专利名称：城市建筑物轮廓检测的方法及系统的制作方法
技术领域：
本发明涉及图像处理领域，尤其涉及一种城市建筑物轮廓检测的方法及系统。
背景技术：
单纯利用遥感影像很难高质量高效率的实现城市建筑物轮廓检测，因为1)由于遥感卫星的传感器成像过程非常复杂，致使建筑物轮廓在影像中不再是理想的线条，其宽度、灰度是不一致的，边界有时是模糊的、断裂的；2)传感器的摄影比例尺和影像分辨率决定了建筑物轮廓在影像上的几何特征；3)较高的建筑物容易遮挡其旁边的矮层，使与其邻近的建筑物信息完全损失。较高的树木容易使建筑物轮廓在影像上表现模糊，或是与其它灰度相似的地物混淆，尤其会在轮廓识别过程中造成道路断裂；4)屋顶面的其他目标，如空调、管线、围栏等会使得轮廓的灰度分布不均匀。LiDAR (Light Detection And Ranging激光雷达)数据的空间分辨率依赖于几个因素，如飞行高度、速度和扫描频率.现阶段，空载LIDAR数据的点间距一般为米级，相对于摄影测量常用的厘米级分辨率航空影像，LIDAR数据空间分辨率低，单纯基于LIDAR获取的建筑物轮廓相对不够精细，且精度不高。利用规则化技术可以提高轮廓线的精度，但规则化方法也受制于LIDAR数据的空间分辨率、滤波与分类等处理的精度，还存在不确定性且容易产生轮廓整体偏移问题。LiDAR数据以其较高空间频率提供了精确的点坐标，然而从中无法获得断裂线。在城区，绝大多数的断裂线是建筑物的边界。因此，建筑物精确边界的确定是重点和难点。由LiDAR获得的不明确的建筑物轮廓会导致的正射影像和数字地形图建筑物边缘不精确，出现锯齿现象。从影像中提取出的轮廓几何精度高、细节丰富，但处理的自动化程度不高，从LiDAR数据中提取的轮廓精确性与细节性不高，但LiDAR直接提供了 3维坐标，有利于提高处理的自动化程度。
发明内容
本发明要解决的技术问题在于针对现有技术中无法精确确定建筑物边界的缺陷，提供一种能够精确检测大范围建筑物边界的城市建筑物轮廓检测的方法及系统。本发明解决其技术问题所采用的技术方案是提供一种城市建筑物轮廓检测的方法，包括以下步骤SI、对LiDAR点云数据进行处理提取建筑物的初始轮廓；S2、将所述LiDAR点云数据与航空遥感影像数据进行数据配准；S3、根据数据配准的结果进行影像定向；S4、根据所述影像定向，检测影像边缘；S5、在所述初始轮廓周围建立缓冲区，并在该缓冲区内搜索所述影像边缘，利用几何约束条件识别像方轮廓；S6、对所述像方轮廓进行轮廓矢量化与规则化，获得最终建筑物轮廓。
本发明所述的城市建筑物轮廓检测的方法中，步骤SI包括S11、采用线性预测法分离所述LiDAR点云数据；S12、根据分离结果并利用扫描带法分割建筑物点云；S13、根据分割好的建筑物点云，利用轮廓规则化分析方法分离树丛；S14、根据分割好的建筑物点云以及分离的树丛，进行建筑物轮廓检测，得到建筑物的初始轮廓。本发明所述的城市建筑物轮廓检测的方法中，在进行建筑物轮廓检测时，先确定检测轮廓的搜索方向，建筑物轮廓方向与所述搜索方向的夹角小于树丛轮廓方向与所述搜索方向的夹角。本发明所述的城市建筑物轮廓检测的方法中，步骤SI还包括S15、对得到的建筑物初始轮廓进行直线段提取，得到优化后的建筑物初始轮廓。本发明所述的城市建筑物轮廓检测的方法中，所述直线段提取具体为以预设的第一距离阈值搜索符合直线要求的直线片段；对直线片段采用预设的角度阈值和第二距离阈值合并邻接直线片段为直线段。本发明所述的城市建筑物轮廓检测的方法中，所述第一距离阈值为小于等于I. 5个像素；所述第二距离阈值为4个像素；所述角度阈值为O. 5弧度。本发明解决其技术问题所采用的另一技术方案是提供一种城市建筑物轮廓检测的系统，包括建筑物初始轮廓提取模块，用于对LiDAR数据点云进行处理提取建筑物的初始轮廓；配准模块，用于将所述LiDAR点云数据与航空遥感影像数据进行数据配准；影像定向模块，用于根据数据配准的结果进行影像定向；影像边缘检测模块，用于根据所述影像定向，检测影像边缘；像方轮廓识别模块，用于在所述初始轮廓附近建立缓冲区，并在该缓冲区内搜索所述影像边缘，利用几何约束条件识别像方轮廓；建筑物轮廓获得模块，用于对所述像方轮廓进行轮廓矢量化与规则化，获得最终建筑物轮廓。本发明所述的城市建筑物轮廓检测的系统中，所述建筑物初始轮廓提取模块还包括点云数据分离模块，用于采用线性预测法分离所述LiDAR点云数据；建筑物点云分割模块，用于根据分离结果并利用扫描带法分割建筑物点云；树丛分离模块，用于根据分割好的建筑物点云，利用轮廓规则化分析方法分离树丛；建筑物轮廓检测模块，用于根据分割好的建筑物点云以及分离的树丛，进行建筑物轮廓检测，得到建筑物的初始轮廓。本发明所述的城市建筑物轮廓检测的系统中，所述建筑物初始轮廓提取模块还包括初始轮廓优化模块，用于对所述建筑物轮廓检测模块得到的建筑物初始轮廓进行直线段提取，得到优化后的建筑物初始轮廓。
