專利名稱：一種集成LiDAR點云的衛(wèi)星立體影像陰影計算方法
技術(shù)領(lǐng)域：
本發(fā)明屬于LiDAR點云和衛(wèi)星立體遙感數(shù)據(jù)城市空間數(shù)據(jù)采集與更新應(yīng)用領(lǐng)域， 涉及一種集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，特別是基于機載LiDAR點云和高 分辨率衛(wèi)星立體影像的城市建筑物陰影計算方法。
背景技術(shù)：
20世紀(jì)以來地球科學(xué)進步的一個突出標(biāo)志是對地觀測技術(shù)的飛速發(fā)展，主要包括 機載對地觀測技術(shù)和星載對地觀測技術(shù)。近年來的機載和星載對地觀測技術(shù)分別以機載激 光掃描(LiDAR，Light Detection And Ranging)的出現(xiàn)和高分辨率衛(wèi)星影像的廣泛應(yīng)用為 主要代表，于是對應(yīng)的是人們從遙感數(shù)據(jù)中獲取的信息越來越豐富，速度越來越快，自動化 程度也越來越高。在高分辨率衛(wèi)星影像的各種研究中，核心的問題是影像的目標(biāo)識別與信 息解譯。在城市地區(qū)，由于建筑物特別是高層建筑物的存在，進行影像分析面臨的突出問題 是建筑物存在陰影，陰影會遮擋到其他建筑物、道路等地物，給影像地物信息識別解譯造成 很大的困難。要減弱或消除影像上建筑物陰影造成的影響，首先需要確定陰影在影像上的位 置，再對其進行相應(yīng)的處理。對于遙感影像上陰影區(qū)域的檢測，現(xiàn)在一般有兩種方式，一種 是基于影像顏色空間的信息，這種方式不能很好地區(qū)分與陰影顏色相近的地物如水體等； 另外一種是利用影像的幾何信息，如陰影邊緣檢測等，這種方式很多時候也會造成不同地 物的誤判。

發(fā)明內(nèi)容
為了解決現(xiàn)有依靠單一衛(wèi)星影像數(shù)據(jù)進行陰影檢測與計算方法的不足，本發(fā)明目 的在于提供一種集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，結(jié)合機載LiDAR點云數(shù)據(jù) 和高分辨率衛(wèi)星立體影像，可以穩(wěn)健地得到高分辨率衛(wèi)星立體影像上的建筑物陰影位置和 精確坐標(biāo)。為達到以上目的，本發(fā)明所采用的解決方案是一種集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，包括以下步驟(1)計算機載LiDAR點云數(shù)據(jù)建筑物外部輪廓多邊形；首先對原始的機載LiDAR點云數(shù)據(jù)進行濾波，去除地面點和不屬于任何地物的噪 聲點；然后使用帶距離控制的卷包裹算法得到地物點集的外包多邊形，判斷點與多邊形的 位置關(guān)系，得到地物輪廓多邊形；進行多邊形濾波，得到建筑物多邊形，再進行建筑物輪廓 多邊形形狀簡化，得到最終的建筑物外部輪廓多邊形。(2)確定建筑物陰影在物方空間坐標(biāo)位置；根據(jù)衛(wèi)星立體影像(同軌或異軌)在拍攝瞬間的太陽高度角信息和太陽方位角信 息，列立建筑物棱線高度和對應(yīng)的陰影的方向和長度的關(guān)系式，求解建筑物多邊形中每個 點在地面陰影的坐標(biāo)，得到建筑物陰影在物方空間的坐標(biāo)。
