基于傾斜攝影測(cè)量的建筑物自動(dòng)提取關(guān)鍵技術(shù)研究

賈秋英，王子盟，顏志臻，寧 毅

(中煤數(shù)字科技(廣州)有限公司，廣東 廣州 510000)

近年來(lái)，隨著“數(shù)字城市”、“智慧城市”建設(shè)的全面鋪開(kāi)，傾斜攝影測(cè)量技術(shù)得到了快速的發(fā)展。建筑物作為城市中最重要的研究對(duì)象，許多實(shí)際應(yīng)用都與其有關(guān)[1]，比如城市規(guī)劃、公共安全研究、環(huán)境監(jiān)測(cè)研究、無(wú)線(xiàn)通訊、災(zāi)害評(píng)估等。建筑物的檢測(cè)、提取與重建也是傾斜攝影測(cè)量、遙感等領(lǐng)域的主要研究課題之一。我國(guó)在“十四五”期間將推動(dòng)自然資源登記等系統(tǒng)，從二維邁向三維，解決自然資源調(diào)查、確權(quán)和國(guó)土空間用途管制等問(wèn)題的關(guān)鍵技術(shù)。因此，研究快速準(zhǔn)確提取建筑物三維模型與國(guó)家的發(fā)展趨勢(shì)相適應(yīng)。盡管傾斜攝影測(cè)量方法仍然是目前提取大規(guī)模城區(qū)建筑的有效手段，但基于影像或點(diǎn)云提取建筑物輪廓線(xiàn)的方法還存在許多困難，噪聲、光照條件、陰影、遮擋以及場(chǎng)景的復(fù)雜性使得建筑物輪廓線(xiàn)的提取變得相當(dāng)復(fù)雜。

傳統(tǒng)傾斜攝影測(cè)量地形圖中建筑物的輪廓線(xiàn)通常都是是通過(guò)EPS等軟件人工采集的，但人工采集成本高、耗時(shí)長(zhǎng)、效率低，且采集精度容易受到人員水平影響。面對(duì)一個(gè)城市范圍海量級(jí)的建筑物模型，采用人工采集建筑物輪廓線(xiàn)已明顯不能滿(mǎn)足工期要求，亟待自動(dòng)提取方法的研究和挖掘來(lái)大幅提高生產(chǎn)效率。本文主要研究利用傾斜攝影測(cè)量技術(shù)進(jìn)行建筑物輪廓線(xiàn)的自動(dòng)提取，通過(guò)多種算法的測(cè)試和研究，最后提出一種最優(yōu)化的自動(dòng)或半自動(dòng)提取建筑物輪廓線(xiàn)的方法，對(duì)大幅提高生產(chǎn)效率具有重要的研究?jī)r(jià)值，從而產(chǎn)生更廣泛的社會(huì)經(jīng)濟(jì)效益。

由于LiDAR數(shù)據(jù)采集成本遠(yuǎn)高于影像，利用高分影像提取建筑物仍是建筑物提取的重要手段；而相較于垂直航空影像和衛(wèi)星影像，傾斜航空影像具有建筑物立面可見(jiàn)、遮擋少的特點(diǎn)，是建筑物模型獲取的優(yōu)質(zhì)數(shù)據(jù)源。

現(xiàn)階段建筑物自動(dòng)采集主要基于影像和點(diǎn)云數(shù)據(jù)進(jìn)行?；谟跋竦淖詣?dòng)提取主要通過(guò)建筑物的光譜、紋理、形狀、空間關(guān)系等基本特征，構(gòu)建建筑提取的規(guī)則[2]，或通過(guò)深度學(xué)習(xí)從標(biāo)記數(shù)據(jù)中自動(dòng)學(xué)得抽象特征[3]。然而基于影像的建筑自動(dòng)提取技術(shù)存在遮擋嚴(yán)重、算法復(fù)雜等問(wèn)題，需要組織強(qiáng)大的團(tuán)隊(duì)進(jìn)行大量的樣本數(shù)據(jù)實(shí)驗(yàn)得到研究成果，耗資巨大，且成果不可預(yù)知。因此，雖然從思路上可行，但很少有人付諸實(shí)施。

