CN103969656A - 基于机载激光雷达的建筑物建模方法和装置 - Google Patents
基于机载激光雷达的建筑物建模方法和装置 Download PDFInfo
- Publication number
- CN103969656A CN103969656A CN201410193508.8A CN201410193508A CN103969656A CN 103969656 A CN103969656 A CN 103969656A CN 201410193508 A CN201410193508 A CN 201410193508A CN 103969656 A CN103969656 A CN 103969656A
- Authority
- CN
- China
- Prior art keywords
- point
- building
- buildings
- line
- convex hull
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种建筑物建模方法和装置,该方法包括:将机载LIDAR数据进行预处理,在非地面点中提取建筑物点云信息;对点云信息进行分割,得到建筑物对象;提取建筑物规则边框;将屋顶点按面片进行分类;根据分类结果,建立建筑物模型;显示所建立的模型效果。本发明大大提高了建筑物模型的精度,还提高了建筑物提取的自动化程度。
Description
技术领域
本发明涉及卫星遥感与图形建模,特别涉及一种基于机载激光雷达的建筑物建模方法和装置。
背景技术
激光雷达(Light Detection And Ranging,简称LIDAR)技术的兴起为解决如何快速获取数据的问题提供了新的选择。激光雷达技术属于一种主动式的信息获取技术,从出现至今己经过了多年的发展,并且逐渐兴起越来越受到相关行业的重视。激光雷达测量技术是从20世纪中后期出现并逐步发展起来的一门新型技术,机载LIDAR***是一个集成***,包含了多个设备,主要有激光测距单元、光学机械扫描单元、控制记录单元、GPS接收机和惯性测量单元IMU(InertialMeasure Unit)等,其中激光测距单元又包括了激光发射器和接收机。激光测距单元主要是用于测量激光发射器与目标反射点之间的距离;光学机械扫描单元使机载LIDAR***可以实现对目标表面沿某方向进行逐点测量;GPS接收机和IMU主要用来获取平台的姿态和位置,这两个设备联合起来又被称为导航***,或者是POS(Positioning andOrientation system)***,通过这些设备的组合解算获取点云数据空间信息。
城市地区建筑物建模,对于数字城市的建立具有极为重要的意义。三维数字城市重建的传统方法主要是通过航空影像立体匹配技术获取建筑物的三维模型。但依然有许多问题没有很好地解决,这也促使研究者去探索用新的数据采集技术或新的数据处理方法进行建筑物的重建。机载LIDAR测量技术的发展为我们获取城市空间信息提供了一种全新的技术手段,其中机载LIDAR所获取的点云数据中包含有大量的建筑物空间信息,由于机载LIDAR的工作原理这部分建筑物信息又主要以建筑物屋顶信息为主。因此机载激光雷达的发展为数字城市中建筑物的建模提供了有力的支持,对机载LIDAR的相关研究对城市的管理与人们的日常生活都具有重要意义。
目前机载激光雷达数建筑物提取的常用的一种方法是基于传统的数字图像处理方法。在遥感的发展过程中已积累了许多模式识别和数字图象处理的算法,其中有一些方法仍然可以引入到对机载激光雷达的数据处理中。通常的做法是将离散的激光雷达点云内插为格网,然后按照图像处理的方法对其进行处理和分析,寻找建筑物边界,结合地形得到建筑物模型。由于这种方法是将激光雷达点云数据当作图像处理,所以在内插的过程中丢失了精度,并且没有很好地利用机载激光雷达点云数据本身的特点。因此获取的建筑物模型在精度上存在比较大的误差。
还有一种方法是基于模型驱动的方法。基于LIDAR点云数据模型驱动构建建筑物模型,需要已知构建点云对象的建筑物类型及建筑样式,然后再模型库中选择对应的模型构建方法,选取或计算出对应参数得到建筑物模型。但这必须提前获知建筑物的类型以及建筑样式,只能对模型库中已有的建筑物进行建模。因此采用模型驱动的方式构建建筑物模型在可用性及自动化等方面受到约束比较严重。
因此,针对相关技术中所存在的上述问题,目前尚未提出有效的解决方案。
发明内容
为解决上述现有技术所存在的问题,本发明提出了一种基于机载激光雷达数据进行建筑物建模的方法。
本发明采用如下技术方案:一种建筑物建模的方法,包括以下步骤:
步骤一:将机载LIDAR数据进行预处理,包括在点云数据中将地面点和非地面点分离;
步骤二:在所述非地面点中提取建筑物点云信息;
步骤三:对点云信息进行分割,得到建筑物对象;
步骤四:提取建筑物对象中的建筑物规则边框;
步骤五:将建筑物对象的屋顶点按面片进行分类;
步骤六:根据所述分类结果,建立建筑物模型;
步骤七:显示所建立的模型效果。
优选地,所述步骤三利用射线法对点云信息进行分割,得到相互分隔的建筑物对象,
其中在射线法的分割过程中,采用绘制多边形,利用射线与多边形焦点的特殊性与奇偶性,判断点是否在多边形内部。