本发明所述的城市建筑物轮廓检测的系统中，所述建筑物轮廓检测模块还用于在进行建筑物轮廓检测时，先确定检测轮廓的搜索方向，建筑物轮廓方向与所述搜索方向的夹角小于树丛轮廓方向与所述搜索方向的夹角。本发明产生的有益效果是本发明通过利用LiDAR数据易于自动化检测目标的特点，获得建筑物初始轮廓，再在初始轮廓缓四周建立缓冲区内，并在缓冲区内搜索符合实际的影像边缘，利用几何约束条件识别像方轮廓；对所述像方轮廓进行规则化最终获得精确、完整的建筑物轮廓。本发明可提高建筑物轮廓检测的自动化程度，可以实现大范围快速检测；且提取的建筑物轮廓具有最好的质量，避免了噪声和影像质量导致的算法局部极值和迭代死循环问题，可有效的保证算法的稳健性；另外，本发明对于LiDAR数据和遥感影像的来源、格式无特殊要求，具有很大的普适性。
下面将结合附图及实施例对本发明作进一步说明，附图中图I是本发明实施例的城市建筑物轮廓检测的方法流程图；图2是图I中步骤SI的具体流程图一；图3是图I中步骤SI的具体流程图二 ；图4a是某地区密度为I点/m2激光扫描数据激光扫描数据图；图4b是和图4a中相同地区的遥感影像图；图5是对图4a进行了建筑物点云分割后的不意图；图6a是图4a中建筑物的初始轮廓图；图6b是图6a中虚线方框内的局部放大图；图6c是图6b中局部填充图；图7a是初步像素聚类产生的边缘片段图7b是直线片段聚类之后的轮廓线段图7c是消除过聚类和若聚类之后的结果图8a是图6a中提取直线段像素后的局部示意图；图Sb是图8a中直线段经过二步法优化后的示意图；图9a是本发明实施例在初始轮廓周围建立缓冲区的示意图；图9b是与图9a对应区域的影像边缘示意图；图9c是经几何约束条件识别的像方轮廓；图10是本发明实施例中像素P的3种可能搜索方向的示意图；图Ila是图4a与图4b进行数据配准后的LiDAR点云图的配准点示意图；图Ilb是图4a与图4b进行数据配准后的航空遥感影像图的配准点示意图；图12是本发明实施例城市建筑物轮廓检测的系统结构示意图；图13是图12中建筑物初始轮廓提取模块10的具体结构示意图一；图14是图12中建筑物初始轮廓提取模块10的具体结构示意图二。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。如图I所示，本发明实施例城市建筑物轮廓检测的方法包括以下步骤SI、对LiDAR点云数据进行处理提取建筑物的初始轮廓；S2、将LiDAR点云数据与航空遥感影像数据进行数据配准；S3、根据数据配准的结果进行影像定向；S4、根据影像定向，检测影像边缘；S5、在初始轮廓周围建立缓冲区，并在该缓冲区内搜索影像边缘，利用几何约束条件识别像方轮廓；S6、规则化像方轮廓进行获得建筑物轮廓。在本发明的一个实施例中，如图2所示，步骤SI具体包括S11、采用线性预测法分离LiDAR点云数据；将测区分割为等间隔的小方块，方格大小依据点的密度和分布特征可预先设定，在处理每一个目标方格单元时，同时考虑其8领域小方格的数据点，那么就能根据9个相邻单元格的数据点利用最小二乘法计算该区域的趋势面系数。拟合的趋势面表达为Zi = Bc^a1Xfb2Yi(I)每个数据点高程的最小二乘平差与数据点高程的拟合残差为Ii = Zi-Obsi(2)假设Ii呈正态分布，且标准偏差为σ ζ，容忍因子为k，则设定阈值为Tz = k σ z(3)如果单元方格内数据点的残差大于阈值，则该点为粗差，在进行下一次计算时被过滤，重复上述操作，直到剔除所有粗差和趋势面稳定。线性最小二乘的协方差函数由下式定义
ΓηηΗΛ ,,,
_4」('(P, J-D = C(O)-e 11(4)式中，两点Pp Pk间的协方差取决于两点间的间距，间距越小，协方差值越大，反之越小；参数C(O)为信号协方差函数的峰值，它表示高程偏差中系统误差和随机误差成分的比例关系，如果C(O) = 1.0，就认为没有随机误差，一般的C(O) =0.99;参数B为坡度参数因子。协方差函数的峰值越大，方差越小，滤波效果就越若。
