基于机载LiDAR数据的建筑屋顶点云提取方法

doi:10.7523/j.issn.2095-6134.2016.04.015

中国科学院大学学报 ›› 2016, Vol. 33 ›› Issue (4): 537-541.DOI: 10.7523/j.issn.2095-6134.2016.04.015

基于机载LiDAR数据的建筑屋顶点云提取方法

李亮^1,2, 王成², 李世华¹, 习晓环²

1. 电子科技大学资源与环境学院, 成都 611731;
2. 中国科学院遥感与数字地球研究所数字地球重点实验室, 北京 100094

收稿日期:2015-09-23 修回日期:2016-03-15 发布日期:2016-07-15
通讯作者: 王成
基金资助:
国家科技部重大科学仪器研制专项（2013YQ120343）和国家重点基础研究发展计划（973计划）（2013CB733405）资助

Building roof point extraction based on airborne LiDAR data

LI Liang^1,2, WANG Cheng², LI Shihua¹, XI Xiaohuan²

1. School of Resources and Environment, University of Electronic Science and Technology of China, Chengdu 611731, China;
2. Key Lab of Digital Earth, Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China

Received:2015-09-23 Revised:2016-03-15 Published:2016-07-15

摘要/Abstract

摘要：

机载激光雷达技术已经成为快速获取城市建筑三维数字模型的有效手段，而建筑物屋顶点云提取则是建筑物三维数字模型重建的关键。为有效剔除植被和墙面点云，以及消除地形起伏对建筑点云提取精度的影响，提出一种层进式屋顶点云提取方法。首先对LiDAR点云进行滤波，在此基础上利用点云回波特性和点云法向量检测并删除非地面点中特征明显的植被点和建筑物墙面点，然后利用连通成分分析法对非地面点聚类得到初始建筑点，最后结合DTM并利用建筑物面积和高度信息分离得到建筑物屋顶点云。试验结果表明，本方法能有效地从机载点云数据中快速提取建筑屋顶点云，有效率可达85%以上。

关键词: 机载LiDAR, 点云, 滤波, 建筑物, 屋顶提取

Abstract:

Airborne LiDAR technology is an effective method for obtaining three-dimensional spatial data of buildings with high point density and accuracy, and building roof point cloud extraction is a key process in three-dimensional digital reconstruction.This study proposes a gradually advanced method to extract building roof points.Firstly, most of vegetation points and building wall points are removed by using multiple echo and normal characteristics, which are based on filtering results.Secondly, the remaining points are segmented into clusters by using Euclidean clustering method.Finally, by combining with a digital terrain model (DTM), the points on building roofs are isolated using the building area and height characteristics.The results show that the proposed method extracts roof points based on raw LiDAR data efficiently.

Key words: airborne LiDAR, point cloud, filter, building, roof point extraction

中图分类号:

TP751

李亮, 王成, 李世华, 习晓环. 基于机载LiDAR数据的建筑屋顶点云提取方法[J]. 中国科学院大学学报, 2016, 33(4): 537-541.

LI Liang, WANG Cheng, LI Shihua, XI Xiaohuan. Building roof point extraction based on airborne LiDAR data[J]. , 2016, 33(4): 537-541.

参考文献

[1] 郝明, 史文中, 张华.一种基于LiDAR数据的建筑物自动提取方法[J].测绘通报, 2014(4): 82-85.
[2] Rottensteiner F.A new method for building extraction in urban areas from high-resolution LiDAR data[J].International Archives of Photogrammetry Remote Sensing and Spatial Information Sciences, 2002, 34(3/A): 295-301.
[3] Sun S, Member S, Salvaggio C.Aerial 3D building detection and modeling from airborne LiDAR point clouds[J].IEEE Journal of Selected Topics in Applied Earth Observations & Remote Sensing, 2013, 6(3): 1 440-1 449.
[4] Awrangjeb M, Fraser C.Automatic segmentation of raw LiDAR data for extraction of building roofs[J].Remote Sensing, 2014, 6(5): 3 716-3 751.
[5] Richter R, Döllner M B J.Object class segmentation of massive 3D point clouds of urban areas using point cloud topology[J].International Journal of Remote Sensing, 2013, 34(23):8 408-8 424.
[6] Zhang W, Wang H, Chen Y, et al.3D building roof modeling by optimizing primitive's parameters using constraints from LiDAR data and aerial imagery[J].Remote Sensing, 2014, 6(9):8 107-8 133.
[7] Zhang J, Lin X, Ning X.SVM-based classification of segmented airborne LiDAR point clouds in urban areas[J].Remote Sensing, 2013, 5(8):3 749-3 775.
[8] Zhang K Q, Cjen S, Whiteman D, et al.A progressive morphological filter for removing nonground measurements from airborne LiDAR data[J].IEEE Transactions on Geoscience & Remote Sensing, 2003, 41(4): 872-882.
[9] 隋立春, 张熠斌, 柳艳, 等.基于改进的数学形态学算法的LiDAR点云数据滤波[J].测绘学报, 2010, 39(4): 390-396.
[10] Arya S, Mount D M, Netanyhu N S, et al.An optimal algorithm for approximate nearest neighbors searching fixed dimensions[J].Journal of the ACM, 1998, 45(6): 891-923.
[11] 浮丹丹, 周绍光, 徐洋, 等.基于主成分分析的点云平面拟合技术研究[J].测绘工程, 2014, 23(4):20-23.
[12] 余小东, 武莹, 何腊梅.反距离加权网格化插值算法的改进及比较[J].工程地球物理学报, 2013, 10(6):900-904.
[13] Niemeyer J, Rottensteiner F, Soergel U.Classification of urban LiDAR data using conditional random field and random forests //Urban Remote Sensing Event (JURSE), 2013 Joint.Sao Paulo: IEEE, 2013:139-142.