近年來(lái)，傾斜攝影測(cè)量點(diǎn)云逐步在建筑物自動(dòng)采集領(lǐng)域得到了更多的關(guān)注。傾斜攝影測(cè)量點(diǎn)云作為一種新興數(shù)據(jù)，因其具有豐富的地物表面信息和低成本、高精度、高效率等優(yōu)勢(shì)獲得廣泛關(guān)注，并在建筑物提取和建筑物單體化等方面表現(xiàn)出廣大的應(yīng)用前景。在利用傾斜攝影測(cè)量技術(shù)提取建筑物的應(yīng)用中，目前的技術(shù)主要通過(guò)密集匹配生成點(diǎn)云數(shù)據(jù)[4]，再根據(jù)點(diǎn)云進(jìn)行濾波、分類(lèi)等步驟提取出建筑物。李濤等[5]將 LiDAR 點(diǎn)云數(shù)據(jù)和灰度影像融合，首先根據(jù)灰度影像獲得建筑物二維圖像，然后將圖像與點(diǎn)云數(shù)據(jù)進(jìn)行粗匹配，判斷出建筑物初始區(qū)域，最后通過(guò)閾值處理精確提取建筑物點(diǎn)云。崔建軍等[6]根據(jù)邊緣檢測(cè)算法提取建筑物，利用邊緣檢測(cè)算子對(duì) DSM 深度影像做處理，獲得建筑物邊緣。任自珍等[7]根據(jù)等高線(xiàn)形狀分析法提取出建筑物，利用點(diǎn)云數(shù)據(jù)獲得等高線(xiàn)，并結(jié)合等高線(xiàn)形狀的特征參數(shù)獲得建筑物區(qū)域的等高線(xiàn)，根據(jù)建筑物輪廓的拓?fù)潢P(guān)系與幾何特征等信息提取建筑物。王果等[8]提出一種基于CSF算法，確定布料由重力下降后所停留的位置作為建筑頂面的初步識(shí)別,然后通過(guò)密度聚類(lèi)算法進(jìn)行建筑區(qū)分,從而實(shí)現(xiàn)建筑物頂面的單體化提取的方法。

研究旨在通過(guò)算法測(cè)試及優(yōu)化提供一種具有應(yīng)用價(jià)值的建筑物自動(dòng)提取的關(guān)鍵技術(shù)，為建筑物采集領(lǐng)域的研究提供更好的條件，為進(jìn)一步深入開(kāi)發(fā)相應(yīng)算法、擴(kuò)大建筑自動(dòng)提取的應(yīng)用提供理論支持。

1 傾斜攝影測(cè)量技術(shù)

1.1 傾斜攝影測(cè)量原理

傾斜攝影測(cè)量技術(shù)，通過(guò)在多旋翼無(wú)人機(jī)上搭載五鏡頭相機(jī)，同時(shí)從垂直、傾斜等不同角度采集影像，傾斜攝影測(cè)量原理如圖1所示，記錄下拍攝瞬間的航速、航高、航向、旁向及航向旁向重疊度等信息，對(duì)被攝物體的大小、形狀、特性、位置信息通過(guò)軟件處理進(jìn)行獲取。垂直地面角度拍攝獲取的是垂直向下的一組影像，稱(chēng)為正片，鏡頭朝向與地面成一定夾角拍攝獲取的四組影像分別指向東南西北，稱(chēng)為斜片。傾斜影像能提供更好的視角去觀察建筑物側(cè)面，這一特點(diǎn)正好滿(mǎn)足了建筑物表面紋理生成的需要。

圖1 傾斜攝影測(cè)量原理Fig.1 Principle of tilt photogrammetry

1.2 傾斜攝影測(cè)量技術(shù)流程

傾斜攝影測(cè)量的技術(shù)流程如圖2所示。

圖2 傾斜攝影技術(shù)流程Fig.2 Flow chart of tilt photography technology

2 本項(xiàng)目研究的技術(shù)路線(xiàn)

