評判，最后以實(shí)際數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，文中提出的方法能夠有效對分類后的建筑物輪廓點(diǎn)進(jìn)行規(guī)則化。

關(guān)鍵詞：機(jī)載激光三維掃描;建筑物;輪廓線;規(guī)則化

中圖分類號：P234

收稿日期：2014-09-01;修回日期：2015-01-12

作者簡介：張陽陽(1987-),女，碩士.

BuildingregularizationbasedonairborneLiDARpointclouds

ZHANGYang-yang1,MEN Lin-jie2,LI Xiang-wei3

(1.CollegeofResourcesandEnvironmentalSciences,GansuAgriculturalUniversity,Lanzhou730070,China;2.GansuInstituteofLandandResourcesPlanningandResearch,Lanzhou730070,China;3.GeophysicalProspectingandSurveyingTeam,ShandongBureauofCoalGeologicalExploration,Taian271021,China)

Abstract：Based on the classification of point cloud and extraction of building boundary,a regularization method for building boundary based on Minimum Bounding Rectangle(MBR) is put forward.First the initial bounding rectangle is constructed by two arbitrary adjacent contour points, of which the optimal one obtaining the most consistent contour points is determined by an iterative manner,and then the results are evaluated by two criterions：area ratio and RMS of the distance between contour points and its corresponding rectangle side. Finally a sample data is taken as an example to carry out the experiment.The results show the method proposed can regularize the contour points effectively.

Keywords：LiDAR;building;contour;regularization

機(jī)載激光三維掃描(LightDetectionAndRanging，LiDAR)技術(shù)集成了激光測距系統(tǒng)、全球定位系統(tǒng)和慣性導(dǎo)航系統(tǒng)，它能夠快速獲取地球表面三維空間信息，具有效率高、高程精度高、成本低等特點(diǎn)[1]，廣泛應(yīng)用于三維數(shù)碼城市[2]、城市規(guī)劃[3]、災(zāi)害評估[4]等領(lǐng)域。建筑物作為人類活動(dòng)和人類文明的重要載體，是當(dāng)前多個(gè)學(xué)科研究的焦點(diǎn)。目前，快速、精確獲取建筑物信息在城市規(guī)劃、導(dǎo)航、災(zāi)害評估等領(lǐng)域具有重要作用。利用機(jī)載LiDAR技術(shù)進(jìn)行建筑物提取和重建是目前測繪遙感領(lǐng)域研究的熱點(diǎn)和難點(diǎn)[5]。

本文假設(shè)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)經(jīng)過濾波和分類的過程，獲得建筑物點(diǎn)云數(shù)據(jù)作為已知數(shù)據(jù)。由于分辨率等因素，直接從分類后的建筑物點(diǎn)云數(shù)據(jù)提取輪廓并不準(zhǔn)確，鑒于城區(qū)現(xiàn)代建筑物相鄰輪廓邊界具有正交這一特性和為了進(jìn)一步的抽象化表達(dá)的需要，本文提出一種基于最小外包矩形探測的建筑物輪廓點(diǎn)規(guī)則化方法。

1方法

1.1　建筑物輪廓點(diǎn)提取

關(guān)于建筑物點(diǎn)云輪廓提取方法，主要有：基于點(diǎn)云柵格化的方法[6]、基于AlphaShape[7]的方法等。前者在對離散點(diǎn)云數(shù)據(jù)柵格化的基礎(chǔ)上，根據(jù)高程將離散點(diǎn)轉(zhuǎn)化為距離影像，利用圖像處理的相關(guān)理論方法對距離影像進(jìn)行邊界提取，獲得建筑物輪廓信息。該方法需要將離散點(diǎn)轉(zhuǎn)換為規(guī)則格網(wǎng)，容易造成數(shù)據(jù)損失、精度降低；后者判定某點(diǎn)是否為邊界點(diǎn)，且計(jì)算量大，效率低。