优选地,所述步骤四进一步包括,基于提取建筑物轮廓线的过程,在提取建筑物轮廓线点的同时,记录了轮廓线点的顺序,
所述提取建筑物轮廓线进一步包括:
将集中得到的凸壳顶点作为建筑物的轮廓线点,将点集投影到XOY平面上,
步骤4.1:确定建筑物的第一个凸壳点,本发明选取点集中x坐标最小的点为凸壳的起始点,若有x坐标相同的点,取y坐标最小的点为凸壳的起始点,
步骤4.2:在搜索下一个轮廓线点时,以水平向左为起始方向,记录起始方向到子点集中点与起始点的连接的线段的夹角,角度最小的点为该子点集的凸壳点,即为建筑物的包围壳点,
步骤4.3:若没有确定子点集,依次扩大扫描范围,直至获取包围壳点,以刚得到的点为中心确定子点集,
步骤4.4:以当前得到的包围壳点与上次得到的包围壳点的连线为起始方向,确定子点集中的凸壳点,作为建筑物轮廓线的点,
步骤4.5:重复步骤4.2-4.4,直到获取所有的边界点。
优选地,所述包围壳进一步通过以下过程获取:
(a)输入建筑物离散点云数据集S;
(b)建立离散点云数据的格网索引;
(c)确定起始点,即左下点A;
(d)以起始点为圆心,1.5-2倍点间距为半径,确定当前范围中点集S1={P1,P2,...PnS1={P1,P2,...,Pn},其中P1-Pn为)。
(e)从点集S中确定包围壳点P_(B),其中P_(B)∈S1。
(f)以P_(B)当前点,重复步骤c、d和e,确定下一点P_(B)。
(g)直到当前点P_(B)与点A相同,,轮廓线点提取完毕,过程结束。
优选地,所述步骤五进一步包括:
根据大类点所占比例是否超过设定阈值,将孤立错误类点纠正为大类类型,以优化三角网法向量的分类。
优选地,所述步骤六进一步包括:
根据分类出的建筑物面片,将各面片拟合出相应的平面方程,
根据已经获取的建筑物规则边界,建立各面片之间以及与规则边界各线段的拓扑关系,
根据拓扑关系求面与面的交线,线与线的交点,
利用计算得到的特征点以及对应的拓扑关系构建出建筑物模型。
根据本发明的另一方面,提供了一种用于建筑物建模的装置,包括:
数据预处理模块,用于对机载LIDAR数据进行预处理,包括在点云数据中将地面点和非地面点分离;
点云信息提取模块,用于在非地面点中提取建筑物点云信息;
分割模块,用于利用射线法对点云信息进行分割,得到相互分隔的建筑物对象;
边框提取模块,用于提取建筑物的规则边框;
屋顶点分类模块,用于将屋顶点按面片进行分类;
模型建立模块,用于根据分类结果建立建筑物模型;
显示模块,用于在openGL中显示所建立的模型效果。
相比于现有技术,本发明的技术方案的具有以下优点:相对于传统的城市房屋建模采用的测量方法,使用本发明提供的机载激光雷达技术建模方法无疑速度更快、效率更高,节省大量的人力物力,将在很大程度上提高建筑物三维建模的自动化程度。相对于将激光雷达点云数据当作图像处理的建筑物建模方法,本发明直接从点云数据出发,使用射线法对建筑物进行人机交互分割,大大提高了建筑物模型的精度。而相对于模型驱动的方法,本发明针对其需要预先判断建筑物的类型及建筑样式的缺点,提出了建筑物规则边框的提取和屋顶点按面片分类的方法,有效的提高了建筑物提取的自动化程度。
本发明提出一套完整基于机载激光雷达数据进行建筑物三维建模的方法,随着机载LIDAR数据日益广泛地获取,本发明具有很强的实用价值,将为激光雷达在数字城市建模中的应用提供技术支撑。
附图说明
图1是根据本发明实施例的建筑物建模方法流程图。
图2和图3是根据本发明实施例的利用射线法对点与多边形关系两种情况的示意图。
图4是根据本发明实施例的钉子与凸壳理论的示意图。
图5-8是根据本发明实施例的改进的凸壳算法过程的示意图。
图9是根据本发明实施例的轮廓线提取方法的测试结果图。
具体实施方式
多种方式可以用于(包括实施为过程;装置;***;物质组成;在计算机可读存储介质上包括的计算机程序产品;和/或处理器(诸如如下处理器,该处理器被配置成执行在耦合到处理器的存储器上存储的和/或由该存储器提供的指令))实施本发明。在本说明书中,这些实施或者本发明可以采用的任何其他形式可以称为技术。一般而言,可以在本发明的范围内变更公开的过程的步骤顺序。除非另有明示,描述为被配置成执行任务的部件(诸如处理器或者存储器)可以实施为被临时配置成在给定时间执行该任务的一般部件或者被制造成执行该任务的具体部件。
下文与图示本发明原理的附图一起提供对本发明一个或者多个实施例的详细描述。结合这样的实施例描述本发明,但是本发明不限于任何实施例。本发明的范围仅由权利要求书限定,并且本发明涵盖诸多替代、修改和等同物。在下文描述中阐述诸多具体细节以便提供对本发明的透彻理解。出于示例的目的而提供这些细节,并且无这些具体细节中的一些或者所有细节也可以根据权利要求书实现本发明。
本发明的目的在于克服已有的利用激光雷达点云数据进行建筑物提取和建模的缺陷,结合射线法分割、规则边框提取和屋顶点面片分类算法,提出一套完整的基于机载激光雷达数据进行建筑物三维建模的方法,克服现有技术中存在的问题