[1]	廖洪海, 何为, 林水洋. 基于PE的MEEMD筛选的LFMCW雷达心率估计算法[J]. 中国科学院大学学报, 2021, 38(5): 666-677.
[2]	席彦新, 计璐艳, 耿修瑞. 一种多时相遥感图像多目标检测算法[J]. 中国科学院大学学报, 2021, 38(4): 503-510.
[3]	张杰, 李婧华, 胡超. 基于容积卡尔曼滤波的卫星导航定位解算方法[J]. 中国科学院大学学报, 2021, 38(4): 532-537.
[4]	肖亚楠, 周伟, 崔杰, 刘亭亭, 肖灵. 一种LSTM神经网络和卡尔曼滤波相结合的复合材料承载预测方法[J]. 中国科学院大学学报, 2021, 38(3): 374-381.
[5]	宋志华, 陈锟山, 曾江源, 许镇. 一种基于FMCW雷达的慢速目标检测自适应滤波器[J]. 中国科学院大学学报, 2021, 38(3): 382-391.
[6]	刘杉, 张风丽, 韦诗莹, 刘娜, 邵芸. 基于极化分解组合的SAR图像视觉优化和建筑物损毁评估[J]. 中国科学院大学学报, 2020, 37(6): 750-759.
[7]	张志慧, 冯迎宾, 李智刚, 赵小虎. 一种基于改进粒子滤波的水下采矿导航方法[J]. 中国科学院大学学报, 2020, 37(4): 507-515.
[8]	胡亮, 肖俊, 王颖. 基于多维度特征和MLP的岩体点云植被滤波方法[J]. 中国科学院大学学报, 2020, 37(3): 345-351.
[9]	李颖锐, 徐景, 刘响, 易辉跃. TMRC-Filter:一种基于Filtered OFDM系统的子带滤波器设计方法[J]. 中国科学院大学学报, 2020, 37(1): 120-127.
[10]	马肖肖, 程博, 刘岳明, 崔师爱, 梁琛彬. 基于极化特征和纹理特征的PolSAR影像建筑物提取方法[J]. 中国科学院大学学报, 2019, 36(5): 682-693.
[11]	王飞鹏, 肖俊, 王颖, 王云标. 一种基于高斯曲率的ICP改进算法[J]. 中国科学院大学学报, 2019, 36(5): 702-708.
[12]	贾莹玉, 刘士彬, 段建波, 谢帅. 结合质量控制的震后房屋倒塌众包评估模型[J]. 中国科学院大学学报, 2019, 36(3): 354-362.
[13]	王濮, 邢艳秋, 王成, 习晓环. 一种基于图割的机载LiDAR单木识别方法[J]. 中国科学院大学学报, 2019, 36(3): 385-391.
[14]	赵海鹏, 习晓环, 王成, 雷钊. 基于车载激光扫描数据的城区道路自动提取[J]. 中国科学院大学学报, 2018, 35(6): 782-787.
[15]	杨渊, 陈凤翔, 虢韬, 时磊, 王成, 罗鑫. 基于LiDAR点云特征和模型拟合的高压线提取[J]. 中国科学院大学学报, 2018, 35(5): 612-616.

基于机载LiDAR数据的建筑屋顶点云提取方法

Building roof point extraction based on airborne LiDAR data

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们