一種基于機(jī)載LiDAR和GIS協(xié)同的三維道路生成方法
【專利摘要】本發(fā)明公開了一種基于機(jī)載LiDAR和GIS協(xié)同的三維道路生成方法，該方法將致力于解決LiDAR數(shù)據(jù)在點(diǎn)云道路目標(biāo)的分割、濾波和道路三維重建方面存在的問題。主要包括：道路點(diǎn)云數(shù)據(jù)裁切、高架橋道路自動(dòng)分層、點(diǎn)云濾波、高程內(nèi)插、道路連接與平滑處理、三維重建與渲染等內(nèi)容。本發(fā)明首先從點(diǎn)云中分割出道路區(qū)域點(diǎn)，然后利用GIS道路矢量數(shù)據(jù)的精確邊緣信息，對(duì)點(diǎn)云進(jìn)行幾何約束，提高道路高程信息提取的精確性；然后對(duì)道路區(qū)域中的點(diǎn)云進(jìn)行濾波，剔除非道路面點(diǎn)，并結(jié)合GIS矢量數(shù)據(jù)對(duì)高架橋進(jìn)行自動(dòng)分層處理；最后，利用內(nèi)插技術(shù)恢復(fù)立交遮擋部分，從而實(shí)現(xiàn)道路的三維重建。本發(fā)明是一種自動(dòng)化的可覆蓋大面積區(qū)域的道路三維建模方法。
【專利說明】—種基于機(jī)載LiDAR和GIS協(xié)同的三維道路生成方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于三維立體的城市建?！炯夹g(shù)領(lǐng)域】，涉及一種三維道路網(wǎng)的生成方法，尤其涉及點(diǎn)云濾波技術(shù)及利用濾波后的點(diǎn)云進(jìn)行道路高程內(nèi)插的方法。
[0002]

【背景技術(shù)】
[0003]近幾十年來，隨著數(shù)字城市和智慧城市的興起，三維立體的城市建模已經(jīng)成為一種新的技術(shù)熱點(diǎn)。在這種情況下，道路網(wǎng)絡(luò)作為城市運(yùn)輸命脈，是城市的主要組成部分，三維道路的構(gòu)建對(duì)于數(shù)字城市的構(gòu)建具有重要意義。
[0004]隨著航空和航天遙感技術(shù)的快速發(fā)展，遙感技術(shù)逐漸成為當(dāng)今社會(huì)信息化高速發(fā)展不可或缺的重要工具，利用遙感技術(shù)，能夠快速、準(zhǔn)確地獲得大量的地面觀測(cè)數(shù)據(jù)。機(jī)載激光雷達(dá)系統(tǒng)(Light Detect1n And Ranging,簡(jiǎn)稱 LiDAR (Light Detect1n AndRanging，光探測(cè)與測(cè)量))是一種新型的綜合應(yīng)用激光測(cè)距儀、IMU、GPS的快速測(cè)量系統(tǒng)，可以直接聯(lián)測(cè)地面物體各個(gè)點(diǎn)的三維坐標(biāo)。機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)經(jīng)過相關(guān)軟件數(shù)據(jù)處理后，可以生成高精度的數(shù)字地面模型DTM、等高線圖等4D產(chǎn)品，具有傳統(tǒng)攝影測(cè)量和地面常規(guī)測(cè)量技術(shù)無法取代的優(yōu)越性。機(jī)載激光雷達(dá)系統(tǒng)在地形測(cè)繪、環(huán)境檢測(cè)、三維城市建模等諸多領(lǐng)域具有廣闊的發(fā)展前景和應(yīng)用需求，將為測(cè)繪行業(yè)帶來一場(chǎng)新的技術(shù)革命。
[0005]隨著數(shù)字城市理論和技術(shù)的迅速發(fā)展，加之高分辨率遙感衛(wèi)星，機(jī)載和車載LiDAR(Light Detect1n And Ranging,光探測(cè)與測(cè)量)傳感器的出現(xiàn)，加快了三維城市建模的速度，三維重建技術(shù)進(jìn)入到了高速發(fā)展的階段。
[0006]傳統(tǒng)的基于攝影測(cè)量方法的三維重建過程既費(fèi)時(shí)又費(fèi)力，并且需要大量的人工輔助工作。目前，利用LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)輔助構(gòu)建真實(shí)三維場(chǎng)景的方法，由于其在一定程度上實(shí)現(xiàn)了自動(dòng)化以及點(diǎn)云精度高的特點(diǎn)，成為數(shù)字城市三維建模方法的研究熱點(diǎn)。