(3)衛(wèi)星立體影像幾何定位校正，確定物方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系；根據(jù)衛(wèi)星影像提供的有理多項式系數(shù)RPC列立衛(wèi)星立體影像的有理函數(shù)模型 RFM,并通過加入控制點的方式進行像方空間RFM幾何校正，選擇像方RFM幾何校正模型 (如平移模型、平移縮放模型、仿射變換模型、二階多項式模型)，在影像區(qū)域內(nèi)加入6-8個 平面分布均勻的控制點，提高幾何定位的精度，建立衛(wèi)星立體影像物方坐標(biāo)和像方坐標(biāo)之 間的精確轉(zhuǎn)換關(guān)系。(4)確定建筑物陰影在影像像方空間的坐標(biāo)和位置；根據(jù)步驟(2)所得到的建筑物陰影在物方空間的坐標(biāo)，以及步驟(3)所得到的衛(wèi) 星立體影像物方坐標(biāo)和像方坐標(biāo)之間的精確轉(zhuǎn)換關(guān)系，分別計算建筑物陰影區(qū)域每個點在 影像像方空間的坐標(biāo)，進而得到建筑物陰影在影像像方的整體坐標(biāo)以及位置。所述去除地面點和噪聲點，具體方法為去除地面點是以一定的高程值為閾值，去 除小于該閾值的LiDAR點，保留大于該閾值的LiDAR點；去除噪聲點是計算LiDAR點云中某 點與其8個最鄰近點的平均距離，該距離大于一定閾值則去除。所述帶距離控制的卷包裹算法，具體方法為a).在去除地面點和噪聲點的點集 中找到X坐標(biāo)最小及最大、Y坐標(biāo)最小及最大的點，取其中之一作為出發(fā)點，并記該頂點為 Pl ；b).從點Pl出發(fā)，做一條垂直線段L，長度為D，D為距離控制閾值；C).以Pl為固定點， 逆時鐘方向旋轉(zhuǎn)L，直到接觸到點集中的某點P2，則P2必是地物外部輪廓多邊形上的另一 個頂點；d).以P2為固定點繼續(xù)旋轉(zhuǎn)L，直到接觸到點集中的某點P3，則P3也必是地物外 部輪廓多邊形中的一個頂點；e).重復(fù)步驟d)直到L又重新回到Pl為止。當(dāng)以某點為固定點旋轉(zhuǎn)L，接觸到的點有多個時，則將這些點按照與固定點之間的 距離由小到大的排列成一組，則這一組點都是地物外部輪廓多邊形的頂點，然后將與固定 點之間距離最大的點作為新的固定點，繼續(xù)旋轉(zhuǎn)L。得到地物點集的外包多邊形后，去除外包多邊形的頂點及外包多邊形內(nèi)部的點， 只保留外包多邊形外部的數(shù)據(jù)點，對保留的數(shù)據(jù)點再次應(yīng)用帶距離控制卷包裹算法，得到 另一個地物的外部輪廓多邊形，重復(fù)前述方法直至提取所有的地物輪廓多邊形。采用面積閾值進行多邊形濾波；采用最小二乘原理對多邊形形狀簡化。由于采用了上述方案，本發(fā)明具有以下特點本發(fā)明可以集成機載LiDAR點云，高 效、快速地獲取高分辨率衛(wèi)星影像的陰影區(qū)域與坐標(biāo)范圍，不受衛(wèi)星影像上地物顏色與波 譜等特征的限制，具有穩(wěn)健性，得到的陰影位置坐標(biāo)精確，可以促進城市地區(qū)衛(wèi)星影像目標(biāo) 識別與信息解譯的研究。


圖1為本發(fā)明方法的流程圖。圖2為建筑物陰影與太陽高度角和太陽方位角之間的關(guān)系。
具體實施例方式以下結(jié)合附圖所示實施例對本發(fā)明作進一步的說明。參見附圖1，本發(fā)明集成機載LiDAR點云數(shù)據(jù)與衛(wèi)星立體影像進行影像陰影特別 是建筑物陰影的檢測與坐標(biāo)計算，首先對原始LiDAR點云數(shù)據(jù)進行濾波，得到包含建筑物和樹木等非地面點的LiDAR點云，然后使用帶距離控制的點包裹算法得到地物點集的外包 多邊形，通過判斷點與多邊形的位置關(guān)系得到地物輪廓多邊形，對地物輪廓多邊形進行濾 波和形狀簡化得到建筑物外部輪廓多邊形；由影像拍攝瞬間太陽高度角和方位角信息可以 求解建筑物陰影的物方坐標(biāo)，根據(jù)衛(wèi)星立體影像像方RFM幾何校正結(jié)果確定物方坐標(biāo)與像 方坐標(biāo)之間的轉(zhuǎn)換關(guān)系，從而得到建筑物陰影在影像像方空間的坐標(biāo)和位置。