城市特征地物既包括城市建筑,也包含一些輔助設(shè)施。為提升城市三維模型構(gòu)建質(zhì)量及效率,將道路兩側(cè)的城市地物（獨立行樹、路燈）作為研究對象,利用車載激光點云數(shù)據(jù)進(jìn)行特征地物提取。首先對獨立地物分布特征、類別特征以及在掃描數(shù)據(jù)中的特點進(jìn)行分析,制定獨立地物自動識別檢驗方案,實現(xiàn)點云數(shù)據(jù)的監(jiān)督分類,最終完成道路兩側(cè)獨立地物自動提取。最后對人工提取的試驗區(qū)點云數(shù)據(jù)與自動提取數(shù)據(jù)進(jìn)行對比分析,結(jié)果表明,道路兩側(cè)獨立地物提取精度較好,提取方案可行。 

【文章來源】：測繪技術(shù)裝備. 2020,22(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

實景影像中獨立地物與投影圖像中獨立地物

俯視高程投影圖像和密度投影圖像

4）灰度梯度擴(kuò)散。POS像素集合提取是為了計算獲得POS位置的像素種子點。POS位置數(shù)據(jù)為汽車行駛中的路徑數(shù)據(jù)，汽車行駛在路面，所以POS種子點位置的像素一定是路面像素。以路面種子點為基準(zhǔn)，一定的灰度梯度作為閾值，計算鄰域內(nèi)的點是否為高程異常點，如果是異常點就刪除，如果不是，就保留，并重新作為種子點進(jìn)行鄰域擴(kuò)散。之所以不使用統(tǒng)一的灰度閾值進(jìn)行圖像分割，主要是考慮到地形變化，采取灰度梯度擴(kuò)散能更準(zhǔn)確地提取非高程異常像素集合，與該位置的地形無關(guān)。圖4 梯度擴(kuò)散后圖像

【參考文獻(xiàn)】：
期刊論文
[1]一種基于車載LiDAR點云數(shù)據(jù)的城區(qū)樹木三維信息自動提取方法[J]. 易凡.  測繪技術(shù)裝備. 2019(01)
[2]車載激光建模測量系統(tǒng)在城市部件普查中的應(yīng)用[J]. 侯興澤,王永紅,李俊,陳宏強(qiáng),吳波.  測繪與空間地理信息. 2018(03)
[3]車載聯(lián)合機(jī)載點云數(shù)據(jù)的建筑物立面建模[J]. 楊清科,李永強(qiáng),李立雪,孫渡,李鵬鵬,范輝龍.  測繪科學(xué). 2019(02)
[4]基于車載激光掃描數(shù)據(jù)的城市地物三維重建研究[J]. 戴彬,鐘若飛,胡競.  首都師范大學(xué)學(xué)報(自然科學(xué)版). 2011(03)
[5]基于投影點密度的車載激光掃描距離圖像分割方法[J]. 史文中,李必軍,李清泉.  測繪學(xué)報. 2005(02)
[6]車載式城市信息采集與三維建模系統(tǒng)[J]. 盧秀山,李清泉,馮文灝,李成明,陳鷹,李貽斌,韓曉冬,靳奉祥.  武漢大學(xué)學(xué)報(工學(xué)版). 2003(03)

碩士論文
[1]基于車載激光掃描數(shù)據(jù)的城市典型地物分類方法研究[D]. 譚賁.首都師范大學(xué) 2011



本文編號：3429156