基于LiDAR點云空間差異分析的城市建筑物變化檢測方法
【專利摘要】本發明公開了一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方法，步驟1，對不同時相的LiDAR點云數據分別進行預處理；利用線性插值算法獲取不同時相的DSM和DTM；步驟2，將步驟1獲取的兩期DSM相減，獲取高程差值模型；步驟3，對高程差值模型進行空間差異分析，提取候選變化區域；步驟4，利用LiDAR點云的空間特性，提取直接特征以及高程紋理特征；步驟5，實現于建筑物和植被的分類；步驟6，對候選變化區域進行套合疊置分析，確定建筑物的變化屬性。本發明充分發揮了LiDAR數據在建筑物復雜結構、拓撲關系的三維表征上的優勢，進行建筑物的三維變化檢測。
【專利說明】基于LiDAR點云空間差異分析的城市建筑物變化檢測方法
【技術領域】
[0001] 本發明涉及機載激光雷達【技術領域】，尤其是涉及一種基于LiDAR點云空間差異分 析的城市建筑物變化檢測方法。
【背景技術】
[0002] 隨著經濟建設的不斷發展，我國的城市建設如火如荼，城市變化非常頻繁和劇烈。 遙感（包括航空）影像幾何精度高、語義信息豐富，是目前大范圍、高頻率的城市變化檢測 最大的數據源。近幾十年，有很多學者深入研究基于遙感影像的變化檢測，提出了很多代表 性的算法，形成了豐富的理論體系。然而，目前基于遙感影像的變化檢測仍然面臨如遮擋與 陰影的問題，投影差的問題，地物內部的異質性，過于豐富的紋理，混合像元等諸多問題。更 重要的是，建筑物的變化很多體現為空間結構的變化，由于影像缺乏直接的三維信息，通過 密集匹配技術可獲取三維點集，但密集匹配效果受各種因素的制約，誤差較大，同時密集匹 配的點云無法穿透植被，因此單獨利用不同時相的影像數據監控城市建筑物的更新有一定 的局限性。
[0003] LiDAR數據提供的高質量三維點云數據，為城市建筑物的三維變化檢測提供了新 的研究思路。激光束所具備的穿透能力可以在一定程度上克服植被形成的遮檔，減少局部 區域的數據缺失，大大提高了建筑物提取的質量。與基于影像手段的變化檢測方法相比， LiDAR數據在建筑物復雜結構、拓撲關系的三維表征上具有無可比擬的優勢。因此基于多 時相的LiDAR數據不僅能圈定變化區域，檢測變化類型，還可以使城市短期的微小的三維 變化檢測（如小規模違建）成為可能。目前LiDAR數據還存在一些需要解決的問題，如未 被激光束穿透的遮擋所形成的數據缺失，由于飛行高度、掃描角以及地物反射率而形成的 數據點稀疏、區域空洞或數據噪聲，基于離散點云的特征提取和分類問題等等。因此如何利 用LiDAR高精度的三維信息、實現高效率、高魯棒性、高精度的基于機載LiDAR點云的城市 建筑物三維變化檢測方法具有重要的理論意義和實踐價值。
【發明內容】
[0004] 有鑒于此，本發明的目的在于提供一種基于LiDAR點云空間差異分析的城市建筑 物變化檢測方法，LiDAR數據提供的高質量三維點云數據，充分發揮了 LiDAR數據在建筑物 復雜結構、拓撲關系的三維表征上的優勢，進行建筑物的三維變化檢測。
[0005] 為達到上述目的，本發明采用以下技術方案：
[0006] -種基于LiDAR點云空間差異分析的城市建筑物變化檢測方法，其特征在于：包 括以下步驟：
[0007] 步驟1，對不同時相的LiDAR點云數據分別進行預處理；利用線性插值算法獲取不 同時相的DSM和DTM ;利用公式（1)將DSM中的地形起伏信息去除，獲取規則化數字表面模 型 nDSM ;
[0008] nDSM(t) = DSM (t)-DTM (t) (1)
[0009] 公式⑴中，DSM(t)、DTM(t)、nDSM(t)分別為t時相中的數字表面模型、數字地面 模型、規則化數字表面模型；
[0010] 步驟2,通過公式（2)將步驟1獲取的兩期DSM相減，獲取高程差值模型dDSM t2表示前后不同兩個時相；
[0011] dDSM = nDSM(t2)-nDSM(t1) (2)
[0012] 步驟3,對高程差值模型進行空間差異分析，提取候選變化區域；消除低矮植被噪 聲；通過形態學開運算，消除長條形配準誤差；
[0013] 步驟4,利用LiDAR點云的空間特性，提取直接特征以及高程紋理特征，增加用于 分類器的有效特征向量維數；
[0014] 步驟5,利用步驟4提取的LiDAR點云特征構成特征向量，實現于建筑物和植被的 分類；
[0015] 步驟6,結合步驟3獲取的候選變化區域以及步驟5獲取的類別信息，對候選變化 區域進行套合疊置分析，確定建筑物的變化屬性。
[0016] 作為優選，所述步驟1的預處理包括去噪、濾波步驟。
[0017] 作為優選，所述步驟3形態學開運算采用如下公式：
[0018] [Es (dDSM) ] (cp, rp) = min {w} (3)
[0019] Ds [Es (dDSM) ] (cp, rp) = max {w} (4)
