本发明涉及测绘领域，特别是一种数字线划图半自动测图方法。
二、技术背景
传统的数字线划图测图方法，主要采用工程测量、传统航空摄影测量技术。但这些传统技术手段都存在明显的缺点和不足：
(1)工程测量存在工作量大、项目成本高、周期长、劳动强度大等多方面缺点，在大范围数字线划图测图项目中不具有经济可行性；
(2)传统航空摄影测量需要布设大量外业像控点、立体测图自动化程度低、生产效率低、项目周期长、在山区特别是林木覆盖地区测图精度差，在大比例尺数字线划图测图中存在很大的局限性。
所以在数字线划图测图过程中采用工程测量、传统航空摄影测量等方法时，不可避免地带来很多麻烦且效率低下。因此，现有技术存在自动化程度低、生产效率低、项目成本高，开发周期长、产品精度低等多方面缺点。怎样在保证数字线划图测图产品质量的前提下，提高自动化程度和生产效率、降低项目成本，缩短开发周期成为本领域科技人员急待解决的问题。
三、
技术实现要素：
为了解决现有测绘遥感技术在数字线划图测图中带来的诸多问题，提高生产效率，本发明的目的是提供一种机载LIDAR单片模式下的数字线划图半自动测图方法。它在保证数字线划图产品精度的情况下，提高了测图的自动化程度和生产效率，极大的降低了项目开发成本，缩短了项目周期，克服了传统测绘遥感技术手段存在的缺点。
本发明的目的是这样实现的：一种数字线划图半自动测图方法，其中，该方法包括如下步骤：
参考点云分类结果，确定建筑物外轮廓的有效分析区；
采用Canny算法在航片有效分析区内进行建筑物边界特征线的提取，参考分析区内的点云、建筑物主方向、建筑物特征线长度等信息，对提取的建筑物特征线进行优先级分类，建立建筑物边界特征线的分级候选库；
在航片上显示建筑物特征线分类结果，设计一套人工交互方法实现对遗漏特征线的快速提取和冗余、错误特征线的快速删除和修改；
参考建筑物屋顶点云高程信息，实现建筑物特征线像空间向物空间的转换；
参考物空间建筑物特征线和分析区点云数据，采用分裂合并算法自动构建建筑物外轮廓拓扑关系，生成建筑物外轮廓边界。
一种数字线划图半自动测图方法，其中，其中建立建筑物边界特征线的分级候选库方法如下：
建筑物特征线分为三级，划分标准主要为：建筑物特征线有效长度、特征线与主方向的偏角、特征线两侧点云类别密度比；
第一级建筑物特征线的筛选方法为：首先，筛选出长度大于一定阈值的特征线；之后，在此结果基础上筛选出与主方向偏角小于一定阈值的特征线；然后，在此结果基础上筛选出地面和建筑物点类别密度比大于一定阈值的特征线；最后，在此提取集中，对周围垂直方向无小于一定距离特征线的特征线，直接确定为第一级建筑物特征线，对于周围垂直方向有小于一定距离特征线的特征线，偏向地面一侧的分为第一级建筑物特征线，偏向建筑物一侧的分为第三级建筑物特征线；
对于长度小于一定阈值的特征线，分为第三级建筑物特征线；剩余建筑物特征线统一分为第二类特征线。其中，第一级特征线为直接可参考使用的建筑物边界特征线，第三级特征线为信任度最差的建筑物边界特征线，第二级特征线为后期人工辅助编辑时重点参考的候选边界特征线。
一种数字线划图半自动测图方法，其中，其中一套实现对遗漏特征线的快速提取和冗余、错误特征线的快速删除、修改的人工交互方法如下：
在航片单片测图环境中显示分级候选库中的所有第一级特征线，绝大部分均为真实、可用的特征线；对于多余的边界特征线，通过鼠标点选方式直接删除，对于位置和方向错误的边界，通过鼠标点选并重新在航片上人工输入特征线位置后进行替换；