在各建筑物數(shù)據(jù)中，將點(diǎn)云數(shù)據(jù)投影至XOY平面，以二倍平均點(diǎn)間距確定格網(wǎng)間距，對點(diǎn)云數(shù)據(jù)進(jìn)行格網(wǎng)劃分。在邊界格網(wǎng)單元內(nèi)部，逐點(diǎn)搜索確定邊界輪廓點(diǎn)：對于某待定點(diǎn)p0，其在XOY平面的投影如圖1所示，計(jì)算p0點(diǎn)至各鄰域點(diǎn)的方位，并將該方位按大小進(jìn)行排序，計(jì)算相鄰兩方位間的方位差，若差值大于閾值tha，則該待定點(diǎn)p0為輪廓點(diǎn)，否則為內(nèi)部點(diǎn)。在圖2中，圖2(a)所示為所選取的樣例區(qū)域影像數(shù)據(jù)，圖2(b)為分類后的建筑物點(diǎn)云數(shù)據(jù)，圖2(c)為按照本文方法確定的建筑物輪廓點(diǎn)數(shù)據(jù)。

1.2　輪廓點(diǎn)規(guī)則化方法

在單一建筑物內(nèi)，針對上述步驟獲取的建筑物輪廓點(diǎn)，提出以下迭代的方法對其進(jìn)行規(guī)則化處理。

1)對于該建筑物中某輪廓點(diǎn)，除去最近點(diǎn)確定直線方向，以該方向作為矩形的一個(gè)方向，與該方向垂直的方向作為矩形的另一邊，并以該點(diǎn)為原點(diǎn)，建立坐標(biāo)系，如圖3所示。并將該建筑物輪廓點(diǎn)投影至該局部坐標(biāo)系的兩坐標(biāo)軸，以其在兩坐標(biāo)軸的數(shù)據(jù)區(qū)間長度作為矩形的長和寬；

圖3　建筑物輪廓點(diǎn)提取效果

2)根據(jù)點(diǎn)密度設(shè)定距離閾值thd，確定在該閾值范圍內(nèi)的建筑物輪廓點(diǎn)數(shù)目，記錄點(diǎn)數(shù)；

3)對于建筑物內(nèi)各輪廓點(diǎn)，循環(huán)以上過程,以對應(yīng)輪廓點(diǎn)數(shù)最多的矩形模型作為該建筑物的第一層外接矩形模型。

圖4展示某建筑物規(guī)劃的過程。圖4(a)為某建筑物的影像圖與邊界點(diǎn)疊加效果圖。圖4(b)為采用上述方法探測到的最小外包矩形，從結(jié)果上看，算法探測到的矩形只是建筑物的一種粗略表達(dá)。在上述過程獲取的矩形作為建筑物的第一層級最小外包矩形，將剩余邊界點(diǎn)聚類后投影至該層級矩形，如圖4(c)所示，并計(jì)算投影后在矩形兩個(gè)方向上的長度，若長度大于閾值(為平均點(diǎn)間距二倍)，則根據(jù)對應(yīng)區(qū)域確定第二層級的最小外包矩形，第二層級可存在多個(gè)最小外包矩形，如圖4(d)所示。若長度小于閾值，則不對該聚類結(jié)點(diǎn)確定最小外包矩形。將上述過程迭代執(zhí)行至無剩余輪廓點(diǎn)或輪廓點(diǎn)投影后距離小于閾值，如圖4(e)所示。

圖4　建筑物輪廓點(diǎn)提取效果

對于探測到的各層級最小外包矩形，本文對上下兩層級矩形外包矩形執(zhí)行邏輯減運(yùn)算

(1)

式中：k為當(dāng)前層級，n為最大層級。在實(shí)際中，即使是非常復(fù)雜的建筑，層級一般不會(huì)超過5。

1.3　規(guī)則化結(jié)果評估

并非所有的建筑物都由簡單規(guī)則矩形組成，另外考慮到建筑物分類時(shí)的誤差，上述算法并不適合所有情況。如圖5(a)所示為不規(guī)則建筑物的最小外包矩形規(guī)則化結(jié)果。對上述規(guī)則化結(jié)果進(jìn)行評估，本文給出兩項(xiàng)量化評判標(biāo)準(zhǔn)。