本研究的技術(shù)路線(xiàn)是：從無(wú)人機(jī)傾斜攝影及像控和空三出發(fā)，通過(guò)密集匹配生成彩色密集點(diǎn)云出發(fā)，基于改進(jìn)的PTD算法進(jìn)行彩色點(diǎn)云的濾波完成地物點(diǎn)和地面點(diǎn)的分離，再對(duì)地物點(diǎn)進(jìn)行屋頂面片的分割，通過(guò)算法分別提取每個(gè)建筑物目標(biāo)的邊緣點(diǎn)；然后進(jìn)行過(guò)濾和分組，進(jìn)行建筑物邊緣線(xiàn)擬合，對(duì)每個(gè)建筑物對(duì)象的邊緣進(jìn)行規(guī)則化，最終得到建筑物輪廓線(xiàn)，然后進(jìn)行精度評(píng)價(jià)和區(qū)域效率統(tǒng)計(jì)。具體技術(shù)路線(xiàn)如圖3所示。

3 技術(shù)方法

3.1 傾斜攝影數(shù)據(jù)處理

無(wú)人機(jī)傾斜攝影是采用多角度相機(jī)系統(tǒng)同時(shí)對(duì)一個(gè)垂直角度以及前、后、左、右4個(gè)角度(30°～50°)進(jìn)行影像數(shù)據(jù)的采集，并通過(guò)集成POS系統(tǒng)，使獲取的影像具有姿態(tài)信息和地理位置信息，彌補(bǔ)了傳統(tǒng)航空攝影測(cè)量影像數(shù)據(jù)獲取和應(yīng)用的缺陷。

本文采用RTK設(shè)備進(jìn)行地理位置信息采集，可達(dá)到免像控精度，并對(duì)每個(gè)架次進(jìn)行精度驗(yàn)證。數(shù)字空中三角測(cè)量工作采用平差解算軟件，直接導(dǎo)入數(shù)碼相機(jī)參數(shù)和控制點(diǎn)成果，通過(guò)自動(dòng)匹配相關(guān)影像產(chǎn)生自動(dòng)匹配點(diǎn)，對(duì)于點(diǎn)位不足區(qū)域，人工進(jìn)行加點(diǎn)。為保障高程精度，加密時(shí)應(yīng)利用一些位置較好的外業(yè)路面實(shí)測(cè)點(diǎn)高程加入計(jì)算及檢查。在相片上量測(cè)外業(yè)控制點(diǎn)后，通過(guò)光束法及視覺(jué)算法平差后，輸出加密成果?；诳杖Y(jié)果，通過(guò)SGM等密集匹配方法獲取測(cè)區(qū)的高精度點(diǎn)云數(shù)據(jù)，同時(shí)獲取對(duì)應(yīng)的顏色信息，得到彩色密集點(diǎn)云數(shù)據(jù)。