為了更好地理解本發(fā)明的技術(shù)方案，以下結(jié)合附圖和實施例作進一步的詳細(xì)描 述。(1)計算機載LiDAR點云數(shù)據(jù)建筑物外部輪廓多邊形；對于原始的機載LiDAR點云，由于包含所有的地面和地物掃描點，首先要進行點 云數(shù)據(jù)的濾波，除去點云中的地面點和噪聲點，去除地面點一般以一定的高程值為閾值，小 于此值的LiDAR點去除，大于閾值的點保留；對于噪聲點，不屬于任何地物對象，可以計算 LiDAR點云中某點與其k個最鄰近點的平均距離，若此距離大于一定閾值，則去除，實施例 中取k = 8，閾值為4m，從92729個點的實驗數(shù)據(jù)中去除噪聲點149個。將原始的LiDAR點云除去地面點和噪聲點后，將其投影到某一高程為H的平面上， 則這些投影點在平面上表現(xiàn)為一系列離散的點族，其中每一個點族代表了某一地物，用帶 距離控制的卷包裹算法分別求取這些點族的外包，得到的就是這些點族所表示的地物在高 程為H處的外部輪廓多邊形。帶距離控制的卷包裹算法，其具體過程如下a).在點集中找到X坐標(biāo)最小及最大、Y坐標(biāo)最小及最大的點，這四個點肯定在多 邊形上，取其中之一作為出發(fā)點，并記該頂點為Pl ；b).從點Pl出發(fā)，做一條垂直線段L，長 度為D，D為距離控制閾值；c).以Pl為固定點，逆時鐘方向旋轉(zhuǎn)L，直到接觸到點集中的某 點P2，則P2必是地物外部輪廓多邊形上的另一個頂點。以P2為固定點繼續(xù)旋轉(zhuǎn)L，直到接 觸到點集中的某點P3，則P3也必是地物外部輪廓多邊形中的一個頂點……一直這樣下去， 直到L又重新回到Pl為止。需要說明的是，當(dāng)以某點為固定點旋轉(zhuǎn)L，接觸到的點有多個時， 則將這些點按照與固定點之間的距離由小到大的排列成一組，則這一組點都是地物外部輪 廓多邊形的頂點。然后將與固定點之間距離最大的點作為新的固定點，繼續(xù)旋轉(zhuǎn)L……使用卷包裹算法時，距離控制是十分重要的，距離太小會將一個建筑物分割得支 離破碎，距離太大則會忽略建筑物的一些細(xì)節(jié)，或者使得相互靠近的兩棟建筑或者是一棟 建筑和周圍的樹木融合到一起，實施例中使用D為3-4m的距離可以得到比較好的效果。投影到高程為H的水平面上的點族運用帶距離控制的卷包裹算法求得一個地物 外包輪廓多邊形后，必須把外包多邊形的所有頂點和位于外包多邊形內(nèi)部的所有點都去除 掉，只留下位于外包多邊形外部的數(shù)據(jù)點，對這些數(shù)據(jù)點再次應(yīng)用帶距離控制的卷包裹算 法，獲取另一個地物的外部輪廓多邊形，依此不停地循環(huán)，直到把所有的地物輪廓多邊形都 提取出來。得到地物輪廓多邊形中，包含建筑、樹木，電線桿等，采用面積閾值將表示樹木、電 線桿等其他地物的多邊形去除掉，只留下代表建筑物的多邊形，實施例中采用面積閾值為 Sm2可以得到比較好的過濾效果。在得到建筑物輪廓多邊形以后，其頂點數(shù)目一般比較多，需要對多邊形進行簡化， 采用最小二乘原理對建筑物多邊形的邊線進行簡化，減少頂點的個數(shù)，以方便后續(xù)的計算過程。(2)確定建筑物陰影在物方空間坐標(biāo)位置；得到某一高程H的外部輪廓多邊形以后，通過改變H的值，可以獲得建筑物在不同 高度的外部輪廓多邊形。對于一棟高層建筑物，從某一較小高程平面H = h開始，以較小的 高程差(Im)，不斷獲取建筑的外部輪廓多邊形，直到h > =建筑物高程為止，可以得到建筑 物體在空間的外部輪廓多邊形變化情況。