[0007]隆華平等介紹了機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)系統(tǒng)的回波探測(cè)原理，并從激光測(cè)高的計(jì)算模型出發(fā)，分析了激光測(cè)高的誤差來源，最后通過實(shí)驗(yàn)分析了不同覆蓋區(qū)域生成DEM的精度；Farhad等(提出了一種基于多分類器融合(MCS)提取LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)中道路信息的方法；Gong等提出了一種基于聚類的從LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)和遙感影像中自動(dòng)提取道路信息的方法；香港天文臺(tái)(Hong Kong Observatory)在香港國(guó)際機(jī)場(chǎng)設(shè)立了兩個(gè)LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)系統(tǒng)用于探測(cè)機(jī)場(chǎng)兩個(gè)跑道上的風(fēng)場(chǎng)，并將探測(cè)資料實(shí)時(shí)傳給機(jī)場(chǎng)氣象所，同時(shí)，激光雷達(dá)還被用于測(cè)量懸浮粒子的后散射，用作監(jiān)測(cè)機(jī)場(chǎng)附近的煙霞。李鵬程等提出了一種通過篩選機(jī)載LiDAR(Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)的末次和單次回波，利用構(gòu)建不規(guī)則三角網(wǎng)進(jìn)行濾波和去除孤立點(diǎn)的方法獲取DEM的方法，并通過實(shí)驗(yàn)證明了該方法的可行性與有效性。王宗躍等利用機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)獲取點(diǎn)云數(shù)據(jù)時(shí)水體受陰影和渾濁的影響比傳統(tǒng)的遙感影像小的特點(diǎn)，綜合利用高分辨率遙感影像的高精度與點(diǎn)云數(shù)據(jù)的穩(wěn)健性，將兩者結(jié)合起來提高了水體邊緣輪廓線提取的精確度。程亮等提出一種LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)輔助下利用超高分辨率影像進(jìn)行輪廓提取的新方法，取得了較高的提取準(zhǔn)確度。沈蔚等提出一種基于機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)進(jìn)行建筑物三維重建的方法，針對(duì)平頂建筑和非平頂建筑分別采用“Alpha shapes”算法和“基于向量聚類分析的屋頂提取方法”進(jìn)行提取，具有一定的自適應(yīng)性，但是目前該方法只能針對(duì)具有一定規(guī)則的建筑物進(jìn)行三維提取，對(duì)于不規(guī)則的建筑物提取具有一定的局限性。李影等通過實(shí)驗(yàn)對(duì)比了三種建筑物建模的方法，發(fā)現(xiàn)基于機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)技術(shù)生成的三維模型精度高、適用范圍廣、外業(yè)工作量少等優(yōu)點(diǎn)，但同時(shí)存在數(shù)據(jù)量大、不便于快速傳輸?shù)鹊娜秉c(diǎn)。張棟利用LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)的高程信息和航空影像房屋的輪廓信息，分別提取房屋的頂面數(shù)據(jù)和輪廓數(shù)據(jù)，并基于此進(jìn)行房屋的三維建模，相對(duì)于只使用LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)或者只使用航空序列影像前方交會(huì)來建模具有一定的優(yōu)勢(shì)。