3.2 點(diǎn)云濾波

基于本研究的對(duì)象是建筑物，首先通過(guò)點(diǎn)云濾波的方法將地面點(diǎn)從非地面點(diǎn)中分離出來(lái)，后續(xù)從非地面點(diǎn)中提取建筑物點(diǎn)云的時(shí)候，減少地面點(diǎn)的影響。目前，國(guó)內(nèi)外學(xué)者已經(jīng)進(jìn)行大量試驗(yàn)和論證，提出了眾多有效的自動(dòng)濾波算法，考慮到建筑物附近地形特征較為復(fù)雜，經(jīng)過(guò)方法考量和討論，本研究采用基于布料模擬點(diǎn)云濾波方法(CSF)。首先，將點(diǎn)云數(shù)據(jù)進(jìn)行翻轉(zhuǎn)，設(shè)置初始布料網(wǎng)格的參數(shù)，布料格網(wǎng)的位置一般位于點(diǎn)云數(shù)據(jù)最高點(diǎn)的上方，將翻轉(zhuǎn)后的點(diǎn)云與設(shè)置好的布料格網(wǎng)投影到同一個(gè)水平面；然后，找到每一個(gè)點(diǎn)云粒子的最近鄰點(diǎn)，記錄投影狀態(tài)下的高程，計(jì)算布料格網(wǎng)中粒子因重力產(chǎn)生的位移，并與當(dāng)前點(diǎn)云粒子對(duì)應(yīng)的最近鄰點(diǎn)的高程進(jìn)行分析對(duì)比。若布料格網(wǎng)中粒子的高程低于或者等于點(diǎn)云數(shù)據(jù)最近鄰點(diǎn)的高程，這部分布料格網(wǎng)中粒子定義為不可移動(dòng)點(diǎn)并賦予該點(diǎn)云粒子的高程，重復(fù)該過(guò)程，直到所有布料格網(wǎng)中的粒子的最大高承諾變化足夠小或者迭代到達(dá)預(yù)設(shè)值，則停止模擬過(guò)程，計(jì)算點(diǎn)云數(shù)據(jù)與布料格網(wǎng)粒子之間的高度差異，分析對(duì)比該高度距離與預(yù)設(shè)閾值，若該高度距離小于預(yù)設(shè)閾值則劃分為地面點(diǎn)，若該高度距離大于預(yù)設(shè)閾值，則劃分為非地面點(diǎn)[9]。建筑物區(qū)域一般多為平坦地形，通過(guò)CSF計(jì)算布料格網(wǎng)中粒子受到內(nèi)部驅(qū)動(dòng)因素影響產(chǎn)生的位移，并進(jìn)行分析對(duì)比，可以高效地將非地面點(diǎn)從地面點(diǎn)中分離出來(lái)。

3.3 建筑物屋頂面片分割與優(yōu)化

在將非地面點(diǎn)從地面點(diǎn)中分離出來(lái)后，需要對(duì)非地面點(diǎn)點(diǎn)云數(shù)據(jù)進(jìn)行分割，從中去除植被、圍墻、建筑側(cè)墻等地物的影響，提取出單個(gè)建筑物的屋頂面片點(diǎn)云。建筑物屋頂面片的分割主要分為屋頂面提取和屋頂面片優(yōu)化2個(gè)步驟。首先引入穩(wěn)健的法向量估計(jì)算法計(jì)算點(diǎn)云中各點(diǎn)的法向量和曲率，在每次增長(zhǎng)時(shí)以點(diǎn)的法向量與屋頂面的法向量夾角和點(diǎn)到屋頂面的垂距2個(gè)約束進(jìn)行迭代區(qū)域增長(zhǎng)，再利用隨機(jī)抽樣一致性算法(RANSAC)提取較小面積屋頂面片，并計(jì)算平面性以保證結(jié)果可靠?？煽课蓓斆嫫崛〉哪康氖潜M可能多地得到可以表示所有屋頂面的點(diǎn)云面片，因此提取的點(diǎn)云面片數(shù)會(huì)大于實(shí)際屋頂面數(shù)，需合并屬于同一屋頂面的可靠屋頂面片，通過(guò)鄰近可靠屋頂面片之間的幾何拓關(guān)系，設(shè)置垂直和水平方向的相關(guān)性閾值，合并可靠屋頂面片提取出單個(gè)屋頂面片?；赗ANSAC計(jì)算內(nèi)點(diǎn)的思想迭代，以?xún)擅鏆W氏空間距離及點(diǎn)到面垂直距離小于閾值的點(diǎn)所占比例為依據(jù)，可以快速?gòu)姆堑孛纥c(diǎn)中提取出單個(gè)建筑物屋頂面片[10]。