本发明直接从点云数据本身出发,使用射线法对建筑物进行人机交互分割,大大提高了建筑物模型的精度,从而克服了将激光雷达点云数据当作图像处理的方法内插的过程中丢失精度,误差较大的问题。另一方面,本发明提出使用建筑物规则边框的提取和屋顶点按面片分类的方法自动进行建筑类型及建筑样式的提取,有效的提高了建筑物提取的自动化程度,克服了可用性及自动化等方面的严重约束,从而最终实现建筑物模型的建立。
具体地,本发明的建筑物建模的方法包括以下步骤:
(1)数据预处理。该过程包含点云数据的误差剔除和滤波,并且实现地面点和非地面点的分离。
(2)在非地面点中提取建筑物点云信息。
(3)利用射线法对点云信息进行分割,得到相互分隔的建筑物对象。
由于自动分割过程中误差的存在,例如两栋房屋距离太近、房屋间的噪声点等等。因此在分割后个别建筑物可能与另一个或者多个其他建筑物分为同一栋建筑,导致建筑物与真实建筑物间的形态有较大差距,所以分割过程需要人机交互来分割建筑物。
具体地,本发明采用绘制多边形,判断点在多边形内部的方法进行人工分割。现有的判断点在多边形内部的方法主要是射线法,射线法的理论思想是:以待判断点为端点向任一确定方向做一条射线,判断射线与绘制多边形的的交点个数,当交点数为奇数个时则判断点在多边形内部,当交点个数为偶数个时则判断点在多边形的外部(如图2所示),图2中根据这一理论很容易判别出A点在多边形内部,B点在多边形外部。但是采用此射线法会有些特殊情况无法判断(如图3所示),图3中如当A点与多边形有三个交点为奇数个时,按照射线法应该在多边形内部,但实际情况其在多边形外,B点同理得出矛盾的结论。
因此本发明对射线法的判别方式上做了一些改进,通过利用射线与多边形焦点的特殊性与奇偶性判断点是否在多边形内部,将上述射线法的漏洞弥补完善,提高手动分割的精度。
(4)提取建筑物的规则边框。
以上基于原始点云数据的建筑物轮廓线的提取,仅把边界的点从原始数据中提取出来,边界的点之间的顺序关系没有表达出来,为后续处理带来不便。本发明改进了基于凸壳理论提取建筑物轮廓线的方法,在提取建筑物轮廓线点的同时,记录了轮廓线点的顺序。
凸壳理论可以这样来形象的描述,有一块木板我们在上面钉上许多的钉子代表点,然后取一根橡皮筋套在钉子上,此时橡皮筋被拉伸后的形状就是这些钉子的凸壳(如图4所示)。平面点集的嗸壳边界是一个凸多边形,其顶点是点集中的点,且凸壳边界是包围点集的最小多边形,是具有最小周长且封闭的凸多边形。由于建筑物的轮廓线并不总是凸多边形,因此,仅用凸多边形是不能表达建筑物的轮廓线的,本发明改进了自凸壳提取思想提出包围壳顶点的方法,能有效的提取建筑物的边界。
基于包围壳算法提取建筑物的轮廓线的方法是将从一定范围内点集中得到的凸壳顶点作为建筑物的轮廓线点,这样得到的轮廓线点并不是建筑物点集的凸壳,但是能体现建筑物的轮廓线。由于建筑物屋顶点集中点是三维的,本发明在提取轮廓线时将点集投影到XOY平面上即只考虑点集的平面坐标。与凸壳算法一样,首先确定建筑物的第一个凸壳点,本发明选取点集中x坐标最小的点为凸壳的起始点,若有x坐标相同的点,取y坐标最小的点,即左下点。容易理解,左下点必为凸壳的一个顶点,如图5中红色点所示。在搜索下一个轮廓线点时,与凸壳算法不同的是,凸壳算法是整个点集中的点为探测对象,而本发明是将探测范围做了一定的范围限定,如图6中所示,以水平向左为起始方向,记录起始方向到子点集中点与起始点的连接的线段的夹角(顺时针),角度最小的点为该子点集的凸壳点(图6中绿色点),即为建筑物的包围壳点。若没有确定子点集,依次扩大扫描范围直至获取包围壳点(如图6中红色圆)。接着,以刚得到的点为中心,确定子点集,以该点与上次得到的点的连线为起始方向,确定子点集中的凸壳点,作为建筑物轮廓线的点。如图7所示。按照上述步骤,直到获取所有的边界点,图8所示。
包围壳获取过程
通过上述描述,采用包围壳的顶点作为建筑物轮廓线点,因此,需要确定搜索子集范围。在确定子点集时,需要从建筑物点集中搜寻临近点,采用平面格网索引组织数据,便于搜索临近点。子点集的确定方式为以确定的轮廓线点为中心,将一定半径区域内的点作为子点集。该半径一般设置为1.5—2倍的点间距,这样得出的轮廓线点能更紧凑的表现建筑物轮廓。包围壳的具体获取过程步骤如下:
(a)输入建筑物离散点云数据集S;
(b)建立离散点云数据的格网索引;
(c)确定起始点,即左下点A点;
(d)以起始点为圆心,1.5-2倍点间距为半径,确定范围中点集S1={P1,P2,...Pn(Pn为点)。
(e)采用上述方法,从点集S中确定包围壳点P_(B),其中P_(B)∈S1。
(f)以P_(B)当前点,重复步骤c、d和e,确定下一点P_(B)。
(g)直到当前点P_(B)与A点相同,算法结束,轮廓线点提取完毕。
图9为采用上述算法的测试结果图。左边为点集,右边红色点为采用该方法获取的轮廓线点,从图9可以看出,该算法能有效的提取建筑物的包围壳点。
(5)将屋顶点按面片进行分类。
现有的三角网法向量法对点面片分类,由于误差的存在会导致个别点分类错误,即在大体上分类正确的情况下参杂着其他类别点,但事实上这些参杂的误差点也本应是属于周围的主体类别点。但是分类错误点却大程度的影响面片分割效果,及后续的数据处理精度。