[0020] 式中：ES為腐蝕算子，Ds代表膨脹算子，dDSM代表高程差值模型，（c p，rp)代表窗口 中心像素點，w為窗口中的其他柵格點的高程值。
[0021] 作為優選，所述步驟4的直接特征包括歸一化高度信息，以及從原始點云提取的 多重回波信息和回波強度信息；所述高程紋理特征通過灰度共生矩陣進行描述。
[0022] 作為優選，所述分類器采用非線性多類支持向量機，SVM核函數選用了 RBF核，
[0023]
【權利要求】
1. 一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方法，其特征在于：包括 以下步驟： 步驟1，對不同時相的LiDAR點云數據分別進行預處理；利用線性插值算法獲取不同 時相的DSM和DTM ;利用公式（1)將DSM中的地形起伏信息去除，獲取規則化數字表面模型 nDSM ； nDSM(t) = DSM (t)-DTM (t) (1) 公式（1)中，DSM(t)、DTM(t)、nDSM(t)分別為t時相中的數字表面模型、數字地面模 型、規則化數字表面模型； 步驟2,通過公式（2)將步驟1獲取的兩期DSM相減，獲取高程差值模型dDSM ;ti、t2表 示前后不同兩個時相； dDSM = nDSM (t2)-nDSM (ti) (2) 步驟3,對高程差值模型進行空間差異分析，提取候選變化區域；消除低矮植被噪聲； 通過形態學開運算，消除長條形配準誤差； 步驟4,利用LiDAR點云的空間特性，提取直接特征以及高程紋理特征，增加用于分類 器的有效特征向量維數； 步驟5,利用步驟4提取的LiDAR點云特征構成特征向量，實現于建筑物和植被的分 類； 步驟6,結合步驟3獲取的候選變化區域以及步驟5獲取的類別信息，對候選變化區域 進行套合疊置分析，確定建筑物的變化屬性。
2. 根據權利要求1所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方 法，其特征在于：所述步驟1的預處理包括去噪、濾波步驟。
3. 根據權利要求1或2所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢 測方法，其特征在于：所述步驟3形態學開運算采用如下公式： [Es (dDSM) ] (cp, rp) = min {w} (3) Ds [Es (dDSM) ] (cp, rp) = max {w} (4) 式中：ES為腐蝕算子，仏代表膨脹算子，dDSM代表高程差值模型，（cp，rp)代表窗口中心 像素點，w為窗口中的其他柵格點的高程值。
4. 根據權利要求3所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方 法，其特征在于：所述步驟4的直接特征包括歸一化高度信息，以及從原始點云提取的多重 回波信息和回波強度信息；所述高程紋理特征通過灰度共生矩陣進行描述。
5. 根據權利要求1所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方 法，其特征在于：所述分類器采用非線性多類支持向量機，SVM核函數選用了 RBF核，
以一對一法為多類分類模式。
6. 根據權利要求5所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方 法，其特征在于：所述步驟5分類器的工作流程為： 步驟51，將提取的LiDAR點云特征，包括直接特征、高程紋理特征和曲面屬性特征，構 成特征向量進行特征分析與選擇；進行歸一化處理，得到處理結果； 步驟52,將處理結果在分類器中計算最優平面，交叉驗證后得到分類結果的類別信息。
7. 根據權利要求1所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢測 方法，其特征在于：所述步驟3,通過設定兩期LiDAR點云的相對高差閾值，消除低矮植被噪 聲。
8. 根據權利要求1所述的一種基于LiDAR點云空間差異分析的城市建筑物變化檢測方 法，其特征在于：所述步驟6建筑物的變化屬性判斷步驟為： 步驟61，檢測地面點數是否大于50%，如結果為是，則建筑物銷毀；如結果為否，繼續 檢測植被點數是否大于50%，如結果為是，則建筑物銷毀；如結果為否，執行下一步； 步驟62,檢測面積是否變化，如變化，則為建筑物重建；如無變化，繼續檢測高程變化， 如高程有變化，則為建筑物擴建，如無變化，執行步驟63 ; 步驟63,檢測變化點數是否大于20%，如是，則結果特定；如否，則建筑物未變化。
【文檔編號】G01S7/48GK104049245SQ201410263818
【公開日】2014年9月17日 申請日期:2014年6月13日 優先權日:2014年6月13日
【發明者】陳長寶, 謝興, 張玉, 盧志淵, 杜紅民, 劉會娟, 肖丹丹 申請人:中原智慧城市設計研究院有限公司
專業數控銑床產品供應商
20年生產經驗，實力工廠，精工品質，質量有保障