Maas等基于分析激光腳點(diǎn)點(diǎn)云的矩不變性，提出了充LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)中自動(dòng)提取建筑物模型的方法；尤紅建等根據(jù)記載LiDAR (Light Detect1nAnd Ranging，光探測(cè)與測(cè)量)數(shù)據(jù)，生成城市的數(shù)字表面模型(DSM)和城市的數(shù)字地面模型(DTM)，最好根據(jù)建筑物具有規(guī)則的形狀這個(gè)特點(diǎn)來對(duì)建筑物的輪廓線進(jìn)行規(guī)則化處理而最終恢復(fù)建筑物的三維信息。
[0008]雖然自動(dòng)提取道路等人工地物的研究已經(jīng)進(jìn)行了二十多年，然是仍然沒有出現(xiàn)一個(gè)實(shí)際生產(chǎn)可用的自動(dòng)化系統(tǒng)(無需人工干預(yù))，鑒于此問題的難度，在當(dāng)前階段，由人工干預(yù)或人工引導(dǎo)的半自動(dòng)道路提取與建模成為國(guó)內(nèi)外專家的研究熱點(diǎn)。丁如珍等完成了公交立交三維建模CAD系統(tǒng)的開發(fā)，對(duì)公路立交三維建模透視圖及渲染圖作為研究對(duì)象，對(duì)公路立交三維建模CAD系統(tǒng)總體結(jié)構(gòu)進(jìn)行研究，其次對(duì)系統(tǒng)中的數(shù)字地面模型、路面模型、跨線橋模型、護(hù)欄模型及車道標(biāo)線模型等的建立進(jìn)行了闡述。李哲梁等提出了公路道路信息管理系統(tǒng)中按匝道來表示立交橋的方法，并嘗試著立交橋在地理信息系統(tǒng)中如何進(jìn)行空間分析，然而其對(duì)立交模型的表示和描述都停留在二維空間，使得空間分析和更深入的GIS分析功能難以實(shí)現(xiàn)。趙西安等提出了一種基于小波的道路中心線模板提取方法，利用道路在中低分辨率遙感圖像中局部特征表現(xiàn)為強(qiáng)的灰度特征的特點(diǎn)，在圖像中道路方向未知時(shí)，利用小波多尺度變換在三個(gè)尺度下，檢測(cè)圖像斷面上相關(guān)系數(shù)峰值，可以抑制噪聲并剔除候選點(diǎn)，然后綜合兩個(gè)方向檢測(cè)結(jié)果得到道路中心點(diǎn)，初步的實(shí)驗(yàn)結(jié)果顯示，該方法對(duì)噪聲的抑制處理比較有限。左小清等以公路設(shè)計(jì)縱、橫斷面數(shù)據(jù)為基礎(chǔ)，用三角網(wǎng)結(jié)構(gòu)來實(shí)現(xiàn)地形、公路及其構(gòu)造物的三維模型的建立，對(duì)于附屬設(shè)施用3DS模型庫(kù)，該方法是交通地理信息系統(tǒng)和三維可視化相結(jié)合的一個(gè)初步嘗試，論文僅從設(shè)計(jì)數(shù)據(jù)出發(fā)，討論了里程點(diǎn)和參照點(diǎn)法間的關(guān)系，討論了點(diǎn)事件的定位方法和簡(jiǎn)單的位置查詢，對(duì)線和面事件在三維環(huán)境下的定位和屬性表示沒有涉及。Haibin Dong等采用人工輸入種子點(diǎn)的辦法半自動(dòng)地從單片IKN0S衛(wèi)星影像上提取和重建城市道路網(wǎng)的二維模型。作者對(duì)復(fù)雜的立交橋模型進(jìn)行了研究，結(jié)合設(shè)計(jì)曲線線型對(duì)立交橋的提取和重建進(jìn)行了探討。該方法的優(yōu)點(diǎn)是數(shù)據(jù)源較新，采用了高分辨率遙感影像，但仍然是半自動(dòng)方法，由于采用的是單片影像，只能得到二維模型，沒有多余觀測(cè)，缺乏物方的檢查條件，如果影像有遮擋，重建工作將很難進(jìn)行。黃建軍等提出了一種航空影像中的立交橋檢測(cè)的算法，在給出了一類帶有圓形或近似圓形轉(zhuǎn)彎匝道的立交橋的描述方法的基礎(chǔ)上，先進(jìn)行主要干道檢測(cè)，再采用改進(jìn)的Hough變換對(duì)匝道進(jìn)行檢測(cè)，從而實(shí)現(xiàn)對(duì)立交橋的自動(dòng)檢測(cè)。