因此针对这种情况对算法做了改进,通过根据一定区域中大类点所占比例是否超过设定阈值,将少量或孤立错误类点纠正为大类类型。纠正了存在与大类别中的少量误差点,优化了现有的三角网法向量的分类结果。
(6)建立建筑物模型。
根据分类出的建筑物面片,将各面片拟合出相应的平面方程,根据已经获取的建筑物规则边界,建立各面片之间以及与规则边界各线段的拓扑关系,根据拓扑关系求面与面的交线,线与线的交点,最终利用计算得到的特征点以及对应的拓扑关系构建出建筑物模型。
(7)在openGL中显示所建立的模型效果。
在实施过程中,本发明通过对点云数据的预处理及后期建筑物的建模等的相关改进,结合国内多以平房、人字房、四坡房和L形房为主,对这几类的建筑物模型进行了重建。在建筑物点云中分类出某一种建筑物,然后调用该类的模型重建算法,实现建筑物的建模。
根据本发明的另一方面,提供了一种用于建筑物建模的装置,包括:
数据预处理模块;
点云信息提取模块,用于在非地面点中提取建筑物点云信息;
分割模块,用于利用射线法对点云信息进行分割,得到相互分隔的建筑物对象;
边框提取模块,用于提取建筑物的规则边框;
屋顶点分类模块,用于将屋顶点按面片进行分类;
模型建立模块,用于根据分类结果建立建筑物模型;
显示模块,用于在openGL中显示所建立的模型效果。
综上所述,本发明提出一套完整基于机载激光雷达数据进行建筑物三维建模的方法和装置,随着机载LIDAR数据日益广泛地获取,本发明具有很强的实用价值,将为激光雷达在数字城市建模中的应用提供技术支撑。相对于传统的建模方法,本发明提供的机载激光雷达技术建模方法无疑速度更快、效率更高,节省大量的人力物力,将在很大程度上提高建筑物三维建模的自动化程度,直接从点云数据出发,使用射线法对建筑物进行人机交互分割,大大提高了建筑物模型的精度。针对其需要预先判断建筑物的类型及建筑样式的缺点,提出了建筑物规则边框的提取和屋顶点按面片分类的方法,有效的提高了建筑物提取的自动化程度。
显然,本领域的技术人员应该理解,上述的本发明的各模块或各步骤可以用通用的计算***来实现,它们可以集中在单个的计算***上,或者分布在多个计算***所组成的网络上,可选地,它们可以用计算***可执行的程序代码来实现,从而,可以将它们存储在存储***中由计算***来执行。这样,本发明不限制于任何特定的硬件和软件结合。
应当理解的是,本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理,而不构成对本发明的限制。因此,在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。此外,本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。
Claims (7)
1.一种建筑物建模方法,其特征在于,包括:
步骤一:将机载LIDAR数据进行预处理,包括在点云数据中将地面点和非地面点分离;
步骤二:在所述非地面点中提取建筑物点云信息;
步骤三:对点云信息进行分割,得到建筑物对象;
步骤四:提取建筑物对象中的建筑物规则边框;
步骤五:将建筑物对象的屋顶点按面片进行分类;
步骤六:根据所述分类结果,建立建筑物模型;
步骤七:显示所建立的模型效果。
2.根据权利要求1所述的方法,其特征在于,所述步骤三利用射线法对点云信息进行分割,得到相互分隔的建筑物对象,
其中在射线法的分割过程中,采用绘制多边形,利用射线与多边形焦点的特殊性与奇偶性,判断点是否在多边形内部。
3.根据权利要求1所述的方法,其特征在于,所述步骤四进一步包括,基于提取建筑物轮廓线的过程,在提取建筑物轮廓线点的同时,记录了轮廓线点的顺序,
所述提取建筑物轮廓线进一步包括:
将集中得到的凸壳顶点作为建筑物的轮廓线点,将点集投影到XOY平面上,
步骤4.1:确定建筑物的第一个凸壳点,本发明选取点集中x坐标最小的点为凸壳的起始点,若有x坐标相同的点,取y坐标最小的点为凸壳的起始点,
步骤4.2:在搜索下一个轮廓线点时,以水平向左为起始方向,记录起始方向到子点集中点与起始点的连接的线段的夹角,角度最小的点为该子点集的凸壳点,即为建筑物的包围壳点,
步骤4.3:若没有确定子点集,依次扩大扫描范围,直至获取包围壳点,以刚得到的点为中心确定子点集,
步骤4.4:以当前得到的包围壳点与上次得到的包围壳点的连线为起始方向,确定子点集中的凸壳点,作为建筑物轮廓线的点,
步骤4.5:重复步骤4.2-4.4,直到获取所有的边界点。
4.根据权利要求3所述的方法,其特征在于,所述包围壳进一步通过以下过程获取:
(a)输入建筑物离散点云数据集S;
(b)建立离散点云数据的格网索引;
(c)确定起始点,即左下点A;
(d)以起始点为圆心,1.5-2倍点间距为半径,确定当前范围中点集S1={P1,P2,...,PnS1={P1,P2,...,Pn},其中P1-Pn为)。
(e)从点集S中确定包围壳点P_(B),其中P_(B)∈S1。
(f)以P_(B)当前点,重复步骤c、d和e,确定下一点P_(B)。
(g)直到当前点P_(B)与点A相同,,轮廓线点提取完毕,过程结束。
5.根据权利要求1所述的方法,其特征在于,所述步骤五进一步包括:
根据大类点所占比例是否超过设定阈值,将孤立错误类点纠正为大类类型,以优化三角网法向量的分类。