第一季特征线核实完成后，屏蔽不显示第一级特征线，显示第二级特征线。在第二级特征线中，对于提取正确且需要的边界特征线，通过鼠标捕捉高亮提示选择方式进行人工交互；
对于航片上算法未自动提取的特征线，可采用人工在航片上沿边界垂直方向划线方式提供辅助信息，之后调节图象边界提取算法的参数值，自动把需要的边界线提取出来，人工鼠标点击即可。
本项发明与现有技术相比具有以下优点：
①变革了传统立体像对方式的测图思路，避免了传统航测方法下数字线划图全手工测图问题，成倍的提高了测图生产效率：
传统摄影测量技术也可以采用单片测图方法，但与本方法不同，该方法不能有效利用激光点云的有效信息，也不能实现要素像空间向物空间的快速转换。
②较低的测图项目成本，较短的测图周期：
机载LIDAR不需要外业地面像控点、在部分矢量线的提取方面实现了半自动化甚至全自动化，可极大的节省项目开发成本，缩短测图项目周期。
③高精度的数字线划图产品：
机载LIDAR与传统数码航片一样，参考高分辨率的数码航片可精确确定地物要素的平面位置。但机载LIDAR同时可获取高精度、高密集的三维激光点云数据，通过内插后生成的等高线和高程注记点高程精度可达到20cm左右，在森林覆盖密集的山区优势更为明显。相比于传统航空摄影测量，机载LIDAR可获取更高精度的数字线划图产品。
四、具体实施方式
机载LIDAR单片模式下的数字线划图半自动测图方法与现有技术相比有很大的不同，具体是：
一种机载LIDAR单片模式下的数字线划图半自动测图方法，其中，该方法包括如下步骤：
参考点云分类结果，确定建筑物外轮廓的有效分析区；
采用Canny算法在航片有效分析区内进行建筑物边界特征线的提取，参考分析区内的点云、建筑物主方向、建筑物特征线长度等信息，对提取的建筑物特征线进行优先级分类，建立建筑物边界特征线的分级候选库；
在航片上显示建筑物特征线分类结果，设计一套人工交互方法实现对遗漏特征线的快速提取和冗余、错误特征线的快速删除和修改；
参考建筑物屋顶点云高程信息，实现建筑物特征线像空间向物空间的转换；
参考物空间建筑物特征线和分析区点云数据，采用分裂合并算法自动构建建筑物外轮廓拓扑关系，生成建筑物外轮廓边界。
一种数字线划图半自动测图方法，其中，其中建立建筑物边界特征线的分级候选库方法如下：
建筑物特征线分为三级，划分标准主要为：建筑物特征线有效长度、特征线与主方向的偏角、特征线两侧点云类别密度比；
第一级建筑物特征线的筛选方法为：首先，筛选出长度大于一定阈值的特征线；之后，在此结果基础上筛选出与主方向偏角小于一定阈值的特征线；然后，在此结果基础上筛选出地面和建筑物点类别密度比大于一定阈值的特征线；最后，在此提取集中，对周围垂直方向无小于一定距离特征线的特征线，直接确定为第一级建筑物特征线，对于周围垂直方向有小于一定距离特征线的特征线，偏向地面一侧的分为第一级建筑物特征线，偏向建筑物一侧的分为第三级建筑物特征线；
对于长度小于一定阈值的特征线，分为第三级建筑物特征线；剩余建筑物特征线统一分为第二类特征线。其中，第一级特征线为直接可参考使用的建筑物边界特征线，第三级特征线为信任度最差的建筑物边界特征线，第二级特征线为后期人工辅助编辑时重点参考的候选边界特征线。
一种数字线划图半自动测图方法，其中，其中一套实现对遗漏特征线的快速提取和冗余、错误特征线的快速删除、修改的人工交互方法如下：