根據(jù)衛(wèi)星立體影像在拍攝瞬間的太陽高度角和太陽方位角信息，列立建筑物棱線 高度和對應(yīng)的陰影的方向和長度的關(guān)系式。如附圖2，假設(shè)直線AO為建筑物一條豎直的棱 線，點A的坐標(biāo)為(Xtl, Y0, H)，點A'為點A在太陽光下的陰影，點0為點A在地平面上的豎 直投影，其坐標(biāo)為(Xtl, Y0, h)，太陽高度角為α，太陽方位角為β，則AO在太陽光下的陰影 長度為 點A的陰影A'的坐標(biāo)為 在得到建筑物多邊形中每個點在地面上陰影的物方坐標(biāo)以后，即得到整個建筑物 的陰影在物方空間的坐標(biāo)。(3)確定衛(wèi)星影像物方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系；衛(wèi)星影像物方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系通過對衛(wèi)星立體影像進行基于像 方有理函數(shù)模型RFM的幾何校正實現(xiàn)。有理函數(shù)模型RFM是目前高分辨率衛(wèi)星影像幾何定 位的通用傳感器模型，由于其形式簡單、定位精度高等優(yōu)點而被廣泛采用，RFM模型的定義 式如下 其中rn，Cn是分別是標(biāo)準(zhǔn)化的影像行列坐標(biāo)，單位為像素；Xn，Yn, Zn為地面坐標(biāo)系 像方坐標(biāo)的標(biāo)準(zhǔn)化坐標(biāo)。坐標(biāo)的標(biāo)準(zhǔn)化過程使用以下的等式計算 其中rQ，C0是兩個影像坐標(biāo)的平移參數(shù)，rs，cs為縮放參數(shù)。同樣，X0, Y0, Z0為三 個地面坐標(biāo)的平移參數(shù)，Xs, Ys, Zs為縮放參數(shù)。多項式中每一項地面坐標(biāo)的最大冪通常不超過3，每一項各個坐標(biāo)分量的冪的總 和也不超過3。Pi (i = 1,2,3,4)是物方地面坐標(biāo)(Xn，Yn，Zn)的三階多項式函數(shù)，稱為有理多項式系數(shù)RPC。 由于RFM中的RPC系數(shù)一般僅僅采用衛(wèi)星軌道參數(shù)計算獲得，一般只能獲取20m 左右的精度，針對此問題，通常利用控制點對原始的RFM模型進行幾何校正，常用的有物方 空間校正和像方空間校正。像方RFM幾何校正模型可以在公式(3)的基礎(chǔ)上加入變換參數(shù) 得到 式(5)中的變換參數(shù)有以下四種選擇1)A0, Btl，表示像方坐標(biāo)平移，代表平移模型；2) A0, A1, B0, B1，表示像方坐標(biāo)平移和縮放，為平移縮放模型；3) A0, A1, A2, B0, B1, B2，表示像方仿射變換模型；4) A0, A1. · · A5, B0, B1. · · B5,表示像方二階多項式模型。實施例中的衛(wèi)星立體影像為QuickBird高分辨率衛(wèi)星立體影像，通過加入GPS測 量點作為控制點，采用最小二乘平差求解像方RFM幾何校正模型，可以得到衛(wèi)星影像的物 方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系，通過分析控制點個數(shù)、分布以及不同的像方RFM幾何 校正模型，得到最后的轉(zhuǎn)換關(guān)系。(4)確定建筑物陰影在影像像方空間的坐標(biāo)和位置；根據(jù)機載LiDAR數(shù)據(jù)得到的建筑物陰影在物方空間的坐標(biāo)，以及衛(wèi)星立體影像物 方坐標(biāo)和像方坐標(biāo)之間的精確轉(zhuǎn)換關(guān)系，分別計算建筑物陰影區(qū)域每個點在影像像方空間 的坐標(biāo)，進而得到建筑物陰影在影像像方的整體坐標(biāo)以及位置。