Pi点的线性预测值由下式估计
式中
权利要求
1.一种城市建筑物轮廓检测的方法，其特征在于，包括以下步骤 51、对LiDAR点云数据进行处理提取建筑物的初始轮廓； 52、将所述LiDAR点云数据与航空遥感影像数据进行数据配准； 53、根据数据配准的结果进行影像定向； 54、根据所述影像定向，检测影像边缘； 55、在所述初始轮廓周围建立缓冲区，并在该缓冲区内搜索所述影像边缘，利用几何约束条件识别像方轮廓； 56、对所述像方轮廓进行轮廓矢量化与规则化，获得最终建筑物轮廓。
2.根据权利要求I所述的城市建筑物轮廓检测的方法，其特征在于，步骤SI包括 511、采用线性预测法分离所述LiDAR点云数据； 512、根据分离结果并利用扫描带法分割建筑物点云； 513、根据分割好的建筑物点云，利用轮廓规则化分析方法分离树丛； 514、根据分割好的建筑物点云以及分离的树丛，进行建筑物轮廓检测，得到建筑物的初始轮廓。
3.根据权利要求2所述的城市建筑物轮廓检测的方法，其特征在于，在进行建筑物轮廓检测时，先确定检测轮廓的搜索方向，建筑物轮廓方向与所述搜索方向的夹角小于树丛轮廓方向与所述搜索方向的夹角。
4.根据权利要求3所述的城市建筑物轮廓检测的方法，其特征在于，步骤SI还包括 515、对得到的建筑物初始轮廓进行直线段提取，得到优化后的建筑物初始轮廓。
5.根据权利要求4所述的城市建筑物轮廓检测的方法，其特征在于，所述直线段提取具体为 以预设的第一距离阈值搜索符合直线要求的直线片段； 对直线片段采用预设的角度阈值和第二距离阈值合并邻接直线片段为直线段。
6.根据权利要求I所述的城市建筑物轮廓检测的方法，其特征在于，所述第一距离阈值为小于等于I. 5个像素；所述第二距离阈值为4个像素；所述角度阈值为O. 5弧度。
7.—种城市建筑物轮廓检测的系统,其特征在于,包括 建筑物初始轮廓提取模块，用于对LiDAR数据点云进行处理提取建筑物的初始轮廓； 配准模块，用于将所述LiDAR点云数据与航空遥感影像数据进行数据配准； 影像定向模块，用于根据数据配准的结果进行影像定向； 影像边缘检测模块，用于根据所述影像定向，检测影像边缘； 像方轮廓识别模块，用于在所述初始轮廓附近建立缓冲区，并在该缓冲区内搜索所述影像边缘，利用几何约束条件识别像方轮廓； 建筑物轮廓获得模块，用于对所述像方轮廓进行轮廓矢量化与规则化，获得最终建筑物轮廓。
8.根据权利要求7所述的城市建筑物轮廓检测的系统，其特征在于，所述建筑物初始轮廓提取模块还包括 点云数据分离模块，用于采用线性预测法分离所述LiDAR点云数据； 建筑物点云分割模块，用于根据分离结果并利用扫描带法分割建筑物点云； 树丛分离模块，用于根据分割好的建筑物点云，利用轮廓规则化分析方法分离树丛；建筑物轮廓检测模块，用于根据分割好的建筑物点云以及分离的树丛，进行建筑物轮廓检测，得到建筑物的初始轮廓。
9.根据权利要求8所述的城市建筑物轮廓检测的系统，其特征在于，所述建筑物初始轮廓提取模块还包括 初始轮廓优化模块，用于对所述建筑物轮廓检测模块得到的建筑物初始轮廓进行直线段提取，得到优化后的建筑物初始轮廓。
10.根据权利要求8所述的城市建筑物轮廓检测的系统，其特征在于，所述建筑物轮廓检测模块还用于在进行建筑物轮廓检测时，先确定检测轮廓的搜索方向，建筑物轮廓方向与所述搜索方向的夹角小于树丛轮廓方向与所述搜索方向的夹角。
全文摘要
本发明公开了一种城市建筑物轮廓检测的方法及系统，其中方法包括以下步骤S1、对LiDAR点云数据进行处理提取建筑物的初始轮廓；S2、将LiDAR点云数据与航空遥感影像数据进行数据配准；S3、根据数据配准的结果进行影像定向；S4、根据影像定向，检测影像边缘；S5、在初始轮廓周围建立缓冲区，并在该缓冲区内搜索影像边缘，利用几何约束条件识别像方轮廓；S6、对像方轮廓进行轮廓矢量化与规则化，获得最终建筑物轮廓。本发明能够精确检测大范围的城市建筑物轮廓。
文档编号G06T7/00GK102930540SQ20121041509
公开日2013年2月13日 申请日期2012年10月26日 优先权日2012年10月26日
发明者李卉, 钟成 申请人:中国地质大学(武汉)