在航片单片测图环境中显示分级候选库中的所有第一级特征线，绝大部分均为真实、可用的特征线；对于多余的边界特征线，通过鼠标点选方式直接删除，对于位置和方向错误的边界，通过鼠标点选并重新在航片上人工输入特征线位置后进行替换；
第一季特征线核实完成后，屏蔽不显示第一级特征线，显示第二级特征线。在第二级特征线中，对于提取正确且需要的边界特征线，通过鼠标捕捉高亮提示选择方式进行人工交互；
对于航片上算法未自动提取的特征线，可采用人工在航片上沿边界垂直方向划线方式提供辅助信息，之后调节图象边界提取算法的参数值，自动把需要的边界线提取出来，人工鼠标点击即可。
下面以一个具体实施案例进行详细阐述：
通过设备的检校飞行，可完成激光传感器和数码相机两种设备参数的精确检校；以激光点云条带、数码航片条带的重叠部分信息为参考，参考少量地面控制点，对整个数据进行整体平差处理，同时参考点云构成的数字地面模型和高精度Pos辅助定位信息对航片进行整体空三加密处理，可得到测区内高精度的数字高程模型和具有高精度外方位元素的数码航片，实现点云和航片在像空间的精确匹配；构建点云和航片集成的单片测图环境，采用人工辅助方式实现建筑物和道路、水系、植被等线状地物特征线的半自动提取；其它剩余地物提取，仍在单片测图环境中采用手工编辑完成；同时，参考高精度的激光点云，实现等高线内插和高程注记点的自动生成。
1、设备激光传感器和数码相机参数的精确检校。激光传感器需检校heading、roll、pitch三个参数，数码相机除需检校heading、roll、pitch外，还需检校相机的畸变参数。两套传感器的设备检校需选取满足技术要求的检校场，测量外业地面控制点，采用专业数据处理和分析方法进行设备检校参数的解算，去除测量过程中的系统误差。
2、点云和数码航片的精确匹配。由于测区实地航测飞行过程中Pos定位定姿存在一定的偶然误差，原始航测获取的点云和数码航片会存在一定的误差，需要进行整体平差优化，得到具有最好精度的成果数据。对点云数据而言，可参考机载LIDAR点云测量原理，确定误差模型，以相邻或交叉区域点云错位信息为参考采用整体平差方法解算出x、y、z、heading、roll、pitch六个变量的改正值，实现对点云精度的整体优化；参考地面激光点云构建的数字地面模型和POS辅助定位信息，内业采集测区航片重叠区域同名点，参考公共点较差进行测区整体空三加密，整体平差后对每张航片的外方位元素进行微小改正，去除局部偶然误差。在对点云和航片数据质量进行整体优化后，可实现点云和航片的精确匹配。两种数据源的匹配是以透视投影方式在二维像空间中实现，匹配的数学基础为摄影测量学中的共线方程，具体如下：
x＝-f(a1(X-Xs)+b1(Y-Ys)+c1(Z-Zs))/(a3(X-Xs)+b3(Y-Ys)+c3(Z-Zs))
y＝-f(a2(X-Xs)+b2(Y-Ys)+c2(Z-Zs))/(a3(X-Xs)+b3(Y-Ys)+c3(Z-Zs))
3、航片单片模式下的建筑物和道路、水系、植被等线状地物矢量线划的半自动提取。具体方法如下：
(1)人工辅助方式的建筑物外轮廓提取方法：在激光点云地面滤波分类完成后，参考高程差值、屋顶法向量一致性等特征，进行建筑物屋顶面片点云的分类。在激光点云建筑物分类完成后，建筑物外轮廓的提取主要包括基于激光点云和数码航片的建筑物外轮廓边界特征线提取和基于屋顶点云和边界特征线的建筑物外轮廓拓扑关系构建。