3.4 建筑物外輪廓線(xiàn)提取與優(yōu)化

在提取出的單個(gè)建筑物屋頂面片的基礎(chǔ)上，獲取屋頂點(diǎn)云面片的外輪廓點(diǎn)的合集，從而擬合出建筑物的外輪廓線(xiàn)。建筑物外輪廓的提取主要包括外輪廓線(xiàn)的提取和建筑物外輪廓線(xiàn)的簡(jiǎn)化2個(gè)步驟。本研究采用Alpha shape的方法來(lái)提取建筑物外輪廓線(xiàn)。首先設(shè)置一個(gè)點(diǎn)集S，半徑參數(shù)α，以α為半徑的圓圍繞點(diǎn)集S外進(jìn)行滾動(dòng)，通過(guò)試驗(yàn)調(diào)整α的閾值，得出最外圍邊界線(xiàn)的凸包，即建筑物外輪廓線(xiàn)，不同的α參數(shù)值所產(chǎn)生的Alpha shape能夠在不同細(xì)致程度上體現(xiàn)出點(diǎn)集的不同輪廓。當(dāng)α值減小并趨于一個(gè)臨界值時(shí)，便可得到點(diǎn)集輪廓更為細(xì)致的描繪，由于建筑物屋頂面片點(diǎn)云存在一些因建筑結(jié)構(gòu)造成的干擾值，過(guò)于細(xì)致的點(diǎn)云外輪廓密度會(huì)影響外輪廓的形狀變成不規(guī)則鋸齒狀，把握好α值的設(shè)定，可以更為準(zhǔn)確地描繪建筑物外輪廓的形狀。通過(guò)alpha shape提取出的外輪廓線(xiàn)已經(jīng)基本可以反映建筑物的輪廓特征，但是問(wèn)題在于，點(diǎn)的數(shù)量過(guò)多，存在冗余點(diǎn)和差錯(cuò)點(diǎn)，基于Douglas-Peucker算法簡(jiǎn)化外輪廓線(xiàn)。利用隊(duì)和棧的性質(zhì)對(duì)外輪廓進(jìn)行采樣，通過(guò)控制距離容差可以得到對(duì)輪廓線(xiàn)不同程度的逼近,不僅能夠有效減少物體輪廓的冗余點(diǎn),提高處理效率,又能夠不失真地表征物體的形狀，達(dá)到簡(jiǎn)化外輪廓線(xiàn)的目的。通過(guò)Alpha shape算法和Douglas-Peucker算法，對(duì)屋頂面片點(diǎn)云的進(jìn)一步分割及簡(jiǎn)化提取出建筑物外輪廓線(xiàn)。

3.5 輪廓線(xiàn)規(guī)則化

建筑物通常具有相對(duì)規(guī)則的幾何形狀，針對(duì)建筑物外輪廓線(xiàn)提取應(yīng)充分考慮垂直和平行這2個(gè)最基本的特征，本文提出迭代最小外接矩形(RMBR)法，具體步驟如下。

(1)將點(diǎn)云數(shù)據(jù)投影至XOY平面，以2倍平均點(diǎn)間距確定格網(wǎng)間距，對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行格網(wǎng)劃分；逐格網(wǎng)單元檢測(cè)其八鄰域，若鄰域中存在空格網(wǎng)單元，則當(dāng)前格網(wǎng)單元為邊界格網(wǎng)單元；在邊界格網(wǎng)單元內(nèi)部，逐點(diǎn)搜索k鄰近，并確定邊界輪廓點(diǎn)。

(2)對(duì)于某一輪廓點(diǎn)，取其最近點(diǎn)確定直線(xiàn)方向，以該方向作為矩形的一個(gè)方向,與該方向垂直的另外一方向作為矩形的另外方向，并以該點(diǎn)作為原點(diǎn)，建立坐標(biāo)系，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(zhǎng)度作為矩形的長(zhǎng)和寬；根據(jù)點(diǎn)密度設(shè)定距離閾值，確定到矩形距離在該閾值范圍內(nèi)的建筑物輪廓點(diǎn)數(shù)目并記錄該點(diǎn)數(shù)對(duì)于建筑物內(nèi)各輪廓點(diǎn)，循環(huán)該步驟并以對(duì)應(yīng)輪廓點(diǎn)數(shù)最多的矩形模型作為該建筑物的第1層外接矩形模型。

(3)將剩余邊界點(diǎn)投影至第1層級(jí)矩形，并計(jì)算投影后在矩形2個(gè)方向上的長(zhǎng)度，計(jì)算平均點(diǎn)間距2倍為閾值。若投影后在矩形兩方向上的長(zhǎng)度大于閾值則根據(jù)對(duì)應(yīng)區(qū)域確定第2層級(jí)的最小外接矩形，將該步驟迭代執(zhí)行至無(wú)剩余輪廓點(diǎn)或輪廓點(diǎn)投影后距離小于閾值即得最小外接矩形。