該方法的優(yōu)點(diǎn)是能夠有效地提取影像中具有圓形匝道的立交橋，但是實(shí)際獲取的數(shù)據(jù)中，立交橋不一定都是圓形規(guī)則匝道設(shè)計(jì)，還有很多沒有特定規(guī)則幾何形狀規(guī)律可言，需要利用其他信息來進(jìn)行提取，因此該方法不具有普適性。Simon clode 等提出一種利用遙感影像和 LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)點(diǎn)云提取道路區(qū)域的方法，該方法利用的是低分辨率影像，得到道路粗略的網(wǎng)絡(luò)分布，對(duì)于兩種數(shù)據(jù)的融合存在一定的問題，不能得到精確的道路。羅詔元(2006)，Sander Oude Elberink等,HuboCai等采用GIS數(shù)據(jù)庫(kù)中的道路輪廓線信息,作為道路邊緣的約束條件，并對(duì)道路進(jìn)行定位，提取道路，結(jié)合LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)高程信息建立道路三維模型。其優(yōu)點(diǎn)是可以充分利用GIS的道路拓?fù)潢P(guān)系，建立復(fù)雜的道路網(wǎng)絡(luò)信息，但是道路提取依賴GIS數(shù)據(jù)信息的時(shí)效性。
[0009]在點(diǎn)云濾波方面，國(guó)內(nèi)外學(xué)者也提出了多種算法。美國(guó)佛羅里達(dá)國(guó)際大學(xué)的ZhangKeqi等提出一種基于變換窗口大小的漸進(jìn)形態(tài)學(xué)濾波器的方法，隨著窗口大小的改變算法中相應(yīng)的閾值也隨之改變。通過判斷三維點(diǎn)在鄰域窗口內(nèi)的膨脹度和腐蝕度，進(jìn)行開閉運(yùn)算得到濾波結(jié)果。報(bào)告稱該方法在城區(qū)和山區(qū)都足夠有效，并能夠較好地除去車輛和灌木等目標(biāo)。Petzold等提出一種利用移動(dòng)窗口的濾波算法，該方法利用一個(gè)大尺度的移動(dòng)窗口找最低點(diǎn)計(jì)算出一個(gè)粗略的地形模型；過濾掉所有高差超過給定閾值的點(diǎn)，計(jì)算一個(gè)更精確的EffiM。重復(fù)幾遍類似的操作，在重復(fù)計(jì)算的過程中，移動(dòng)窗口不斷變小。結(jié)果顯示窗口的大小和閾值的大小會(huì)對(duì)最終的結(jié)果產(chǎn)生影響。奧地利維也納大學(xué)的Kraus和Pfeifer等提出一種迭代線性最小二乘內(nèi)插模型殘差法濾波，在該方法中，DEM內(nèi)插以及數(shù)據(jù)過濾同時(shí)進(jìn)行，其核心思想就是基于地物點(diǎn)的高程比對(duì)應(yīng)區(qū)域地形表面激光腳點(diǎn)的高程，線性最小二乘內(nèi)插后激光腳點(diǎn)的高程擬合殘差不服從正態(tài)分布。該方法比較適用于森林密集覆蓋的地區(qū)的DTM生成。Vosselman提出基于坡度變化的濾波方法，計(jì)算測(cè)點(diǎn)到半徑范圍內(nèi)的鄰域點(diǎn)的坡度值，如果找到鄰域點(diǎn)坡度值超過閾值，該點(diǎn)分類成非地面點(diǎn)。坡度閾值越小，點(diǎn)被濾除的機(jī)會(huì)越大，也就是會(huì)有較大量的濾除。Sithole對(duì)基于坡度變化的濾波算法進(jìn)行改進(jìn)，提出了閾值隨地形變化調(diào)適的方案，該方法為了保留傾斜地形信息，適當(dāng)調(diào)整濾波窗口的尺寸大小，并增加篩選閾值的取值，這些濾波參數(shù)的最優(yōu)值隨著地形的變化而變化。
[0010]以上可以看出，目前的數(shù)字城市三維建模，特別是與機(jī)載LiDAR (LightDetect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)的結(jié)合方面，主要集中在建筑物的三維建模領(lǐng)域，道路的三維建模還處于半自動(dòng)化或者小面積的三維道路建模階段；由于現(xiàn)有的三維道路建模技術(shù)存在諸多瓶頸，使得有必要開發(fā)基于多種數(shù)據(jù)源融合的自動(dòng)化的三維道路建模方法。