6.根据权利要求1所述的方法,其特征在于,所述步骤六进一步包括:
根据分类出的建筑物面片,将各面片拟合出相应的平面方程,
根据已经获取的建筑物规则边界,建立各面片之间以及与规则边界各线段的拓扑关系,
根据拓扑关系求面与面的交线,线与线的交点,
利用计算得到的特征点以及对应的拓扑关系构建出建筑物模型。
7.一种用于建筑物建模的装置,其特征在于,包括:
数据预处理模块,用于对机载LIDAR数据进行预处理,包括在点云数据中将地面点和非地面点分离;
点云信息提取模块,用于在非地面点中提取建筑物点云信息;
分割模块,用于利用射线法对点云信息进行分割,得到相互分隔的建筑物对象;
边框提取模块,用于提取建筑物的规则边框;
屋顶点分类模块,用于将屋顶点按面片进行分类;
模型建立模块,用于根据分类结果建立建筑物模型;
显示模块,用于在openGL中显示所建立的模型效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410193508.8A CN103969656A (zh) | 2014-05-08 | 2014-05-08 | 基于机载激光雷达的建筑物建模方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410193508.8A CN103969656A (zh) | 2014-05-08 | 2014-05-08 | 基于机载激光雷达的建筑物建模方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103969656A true CN103969656A (zh) | 2014-08-06 |
Family
ID=51239385
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410193508.8A Pending CN103969656A (zh) | 2014-05-08 | 2014-05-08 | 基于机载激光雷达的建筑物建模方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103969656A (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898106A (zh) * | 2014-12-04 | 2015-09-09 | 武汉天擎空间信息技术有限公司 | 一种面向复杂地形机载激光雷达数据的地面点提取方法 |
CN106127153A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 车载激光扫描点云数据的交通标牌识别方法 |
CN106127857A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 综合数据驱动与模型驱动的机载LiDAR数据建模方法 |
CN106126816A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 重复建筑自动感知下的大规模als建筑点云建模方法 |
CN106199557A (zh) * | 2016-06-24 | 2016-12-07 | 南京林业大学 | 一种机载激光雷达数据植被提取方法 |
CN106780350A (zh) * | 2016-11-30 | 2017-05-31 | 王征 | 一种基于旋转角度模型库的3d模型旋转角度自匹配***及方法 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN108829951A (zh) * | 2018-05-31 | 2018-11-16 | 北京中油瑞飞信息技术有限责任公司 | 油藏模型边界确定方法和装置 |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN110648388A (zh) * | 2019-08-19 | 2020-01-03 | 北京影谱科技股份有限公司 | 一种场景几何建模的方法、装置及设备 |
CN110749895A (zh) * | 2019-12-23 | 2020-02-04 | 广州赛特智能科技有限公司 | 一种基于激光雷达点云数据的定位方法 |
WO2020103043A1 (zh) * | 2018-11-21 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 线状物识别方法及装置、***和计算机存储介质 |
CN111323788A (zh) * | 2020-01-19 | 2020-06-23 | 北京建筑大学 | 建筑物变化的监测方法、装置及计算机设备 |
CN111340136A (zh) * | 2020-03-17 | 2020-06-26 | 飞燕航空遥感技术有限公司 | 机载激光雷达点云中建筑物点分类扩张方法和*** |