1)以邊界點(diǎn)所圍成區(qū)域的面積與矩形區(qū)域面積做比對，其中邊界點(diǎn)圍成區(qū)域面積按式(3)計(jì)算。相似性接近于1則表示規(guī)則化結(jié)果高度逼近邊界點(diǎn)所圍成的區(qū)域；

(2)

(3)

2)上述標(biāo)準(zhǔn)并不能鑒定所有結(jié)果，如圖5(b)所示，雖然規(guī)則化前后面積近似相等，但是，規(guī)則化的最小外包矩形并沒有表達(dá)其真實(shí)結(jié)果。在上述標(biāo)準(zhǔn)基礎(chǔ)上，以邊界點(diǎn)到規(guī)則化后的最小外包矩形的最近距離均方根作為評判標(biāo)準(zhǔn)。

(4)

圖5　建筑物規(guī)則化結(jié)果圖

2實(shí)驗(yàn)

為驗(yàn)證本文方法的性能，選取了ISPRS官網(wǎng)提供的樣例數(shù)據(jù)作為試驗(yàn)數(shù)據(jù)，該數(shù)據(jù)區(qū)域?yàn)榈聡箞D加特地區(qū)，數(shù)據(jù)采用LeicaALS50系統(tǒng)進(jìn)行采集，飛行高度平均為500m，平均點(diǎn)密度為6.5pt/m2，數(shù)據(jù)區(qū)域均為居民地，建筑物特征豐富，如圖6(a)所示。算法首先在分類后的建筑物數(shù)據(jù)集中探測輪廓點(diǎn)。首先將數(shù)據(jù)集投影至XOY平面，并對數(shù)據(jù)集進(jìn)行網(wǎng)格劃分。鄰域搜索中k值為20，最大夾角大于90，即當(dāng)前點(diǎn)為輪廓點(diǎn)，該數(shù)據(jù)實(shí)驗(yàn)區(qū)域輪廓點(diǎn)探測結(jié)果如圖6(b)所示。根據(jù)本文所提的迭代最小外包矩形算法對輪廓點(diǎn)規(guī)則化，在該過程

中，采用AreaBoundary和RMSDist對結(jié)果進(jìn)行約束，規(guī)則前后面積比率大于0.6，RMSDist值小于2倍平均點(diǎn)間距則視當(dāng)前建筑物可由簡單矩形規(guī)則化，結(jié)果如圖6(c)所示。

3結(jié)束語

機(jī)載激光三維掃描技術(shù)能夠快速獲取地面建筑物信息。從實(shí)驗(yàn)過程可以看到，本文提出的基于迭代最小包圍矩形的方法能夠?qū)⒔^大部分規(guī)則建筑物的輪廓規(guī)則化，該方法適應(yīng)性強(qiáng)、準(zhǔn)確性高。

參考文獻(xiàn)：

[1]張小紅.機(jī)載激光掃描測高數(shù)據(jù)濾波及地物提取[D].武漢:武漢大學(xué),2002.

[2]尚青波.激光LiDAR數(shù)據(jù)在三維城市模型中的應(yīng)用[J].科技情報(bào)開發(fā)與經(jīng)濟(jì),2010,20(17):137-139.

[3]李勇,黃金浪.利用LiDAR數(shù)據(jù)測制城市大比例尺地形圖的研究與實(shí)踐[J].城市勘測,2010(2):94-95.

[4]余燁,劉曉平,袁曉輝,等.面向洪水災(zāi)害評估的城市建模與仿真[J].系統(tǒng)仿真學(xué)報(bào),2010,22(9):2136-2140.

[5]楊娜，秦志遠(yuǎn)，晏耀華，等.面向地面點(diǎn)識(shí)別的機(jī)載LiDAR點(diǎn)云分割方法研究[J].測繪工程，2014,23(10)：18-22.

[6]劉春,李楠,吳航彬,等.基于LIDAR數(shù)據(jù)的建筑物輪廓提取[J].測繪科學(xué),2012,40(9):1399-1405.

[7]EDELSBRUNNER H,KIRKPATRICK D,SEIDEL R.On the shapes of a set of points in the plane[J].IEEE Transactions on Information Theory,1983,29(4):551-559.

[責(zé)任編輯：李銘娜]