[0011]


【發(fā)明內(nèi)容】

[0012]針對(duì)上述三維道路建模技術(shù)的發(fā)展態(tài)勢(shì)及現(xiàn)有局限，本發(fā)明著重于利用現(xiàn)有的二維道路矢量數(shù)據(jù)和機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)，提出一種自動(dòng)化的可覆蓋大面積區(qū)域的道路三維建模方法。
[0013]本發(fā)明所采用的技術(shù)方案是:一種基于機(jī)載LiDAR和GIS協(xié)同的三維道路生成方法，該方法所使用的數(shù)據(jù)源包括二維的GIS道路矢量數(shù)據(jù)和具有三維信息的點(diǎn)云數(shù)據(jù)；其特征在于，包括以下步驟:
步驟1:道路高程點(diǎn)數(shù)據(jù)提取，主要包括GIS輔助數(shù)據(jù)、GIS道路矢量數(shù)據(jù)的獲取和點(diǎn)云數(shù)據(jù)裁切；
步驟2:對(duì)提取的道路高程點(diǎn)數(shù)據(jù)依次進(jìn)行道路自動(dòng)分層、點(diǎn)云分層和點(diǎn)云濾波處理，然后判斷道路分層是否結(jié)束？
若是，則繼續(xù)執(zhí)行下述步驟3;
若否，則回轉(zhuǎn)執(zhí)行所述的步驟2 ；
步驟3:對(duì)分層后的數(shù)據(jù)進(jìn)行道路高程內(nèi)插，然后判斷道路內(nèi)部以及道路連接處是否平滑？
若否，則對(duì)道路連接處平滑處理，并回轉(zhuǎn)執(zhí)行所述的步驟3 ；
否是，則生成三維道路。
[0014]作為優(yōu)選，所述的二維的GIS道路矢量數(shù)據(jù)包括面狀類型和線狀類型兩種。
[0015]作為優(yōu)選，所述的面狀類型的二維GIS道路矢量數(shù)據(jù)包括道路、道路交叉口、道路輔助設(shè)施、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺(tái)。
[0016]作為優(yōu)選，所述的線狀類型的二維GIS道路矢量數(shù)據(jù)包括道路中心線、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺(tái)。
[0017]作為優(yōu)選，所述的具有三維信息的點(diǎn)云數(shù)據(jù)包括機(jī)載LiDAR數(shù)據(jù)，或具有X、Y、Z坐標(biāo)的以text文件存儲(chǔ)的三維點(diǎn)數(shù)據(jù)。
[0018]作為優(yōu)選，步驟2中所述的道路自動(dòng)分層，其具體實(shí)現(xiàn)包括以下子步驟:
步驟2.1.1:獲取落入道路面的所有點(diǎn)，并求高程的中值作為該段道路的高程初始值； 步驟2.1.2:通過空間分析的方法獲取該道路與其他道路的空間鄰接或重疊關(guān)系； 步驟2.1.3:對(duì)于當(dāng)前道路存在上述空間關(guān)系的道路的高程初始值進(jìn)行排序；
步驟2.1.4:判斷與其序號(hào)值相鄰的面是否已經(jīng)標(biāo)記過道路層次，若有，那么當(dāng)前道路的層次應(yīng)該介于相鄰面的層次之間，否則將當(dāng)前排序的序號(hào)值賦給當(dāng)前道路作為道路層次，同時(shí)結(jié)合道路數(shù)據(jù)已有的相關(guān)屬性信息加以輔助判斷。
[0019]作為優(yōu)選，步驟2中所述的點(diǎn)云分層是基于其所落入的道路的最高等級(jí)作為點(diǎn)云的層次等級(jí)。
[0020]作為優(yōu)選，步驟2中所述的點(diǎn)云濾波是對(duì)道路面內(nèi)的點(diǎn)云的濾波；針對(duì)平原地區(qū)，采用的是基于RANSAC (Random Sample Consensus,隨機(jī)抽樣一致性)算法的濾波方法進(jìn)行濾波；針對(duì)山地，采用的是基于多重屬性(Multiple Attribute)的濾波方法；針對(duì)建筑物聚集區(qū)，首先對(duì)點(diǎn)云進(jìn)行預(yù)處理，將落入建筑物或者與建筑物的邊界處的點(diǎn)排除掉，然后再利用RANSAC濾波的方法進(jìn)行濾波。