(2)人工辅助方式的道路、水系、植被等线状地物特征线提取方法：航片单片方式线状地物特征线的半自动提取方法，主要采用snake算法结合点云改进后实现。以道路为例的snake算法实现思路如下：①给出航片中道路边线上的一点，将这一点作为种子点。②以种子点为中心，以适当的长度为半径，在航片中得到一个圆。对这个圆上的灰度断面曲线或梯度断面曲线进行检验，可以得到灰度或者梯度的极值点。③以种子点和灰度或梯度断面曲线的两个极值点可以构成初始snake的曲线S0。④以S0为基础，运用优化算法，则可由这段初始曲线提取道路的轮廓线C0。⑤如果曲线的长度可以增加，则生成一个可以使整条曲线增长的Ci曲线序列。⑥以一定阈值为参考对整套曲线折线化，确定折线上每个节点的高程并转换到三维物方空间。
4、以上地物在完成半自动提取后，还需要对其它剩余地物进行线划提取，同时生成等高线和高程注记点。建筑物、道路、水系、河流之外的地物线划提取，均在航片单片测图环境中采用人工绘制方式实现；等高线和高程注记点可参考测图规范全自动提取后，采用人工方式进行核查和修改。
5、其中基于激光点云和数码航片的建筑物边界特征线提取方法如下：①对建筑物和地面点云联合构建三角网模型，确定点云之间的拓扑关系；②搜索符合建筑物边缘区域特征的三角形并进行标记，特征三角形的判断标准为三角形上有地面和建筑物屋顶两类三角形顶点，参考三角形中建筑物屋顶点的高度，修改地面激光点的高程值，抬高到与建筑物屋顶同高的高度，编辑后形成建筑物外轮廓边界缓冲区；③通过以上介绍的共线方程，把三维空间中的外轮廓缓冲区转换到航片二维像空间中。采用Canny算法在航片有效分析区内进行建筑物边界特征线的提取，参考分析区内的点云、建筑物主方向、建筑物特征线长度等信息，对提取的建筑物特征线进行优先级分类，建立建筑物边界特征线的分级候选库。④在航片上分级显示建筑物特征线分类结果，设计一套人工交互方法实现对遗漏特征线的快速提取和冗余、错误特征线的快速删除、修改，实现对人工辅助下的建筑物外轮廓边界特征线半自动提取。
6、其中基于屋顶点云和特征边线的建筑物外轮廓拓扑关系构建方法：以上提取的建筑物外轮廓特征线均为不连续的矢量线段，基本能表现出建筑物的外轮廓位置和走向，但提取的均为断裂的特征边线，需要构建拓扑关系使之形成一个封闭、特征线首尾相连的多边形。为实现以上目的，本方法引用经典的空间二叉树分裂合并算法，具体算法实现思路如下：①读取建筑物对应的建筑物点和周围地面点，读取所有的边界特征线，计算这些点的最小外包多边形框，以该多边形框作为初始的区域。②以多边形的长度进行分裂操作的优先级排序，对最新分类的多有子区域进行二元分割。③对最终的子区域进行区域属性判断，主要分类建筑物和地面两类。对于子区域中既包括建筑物点又包括地面点的子区域，以点的多少进行那个对比分析，确定该子区域较多点的属性为子区域的属性。④对具有建筑物属性标记的所有子区域进行标记，并合并所有相邻的建筑物类子区域。⑤最终合并的建筑物区域多边形对应的外轮廓边界即为要提取的建筑物外轮廓。
7、其中地物要素特征线从像空间到物空间的转换方法：确定航片二维像空间上的矢量线后，参考匹配的点云确定矢量线在物方的高程坐标，参考摄影测量学中的共线方程，采用改进后的光束-物方交会方法解算矢量线在物方的平面坐标。光束-物方交会方法常用的计算公式如下：
X＝XL+(Z-ZL)(u/w)
Y＝YL+(Z-ZL)(v/w)
其中，X、Y、Z为待求点的物方空间三维坐标；XL、YL、ZL为投影中心的物方空间三维坐标；u、v、w为待求像点的像空间辅助坐标。