上述的對實施例的描述是為便于該技術(shù)領(lǐng)域的普通技術(shù)人員能理解和應(yīng)用本發(fā) 明。熟悉本領(lǐng)域技術(shù)的人員顯然可以容易地對這些實施例做出各種修改，并把在此說明的 一般原理應(yīng)用到其他實施例中而不必經(jīng)過創(chuàng)造性的勞動。因此，本發(fā)明不限于這里的實施 例，本領(lǐng)域技術(shù)人員根據(jù)本發(fā)明的揭示，對于本發(fā)明做出的改進和修改都應(yīng)該在本發(fā)明的 保護范圍之內(nèi)。
權(quán)利要求
一種集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于其具體包括以下步驟1)計算機載LiDAR點云數(shù)據(jù)建筑物外部輪廓多邊形；2)確定建筑物陰影在物方空間坐標(biāo)位置；3)衛(wèi)星立體影像幾何定位校正，確定物方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系；4)確定建筑物陰影在影像像方空間的坐標(biāo)和位置。
2.根據(jù)權(quán)利要求1所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在 于所述計算機載LiDAR點云數(shù)據(jù)建筑物外部輪廓多邊形，具體方法為首先對原始的機載 LiDAR點云數(shù)據(jù)進行濾波，去除地面點和噪聲點；然后使用帶距離控制的卷包裹算法得到 地物點集的外包多邊形，判斷點與多邊形的位置關(guān)系，得到地物輪廓多邊形；進行多邊形濾 波，得到建筑物多邊形，再進行建筑物輪廓多邊形形狀簡化，得到最終的建筑物外部輪廓多 邊形。
3.根據(jù)權(quán)利要求1所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于 所述確定建筑物陰影在物方空間坐標(biāo)位置，具體方法為根據(jù)衛(wèi)星立體影像同軌或異軌在 拍攝瞬間的太陽高度角信息和太陽方位角信息，列立建筑物棱線高度和對應(yīng)的陰影的方向 和長度的關(guān)系式，求解建筑物多邊形中每個點在地面陰影的坐標(biāo)，得到建筑物陰影在物方 空間的坐標(biāo)。
4.根據(jù)權(quán)利要求1所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于 所述確定物方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系，具體方法為根據(jù)衛(wèi)星影像提供的有理多 項式系數(shù)RPC列立衛(wèi)星立體影像的有理函數(shù)模型RFM，并通過加入控制點的方式進行像方 空間RFM幾何校正，選擇像方RFM幾何校正模型，在影像區(qū)域內(nèi)加入6-8個平面分布均勻的 控制點，建立衛(wèi)星立體影像物方坐標(biāo)和像方坐標(biāo)之間的精確轉(zhuǎn)換關(guān)系。
5.根據(jù)權(quán)利要求1所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于 所述確定建筑物陰影在影像像方空間的坐標(biāo)和位置，具體方法為根據(jù)建筑物陰影在物方 空間的坐標(biāo)，以及衛(wèi)星立體影像物方坐標(biāo)和像方坐標(biāo)之間的精確轉(zhuǎn)換關(guān)系，分別計算建筑 物陰影區(qū)域每個點在影像像方空間的坐標(biāo)，進而得到建筑物陰影在影像像方的整體坐標(biāo)以 及位置。