[0021]作為優(yōu)選，步驟3中所述的對(duì)分層后的數(shù)據(jù)進(jìn)行道路高程內(nèi)插，采用的是線性內(nèi)插或者最小二乘擬合內(nèi)插法。
[0022]作為優(yōu)選，步驟3中所述的對(duì)道路連接處平滑處理，其具體實(shí)現(xiàn)包括以下子步驟: 步驟3.1:根據(jù)相關(guān)道路標(biāo)準(zhǔn)(如坡度信息)進(jìn)行道路節(jié)點(diǎn)的高程異常檢測(cè)；
步驟3.2:對(duì)檢測(cè)出的高程異常點(diǎn)進(jìn)行標(biāo)記；
步驟3.3:對(duì)標(biāo)記的高程異常點(diǎn)利用最小二乘曲線擬合等擬合或內(nèi)插方法進(jìn)行擬合，并根據(jù)擬合結(jié)果內(nèi)插出新的高程值。
[0023]本發(fā)明將致力于解決LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)在點(diǎn)云道路目標(biāo)的分割、濾波和道路三維重建方面存在的問題。主要包括:道路點(diǎn)云數(shù)據(jù)裁切、高架橋道路自動(dòng)分層、點(diǎn)云濾波、高程內(nèi)插、道路連接與平滑處理、三維道路質(zhì)量檢查等內(nèi)容。本發(fā)明的發(fā)方法是一種自動(dòng)化的可覆蓋大面積區(qū)域的道路三維建模方法。
[0024]

【專利附圖】

【附圖說明】
[0025]圖1:本發(fā)明的方法流程圖；
圖2:本發(fā)明實(shí)施例的對(duì)道路內(nèi)部及連接處平滑處理流程示意圖。
[0026]

【具體實(shí)施方式】
[0027]為了便于本領(lǐng)域普通技術(shù)人員理解和實(shí)施本發(fā)明，下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，應(yīng)當(dāng)理解，此處所描述的實(shí)施示例僅用于說明和解釋本發(fā)明，并不用于限定本發(fā)明。
[0028]現(xiàn)有的三維道路建模技術(shù)存在諸多瓶頸，使得有必要開發(fā)基于多種數(shù)據(jù)源融合的自動(dòng)化的三維道路建模方法。其可行性在于:
首先，道路提取已經(jīng)成為遙感研究的熱點(diǎn)，在理論和實(shí)驗(yàn)方面都得到了迅速發(fā)展，并且在土地覆蓋制圖、變化檢測(cè)、GIS (Geographic Informat1n System,地理信息系統(tǒng))數(shù)據(jù)庫(kù)更新等方面得到了非常好的應(yīng)用，但是目前的方法大多基于半自動(dòng)的道路提取，提取效率低，全自動(dòng)化的道路提取算法還不夠成熟，道路提取的成熟軟件也沒有投入商用，因此有待于進(jìn)一步研究；
其次，當(dāng)前針對(duì)數(shù)字城市的三維重建工作仍然停留在算法研究與測(cè)試階段，大范圍的應(yīng)用以及成熟的、自動(dòng)化程度較高的數(shù)字城市三維重建軟件還很少，因此，現(xiàn)有的科研成果(包括有效的算法與現(xiàn)有的商業(yè)軟件)具有先進(jìn)的算法和穩(wěn)定的效率，為本發(fā)明的順利完成奠定了基礎(chǔ)；
第三,LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)數(shù)據(jù)提供了精確的高程信息，加之GIS (Geographic Informat1n System,地理信息系統(tǒng))矢量數(shù)據(jù)的引入，可以為點(diǎn)云的分割與濾波提供精確的幾何約束，能有效的提供高程內(nèi)插的精度，本發(fā)明將充分利用這些已有的數(shù)據(jù)，將LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)點(diǎn)云數(shù)據(jù)與GIS (Geographic Informat1n System,地理信息系統(tǒng))數(shù)據(jù)進(jìn)行融合，提高道路高程信息提取和三維重建的精度；