CN111739164A (zh) * | 2019-03-19 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 箱体建模方法、装置、机器人拣选***、电子设备及介质 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN112346409A (zh) * | 2020-11-17 | 2021-02-09 | 浙江大学 | 一种快速判断点云包含问题的方法 |
CN113129323A (zh) * | 2021-04-27 | 2021-07-16 | 西安微电子技术研究所 | 一种基于人工智能的遥感田埂界线检测方法、***、计算机设备及存储介质 |
CN113345089A (zh) * | 2021-05-31 | 2021-09-03 | 西北农林科技大学 | 一种基于电力塔点云的规则化建模方法 |
WO2022134328A1 (zh) * | 2020-12-21 | 2022-06-30 | 福建汇川物联网技术科技股份有限公司 | 一种建筑信息模型的构建方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1200801B1 (en) * | 1999-07-14 | 2004-05-12 | Cyra Technologies, Inc. | Methods for operating a laser scanner |
CN101604450A (zh) * | 2009-07-24 | 2009-12-16 | 武汉大学 | 集成影像与LiDAR数据提取建筑物轮廓的方法 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
CN101950434A (zh) * | 2010-09-13 | 2011-01-19 | 天津市星际空间地理信息工程有限公司 | 一种车载激光雷达***及城市部件自动化测量方法 |
CN102521884A (zh) * | 2011-12-16 | 2012-06-27 | 南京大学 | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 |
CN103324945A (zh) * | 2013-07-08 | 2013-09-25 | 南京大学 | 一种基于模式识别的森林点云分类方法 |
-
2014
- 2014-05-08 CN CN201410193508.8A patent/CN103969656A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1200801B1 (en) * | 1999-07-14 | 2004-05-12 | Cyra Technologies, Inc. | Methods for operating a laser scanner |
CN101604450A (zh) * | 2009-07-24 | 2009-12-16 | 武汉大学 | 集成影像与LiDAR数据提取建筑物轮廓的方法 |
CN101702200A (zh) * | 2009-11-03 | 2010-05-05 | 武汉大学 | 一种机载激光雷达点云数据的自动分类方法 |
CN101950434A (zh) * | 2010-09-13 | 2011-01-19 | 天津市星际空间地理信息工程有限公司 | 一种车载激光雷达***及城市部件自动化测量方法 |
CN102521884A (zh) * | 2011-12-16 | 2012-06-27 | 南京大学 | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 |
CN103324945A (zh) * | 2013-07-08 | 2013-09-25 | 南京大学 | 一种基于模式识别的森林点云分类方法 |
Non-Patent Citations (9)
Title |
---|
吴华意等: ""从机载激光扫描数据中交互式提取人字形房屋模型的方法研究"", 《中国图象图形学报》 * |
吴坚等: ""一种检测点是否在多边形或多面体内的方法"", 《小型微型计算机***》 * |
杨斌: ""机载LiDAR点云数据建筑物半自动提取方法研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
杨洋等: ""基于LIDAR数据的建筑物自动化重建"", 《测绘科学与技术学报》 * |
王红娟: ""判断点在任意简单多边形内的改进算法"", 《福建电脑》 * |
符小俐等: ""一种从机载LiDAR点云获取建筑物外部轮廓的方法"", 《测绘工程》 * |
胡伟: ""机载LiDAR数据三维建筑物模型重建方法研究"", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
胡伟: ""机载LiDAR数据三维建筑物模型重建方法研究"", 《中国优秀硕士学位论文全文数据库基础科学辑》, no. 1, 15 January 2014 (2014-01-15) * |