6.根據(jù)權(quán)利要求2所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于 所述去除地面點和噪聲點，具體方法為去除地面點是以一定的高程值為閾值，去除小于該 閾值的LiDAR點，保留大于該閾值的LiDAR點；去除噪聲點是計算LiDAR點云中某點與其8 個最鄰近點的平均距離，該距離大于一定閾值則去除。
7.根據(jù)權(quán)利要求2所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于 所述帶距離控制的卷包裹算法，具體方法為a).在去除地面點和噪聲點的點集中找到X坐 標(biāo)最小及最大、Y坐標(biāo)最小及最大的點，取其中之一作為出發(fā)點，并記該頂點為Pl ；b).從點 Pl出發(fā)，做一條垂直線段L，長度為D，D為距離控制閾值；c).以Pl為固定點，逆時鐘方向旋 轉(zhuǎn)L，直到接觸到點集中的某點P2，則P2必是地物外部輪廓多邊形上的另一個頂點；d).以 P2為固定點繼續(xù)旋轉(zhuǎn)L，直到接觸到點集中的某點P3，則P3也必是地物外部輪廓多邊形中 的一個頂點；e).重復(fù)步驟d)直到L又重新回到Pl為止。
8.根據(jù)權(quán)利要求7所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于當(dāng)以某點為固定點旋轉(zhuǎn)L，接觸到的點有多個時，則將這些點按照與固定點之間的距離由小 到大的排列成一組，則這一組點都是地物外部輪廓多邊形的頂點，然后將與固定點之間距 離最大的點作為新的固定點，繼續(xù)旋轉(zhuǎn)L。
9.根據(jù)權(quán)利要求2所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在于 得到地物點集的外包多邊形后，去除外包多邊形的頂點及外包多邊形內(nèi)部的點，只保留外 包多邊形外部的數(shù)據(jù)點，對保留的數(shù)據(jù)點再次應(yīng)用帶距離控制卷包裹算法，得到另一個地 物的外部輪廓多邊形，重復(fù)前述方法直至提取所有的地物輪廓多邊形。
10.根據(jù)權(quán)利要求2所述的集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，其特征在 于采用面積閾值進行多邊形濾波；采用最小二乘原理對多邊形形狀簡化。
全文摘要
本發(fā)明一種集成LiDAR點云的衛(wèi)星立體影像陰影計算方法，首先對原始LiDAR點云數(shù)據(jù)進行濾波，得到包含建筑物和樹木等非地面點的LiDAR點云，然后使用帶距離控制的點包裹算法得到地物點集的外包多邊形，通過判斷點與多邊形的位置關(guān)系得到地物輪廓多邊形，對地物輪廓多邊形進行濾波和形狀簡化得到建筑物外部輪廓多邊形；由影像拍攝瞬間太陽高度角和方位角信息可以求解建筑物陰影的物方坐標(biāo)，根據(jù)衛(wèi)星立體影像像方RFM幾何校正結(jié)果確定物方坐標(biāo)與像方坐標(biāo)之間的轉(zhuǎn)換關(guān)系，從而得到建筑物陰影在影像像方空間的坐標(biāo)和位置。本發(fā)明可以高效、快速地獲取高分辨率衛(wèi)星影像的陰影區(qū)域與坐標(biāo)范圍，具有穩(wěn)健性，得到的陰影位置坐標(biāo)精確。
文檔編號G01S7/48GK101894382SQ20101023443
公開日2010年11月24日 申請日期2010年7月23日 優(yōu)先權(quán)日2010年7月23日
發(fā)明者喬剛, 曹斌, 李元博, 王偉, 王衛(wèi)安, 符小俐 申請人:同濟大學(xué)