為此，本發(fā)明提供一種基于機(jī)載LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)和GIS (Geographic Informat1n System,地理信息系統(tǒng))協(xié)同的三維道路生成方法，請(qǐng)見圖1，本實(shí)施例所使用的數(shù)據(jù)源包括二維的GIS道路矢量數(shù)據(jù)和具有三維信息的點(diǎn)云數(shù)據(jù)；包括以下步驟:
步驟1:道路高程點(diǎn)數(shù)據(jù)提取，主要包括GIS輔助數(shù)據(jù)、GIS道路矢量數(shù)據(jù)的獲取和點(diǎn)云數(shù)據(jù)裁切；
道路高程點(diǎn)數(shù)據(jù)的獲取可以利用現(xiàn)有的從影像中自動(dòng)或半自動(dòng)的道路信息提取方法獲得，本發(fā)明對(duì)道路面獲取的方法不做特殊要求。
[0029]點(diǎn)運(yùn)數(shù)據(jù)裁切主要是為了降低數(shù)據(jù)量，利用現(xiàn)有的GIS數(shù)據(jù)空間分析方法(clip)將落入道路內(nèi)的點(diǎn)云從全部點(diǎn)云數(shù)據(jù)集中裁切出來，用于后續(xù)的數(shù)據(jù)處理。
[0030]步驟2:對(duì)提取的道路高程點(diǎn)數(shù)據(jù)依次進(jìn)行道路自動(dòng)分層、點(diǎn)云分層和點(diǎn)云濾波處理，然后判斷道路分層是否結(jié)束？
若是，則繼續(xù)執(zhí)行下述步驟3;
若否，則回轉(zhuǎn)執(zhí)行所述的步驟2 ；
本實(shí)施例的道路選擇高架道路，高架道路的自動(dòng)分層算法是本發(fā)明的核心算法，該算法的主要步驟為:
1)遍歷所有道路面；
2)求出落入該面的點(diǎn)云，并計(jì)算這些點(diǎn)云的高程值的中值，作為該面的高程標(biāo)記值；
3)求出所有與當(dāng)前面有相交關(guān)系的面，然后根據(jù)每個(gè)面的高程標(biāo)記值進(jìn)行排序；
4)求出當(dāng)前面的高程標(biāo)記值所在的序號(hào)；
5)然后判斷與其序號(hào)值相鄰的面是否已經(jīng)標(biāo)記過道路層次，若有，那么當(dāng)前道路的層次應(yīng)該介于相鄰面的層次之間，否則將當(dāng)前排序的序號(hào)值賦給當(dāng)前道路作為道路層次。
[0031]點(diǎn)云分層:利用分層后的道路面對(duì)點(diǎn)云進(jìn)行分層，由于存在道路重疊的現(xiàn)象，因此LiDAR (Light Detect1n And Ranging,光探測(cè)與測(cè)量)點(diǎn)中的一個(gè)點(diǎn)可能會(huì)同時(shí)落入不同的道路中，因此點(diǎn)云分層基于其所落入的道路的最高等級(jí)作為點(diǎn)云的層次等級(jí)。
[0032]點(diǎn)云濾波:針對(duì)大范圍的道路區(qū)域，根據(jù)地形的高低起伏和密集建筑物等的特殊情況，需要根據(jù)不同情況選用不同的濾波策略。本發(fā)明專利將分為三種情況進(jìn)行濾波處理:
1平原地區(qū):
針對(duì)地形起伏比較小的地區(qū)，本發(fā)明采用一種基于RANSAC (Random SampleConsensus,隨機(jī)抽樣一致性)算法的濾波方法進(jìn)行濾波，該濾波算法的具體步驟為:
1)對(duì)落入每一個(gè)道路區(qū)域內(nèi)的點(diǎn)的集合，隨機(jī)選擇可以滿足模型參數(shù)的最小數(shù)量的占.2)利用選擇的點(diǎn)的集合計(jì)算模型的參數(shù)；
3)判斷滿足預(yù)設(shè)閾值的點(diǎn)的數(shù)量，并標(biāo)記為內(nèi)部點(diǎn)；
4)如果內(nèi)部點(diǎn)的數(shù)量部分超出了預(yù)設(shè)的閾值，那么就用已經(jīng)確定的內(nèi)部點(diǎn)重新估計(jì)模型的參數(shù)并終止；