3.6 建筑物邊界獲取及精度評(píng)價(jià)

對(duì)于得到的建筑物外輪廓線(xiàn)進(jìn)行檢查修改，最后得到建筑物邊界，并對(duì)自動(dòng)獲取的建筑物邊界與人工采集的數(shù)據(jù)進(jìn)行比對(duì)，得到精度統(tǒng)計(jì)誤差，進(jìn)行最終的精度評(píng)定及研究結(jié)論。

4 研究區(qū)概況

本次研究采用以下2個(gè)區(qū)域傾斜攝影數(shù)據(jù)進(jìn)行研究：

(1)研究區(qū)1。研究區(qū)1采集自湖南省某礦區(qū)建筑，測(cè)區(qū)面積30 399 m2，其建筑主要為斜頂?shù)拇u瓦房，高度低矮且較為統(tǒng)一，分布較為零散，并且與樹(shù)木、空地等其他地物間隔分布，且存在遮擋現(xiàn)象。

本研究采用六旋翼傾斜無(wú)人機(jī)和索尼5100相機(jī)系統(tǒng)完成研究區(qū)的傾斜攝影影像數(shù)據(jù)獲取。點(diǎn)云匹配間隔為0.2 m。

(2)研究區(qū)2。研究區(qū)2采集自惠州市某礦區(qū)生活區(qū)，測(cè)區(qū)面積151 172 m2，其建筑類(lèi)型主要為混凝土房、混房及棚房等，建筑分布比較密集，高度差別大，形狀不規(guī)則，具有比較復(fù)雜的結(jié)構(gòu)。

采集設(shè)備為DJI M300 RTK無(wú)人機(jī)掛載塞爾PSDK102S五鏡頭傾斜攝影相機(jī)，點(diǎn)云匹配間隔為0.1 m。研究區(qū)1影像、研究區(qū)2影像如圖4所示。

圖4 研究區(qū)1、區(qū)2影像Fig.4 Image of study No.1 area and No.2 area

此二研究區(qū)的建筑情況可以比較好的體現(xiàn)我國(guó)南方地區(qū)礦區(qū)建筑的情況，具有較高的研究?jī)r(jià)值。

5 實(shí)驗(yàn)結(jié)果及分析

5.1 點(diǎn)云濾波

研究區(qū)點(diǎn)云濾波如圖5所示。由圖5可得，經(jīng)過(guò)點(diǎn)云濾波能較好地將地面點(diǎn)與非地面點(diǎn)分開(kāi)。

圖5 研究區(qū)1、區(qū)2點(diǎn)云圖濾波(非地面點(diǎn))Fig.5 Point cloud filtering in the study No.1 area and No.2 area(non ground points)

5.2 建筑物屋頂面片提取與分割結(jié)果

2個(gè)研究區(qū)建筑物屋頂面片提取與分割結(jié)果如圖6所示。由圖6可以看出，經(jīng)過(guò)優(yōu)化后的屋頂面片分割算法能夠較好地提取各個(gè)屋頂特征，對(duì)較小面積的屋頂能夠有效識(shí)別。

圖6 研究區(qū)1、區(qū)2屋頂面片提取與分割結(jié)果Fig.6 Extraction and segmentation results of roof patch in study No.1 area and No.2 area

5.3 建筑物外輪廓線(xiàn)提取結(jié)果

本次研究主要采用基于Alpha shape的方法提取建筑物外輪廓線(xiàn)，提取結(jié)果分別如圖7所示。 由圖7可以看出，在相鄰建筑面片的合并與外輪廓線(xiàn)提取中，基于Alpha shape的方法能夠有效地表達(dá)房屋的拐角，可以滿(mǎn)足研究區(qū)的要求。

圖7 研究區(qū)1、區(qū)2基于Alpha shape的外輪廓提取Fig.7 Outer contour extraction based on alphashape in study No.1 area and No.2 area

5.4 建筑物提取結(jié)果

使用本研究方法對(duì)研究區(qū)建筑物進(jìn)行提取，最終結(jié)果如圖8所示。

圖8 研究區(qū)1、區(qū)2提取結(jié)果 Fig.8 Extraction results of study No.1area and No.2 area