董秀山等: ""判断点与简单多边形位置关系的新算法"", 《计算机工程与应用》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898106A (zh) * | 2014-12-04 | 2015-09-09 | 武汉天擎空间信息技术有限公司 | 一种面向复杂地形机载激光雷达数据的地面点提取方法 |
CN106127153B (zh) * | 2016-06-24 | 2019-03-05 | 南京林业大学 | 车载激光扫描点云数据的交通标牌识别方法 |
CN106127857A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 综合数据驱动与模型驱动的机载LiDAR数据建模方法 |
CN106126816A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 重复建筑自动感知下的大规模als建筑点云建模方法 |
CN106199557A (zh) * | 2016-06-24 | 2016-12-07 | 南京林业大学 | 一种机载激光雷达数据植被提取方法 |
CN106127857B (zh) * | 2016-06-24 | 2018-11-16 | 南京林业大学 | 综合数据驱动与模型驱动的机载LiDAR数据建模方法 |
CN106126816B (zh) * | 2016-06-24 | 2019-04-05 | 南京林业大学 | 重复建筑自动感知下的大规模als建筑点云建模方法 |
CN106127153A (zh) * | 2016-06-24 | 2016-11-16 | 南京林业大学 | 车载激光扫描点云数据的交通标牌识别方法 |
CN106780350A (zh) * | 2016-11-30 | 2017-05-31 | 王征 | 一种基于旋转角度模型库的3d模型旋转角度自匹配***及方法 |
CN107393004A (zh) * | 2017-07-17 | 2017-11-24 | 北京数字绿土科技有限公司 | 一种获取输电线走廊中建筑物拆迁量的方法及装置 |
CN108829951A (zh) * | 2018-05-31 | 2018-11-16 | 北京中油瑞飞信息技术有限责任公司 | 油藏模型边界确定方法和装置 |
WO2020103043A1 (zh) * | 2018-11-21 | 2020-05-28 | 深圳市大疆创新科技有限公司 | 线状物识别方法及装置、***和计算机存储介质 |
CN109887082A (zh) * | 2019-01-22 | 2019-06-14 | 武汉大学 | 一种基于点云数据的室内建筑三维建模方法及装置 |
CN111739164A (zh) * | 2019-03-19 | 2020-10-02 | 北京京东尚科信息技术有限公司 | 箱体建模方法、装置、机器人拣选***、电子设备及介质 |
CN110648388A (zh) * | 2019-08-19 | 2020-01-03 | 北京影谱科技股份有限公司 | 一种场景几何建模的方法、装置及设备 |
CN110749895A (zh) * | 2019-12-23 | 2020-02-04 | 广州赛特智能科技有限公司 | 一种基于激光雷达点云数据的定位方法 |
CN111323788A (zh) * | 2020-01-19 | 2020-06-23 | 北京建筑大学 | 建筑物变化的监测方法、装置及计算机设备 |
CN111323788B (zh) * | 2020-01-19 | 2022-04-15 | 北京建筑大学 | 建筑物变化的监测方法、装置及计算机设备 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN111340136A (zh) * | 2020-03-17 | 2020-06-26 | 飞燕航空遥感技术有限公司 | 机载激光雷达点云中建筑物点分类扩张方法和*** |
CN111340136B (zh) * | 2020-03-17 | 2020-10-13 | 飞燕航空遥感技术有限公司 | 机载激光雷达点云中建筑物点分类扩张方法和*** |
CN112346409A (zh) * | 2020-11-17 | 2021-02-09 | 浙江大学 | 一种快速判断点云包含问题的方法 |
CN112346409B (zh) * | 2020-11-17 | 2021-10-08 | 浙江大学 | 一种快速判断点云包含问题的方法 |
WO2022134328A1 (zh) * | 2020-12-21 | 2022-06-30 | 福建汇川物联网技术科技股份有限公司 | 一种建筑信息模型的构建方法及装置 |
CN113129323A (zh) * | 2021-04-27 | 2021-07-16 | 西安微电子技术研究所 | 一种基于人工智能的遥感田埂界线检测方法、***、计算机设备及存储介质 |
