基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法

    公开(公告)号:CN107545602B

    公开(公告)日:2021-04-27

    申请号:CN201710662847.X

    申请日:2017-08-04

    Abstract: 本发明公开了一种基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法。它包括如下步骤:对目标区域的建筑物LiDAR点云进行点云分割处理和建筑物轮廓提取,得到建筑物的精确二维外轮廓以及建筑物屋顶几何基元的数学表达式;构建所述建筑物屋顶几何基元空间拓扑关系图;定义所述建筑物屋顶几何基元间的三维布尔运算规则;对每一个建筑物屋顶几何基元多面体进行三维布尔运算之后得到基元顶面半空间,根据建筑物精确二维外轮廓和高程信息得到完全包含建筑物实体模型的墙面及地面的半空间,将所述基元顶面半空间和所述墙面及地面的半空间进行三维布尔运算的求交运算,得到建筑物实体模型。具有降低建筑物模型的空间破碎程度的优点。

    一种基于多光谱LiDAR数据的单木自动提取方法

    公开(公告)号:CN107085710B

    公开(公告)日:2020-06-02

    申请号:CN201710280025.5

    申请日:2017-04-26

    Abstract: 本发明公开了一种基于多光谱LiDAR数据的单木自动提取方法。它包括如下步骤:以LiDAR数据中任意一个波段的点云为基准数据,对基准点云数据中的每个激光点,采用最邻近搜索方法,分别在其他波段数据中获得最邻近激光点的波段信息,生成一个包含多光谱信息的单一融合点云数据;沿着包含有多光谱信息的单一融合点云数据的Z方向上进行多视角投影,将点云数据分割为地面点云数据和非地面点云数据;对非地面点云数据进行聚类和归一化割,根据点云数据的几何和光谱特征进行分割,分离出语义独立的局部点云块;建立基于三维局部抽象类特征的树木目标整体特征描述模型,进行基于深度学习的单木自动提取处理。具有提高树木识别精度的优点。

    一种基于多光谱LiDAR数据的单木自动提取方法

    公开(公告)号:CN107085710A

    公开(公告)日:2017-08-22

    申请号:CN201710280025.5

    申请日:2017-04-26

    Abstract: 本发明公开了一种基于多光谱LiDAR数据的单木自动提取方法。它包括如下步骤:以LiDAR数据中任意一个波段的点云为基准数据,对基准点云数据中的每个激光点,采用最邻近搜索方法,分别在其他波段数据中获得最邻近激光点的波段信息,生成一个包含多光谱信息的单一融合点云数据;沿着包含有多光谱信息的单一融合点云数据的Z方向上进行多视角投影,将点云数据分割为地面点云数据和非地面点云数据;对非地面点云数据进行聚类和归一化割,根据点云数据的几何和光谱特征进行分割,分离出语义独立的局部点云块;建立基于三维局部抽象类特征的树木目标整体特征描述模型,进行基于深度学习的单木自动提取处理。具有提高树木识别精度的优点。

    基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法

    公开(公告)号:CN107545602A

    公开(公告)日:2018-01-05

    申请号:CN201710662847.X

    申请日:2017-08-04

    Abstract: 本发明公开了一种基于LiDAR点云的空间拓扑关系约束下的建筑物建模方法。它包括如下步骤:对目标区域的建筑物LiDAR点云进行点云分割处理和建筑物轮廓提取,得到建筑物的精确二维外轮廓以及建筑物屋顶几何基元的数学表达式;构建所述建筑物屋顶几何基元空间拓扑关系图;定义所述建筑物屋顶几何基元间的三维布尔运算规则;对每一个建筑物屋顶几何基元多面体进行三维布尔运算之后得到基元顶面半空间,根据建筑物精确二维外轮廓和高程信息得到完全包含建筑物实体模型的墙面及地面的半空间,将所述基元顶面半空间和所述墙面及地面的半空间进行三维布尔运算的求交运算,得到建筑物实体模型。具有降低建筑物模型的空间破碎程度的优点。

Patent Agency Ranking