5.5 精度統(tǒng)計(jì)

對(duì)于兩個(gè)研究區(qū)域，同樣建立了傾斜模型，并進(jìn)行了全人工采集，用于進(jìn)行精度和自動(dòng)提取效率的統(tǒng)計(jì)。通過(guò)將自動(dòng)提取成果與人工采集成果比對(duì)，所得結(jié)果見(jiàn)表1和表2。

表1 自動(dòng)提取與人工采集成果數(shù)量對(duì)比Tab.1 Comparison of automatic extraction andmanual collection results

表2 自動(dòng)提取與人工采集成果誤差統(tǒng)計(jì)Tab.2 Error statistics of automatic extraction and manual collection results

(1)經(jīng)過(guò)優(yōu)化后的屋頂面片分割算法能夠較好地提取各個(gè)屋頂特征，對(duì)較小面積的屋頂能夠有效識(shí)別。在相鄰建筑面片的合并與外輪廓線(xiàn)提取中，基于凸包的方法對(duì)具有拐角的房屋表達(dá)效果不佳，而基于Alpha shape的方法則能夠更加有效地表達(dá)。

(2)2個(gè)研究區(qū)域的正確提取率都在70%以上，已經(jīng)達(dá)到了預(yù)計(jì)效果。在2個(gè)研究區(qū)域的提取結(jié)果中，研究區(qū)1的大部分磚瓦房屋均被有效提取，但有較多小面積屋頂殘缺的破壞房屋未能被提取，但其受樹(shù)木等其他地物的干擾影響小，提取速度也有較好的表現(xiàn)；研究區(qū)2房屋面積均較大，該方法對(duì)于房屋主體具有較好的提取效果，但同時(shí)受到的干擾也較大，導(dǎo)致誤提取率高，主要來(lái)源于樹(shù)木、大型車(chē)輛、較小的空地等。

(3)研究區(qū)要求的點(diǎn)位中誤差是10 cm，2個(gè)研究區(qū)域的中誤差均滿(mǎn)足要求，但是研究區(qū)2的粗差率超限，需進(jìn)一步探討粗差的來(lái)源及消除方法。

(4)通過(guò)對(duì)2個(gè)研究區(qū)域的誤差分析，認(rèn)為傾斜航空攝影影像匹配點(diǎn)云的主要難點(diǎn)為：①傾斜航空攝影影像間的變換不能近似為相似變換；②傾斜航空攝影影像存在嚴(yán)重的遮蔽現(xiàn)象；③傾斜航空攝影影像存在紋理重復(fù)現(xiàn)象。測(cè)試中這些困難對(duì)傾斜攝影測(cè)量的覆蓋性和精度有一定影響，進(jìn)而影響了建筑物邊界自動(dòng)提取的效果。

(5)房屋外形不規(guī)則帶來(lái)的誤差。在輪廓線(xiàn)規(guī)則化的過(guò)程中由于使用迭代最小外接矩形法，對(duì)于規(guī)則房屋的提取效果較好，但對(duì)于非直角房屋的提取精度有一定影響。

(6)部分樹(shù)木、大型車(chē)輛等干擾帶來(lái)的誤提取。

6 結(jié)論

通過(guò)對(duì)2個(gè)研究區(qū)的提取率和精度的統(tǒng)計(jì)與測(cè)試，提供了一種通過(guò)傾斜影像測(cè)量自動(dòng)提取建筑物的方法。結(jié)果表明，使用該方法在2個(gè)研究區(qū)中均得到了較好的效果，大部分房屋的邊界均被識(shí)別。相比于傳統(tǒng)方法，該方法在識(shí)別速度、準(zhǔn)確度方面具有一定優(yōu)勢(shì)，該研究成果是高新技術(shù)在測(cè)繪領(lǐng)域中的有益嘗試，對(duì)于提高建筑物提取的作業(yè)效率、改進(jìn)作業(yè)模式具有重要意義，為以后類(lèi)似研究和實(shí)踐具有較好的參考價(jià)值，且具有推廣意義。