CN113345089A (zh) * | 2021-05-31 | 2021-09-03 | 西北农林科技大学 | 一种基于电力塔点云的规则化建模方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103969656A (zh) | 基于机载激光雷达的建筑物建模方法和装置 | |
CN102521884B (zh) | 一种基于LiDAR数据与正射影像的3维屋顶重建方法 | |
US7752018B2 (en) | Geospatial modeling system providing building roof type identification features and related methods | |
CN104298998A (zh) | 一种3d点云的数据处理方法 | |
US8099264B2 (en) | Geospatial modeling system providing inpainting and error calculation features and related methods | |
KR20140014596A (ko) | 지상 라이다에서 취득된 포인트 클라우드 기반의 실내공간 3차원 모델 추출 방법 및 이를 구현하기 위한 프로그램이 기록된 기록매체 | |
CN112990086A (zh) | 遥感影像建筑物检测方法、装置及计算机可读存储介质 | |
EP2911090B1 (en) | A method and arrangement for identifying a difference between a first 3D model of an environment and a second 3D model of the environment | |
CN103093456A (zh) | 基于图像的玉米果穗性状指标计算方法 | |
Chiabrando et al. | A comparison among different optimization levels in 3D multi-sensor models. A test case in emergency context: 2016 Italian earthquake | |
CN113537141B (zh) | 一种堤坝管涌和滑坡病害快速检测方法及*** | |
CN104657968A (zh) | 车载三维激光点云立面分类及轮廓线提取自动化方法 | |
Hu et al. | A fast and simple method of building detection from LiDAR data based on scan line analysis | |
CN111539100B (zh) | 井场虚拟建设模型的生成方法、装置、设备及存储介质 | |
Tutzauer et al. | Semantic urban mesh enhancement utilizing a hybrid model | |
Wang et al. | Automatic as-is 3D building models creation from unorganized point clouds | |
RU2612571C1 (ru) | Способ и система распознавания городских объектов | |
CN102800125B (zh) | 一种支持套索的大规模点云选择方法 | |
CN116681959B (zh) | 基于机器学习的锋线识别方法、装置、存储介质及终端 | |
Song et al. | An unsupervised, open-source workflow for 2d and 3d building mapping from airborne lidar data | |
Sarıtaş et al. | Enhancing Ground Point Extraction in Airborne LiDAR Point Cloud Data Using the CSF Filter Algorithm | |
JP5181379B1 (ja) | 発電ポテンシャル評価装置、及び発電ポテンシャル評価プログラム | |
CN116051980B (zh) | 基于倾斜摄影的建筑识别方法、***、电子设备及介质 | |
Namouchi et al. | Piecewise horizontal 3d roof reconstruction from aerial lidar | |
McAlinden et al. | Procedural reconstruction of simulation terrain using drones |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140806 |
|
RJ01 | Rejection of invention patent application after publication |