5)否則，重復(fù)步驟1)至4)(直到達(dá)到最大次數(shù)N為止)。
[0033]2 山地:
針對(duì)地形起伏比較大的丘陵或者山地地區(qū)，本發(fā)明采用一種基于多重屬性(MultipleAttribute)的濾波方法，該濾波算法的具體步驟為: 1)從點(diǎn)云的屬性字段中提取高程值和強(qiáng)度值，并利用這兩個(gè)值構(gòu)建一個(gè)二維的空間。
[0034]2)將當(dāng)前道路區(qū)域分割成小的道路段，并獲取落入每一個(gè)道路段的點(diǎn)的集合。
[0035]3)利用基于最小協(xié)方差行列式的多屬性模型將地面點(diǎn)和非地面點(diǎn)在上述的二維空間中進(jìn)行分割。
[0036]3建筑物聚集區(qū):
針對(duì)建筑物聚集區(qū)，由于道路可能與建筑物之間有覆蓋或者鄰接的關(guān)系，因此首先對(duì)點(diǎn)云進(jìn)行預(yù)處理，將落入建筑物或者與建筑物的邊界處較為接近的點(diǎn)排除掉，然后再利用RANSAC (Random Sample Consensus,隨機(jī)抽樣一致性)濾波的方法進(jìn)行濾波；該步驟主要針對(duì)落在建筑物邊界附近的點(diǎn)進(jìn)行處理，以避免對(duì)步驟3的高程內(nèi)插造成影響。本發(fā)明主要通過空間分析中的緩沖區(qū)的方法，通過建立建筑物面的緩沖區(qū)，將落入該緩沖區(qū)的點(diǎn)排除掉。
[0037]步驟3:對(duì)分層后的數(shù)據(jù)進(jìn)行道路高程內(nèi)插，然后判斷道路內(nèi)部以及道路連接處是否平滑？
若否，則對(duì)道路連接處平滑處理，并回轉(zhuǎn)執(zhí)行所述的步驟3 ；
否是，則生成三維道路。
[0038]利用濾波后的點(diǎn)集，對(duì)每個(gè)道路面的節(jié)點(diǎn)構(gòu)建緩沖區(qū)，并計(jì)算落入緩沖區(qū)內(nèi)并且與當(dāng)前道路節(jié)點(diǎn)所在的道路層次相同的點(diǎn)的中值作為當(dāng)前道路節(jié)點(diǎn)的高程值，并保存下來；如果當(dāng)前節(jié)點(diǎn)搜索到的符合條件的高程點(diǎn)的個(gè)數(shù)為0，那么，將當(dāng)前節(jié)點(diǎn)的高程值標(biāo)記為0。
[0039]當(dāng)一段道路處理完畢后，利用高程不為0的節(jié)點(diǎn)的高程值，通過最小二乘擬合或者線性內(nèi)插的方法，內(nèi)插出高程為0的節(jié)點(diǎn)的高程值，并保存下來。
[0040]道路連接主要處理兩段道路連接處公共節(jié)點(diǎn)的高程值，使兩段道路平滑連接；道路的平滑主要包括處理道路內(nèi)部的高程異常以及道路間連接處的平滑過渡與高程異常處理。
[0041]道路的平滑算法主要利用非高程異常點(diǎn)作為已知點(diǎn)，然后通過利用最小二乘曲線擬合的方法，進(jìn)行高程異常點(diǎn)平滑處理，請(qǐng)見圖2，道路連接處平滑處理的過程包括以下子步驟:
步驟3.1:根據(jù)相關(guān)道路標(biāo)準(zhǔn)(如坡度信息)進(jìn)行道路節(jié)點(diǎn)的高程異常檢測(cè)；
步驟3.2:對(duì)檢測(cè)出的高程異常點(diǎn)進(jìn)行標(biāo)記；
步驟3.3:對(duì)標(biāo)記的高程異常點(diǎn)利用最小二乘曲線擬合等擬合或內(nèi)插方法進(jìn)行擬合，并根據(jù)擬合結(jié)果內(nèi)插出新的高程值。
[0042]本實(shí)施例的二維的GIS道路矢量數(shù)據(jù)包括面狀類型和線狀類型兩種；面狀類型的二維GIS道路矢量數(shù)據(jù)包括道路、道路交叉口、道路輔助設(shè)施、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺(tái)；線狀類型的二維GIS道路矢量數(shù)據(jù)包括道路中心線、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺(tái)；具有三維信息的點(diǎn)云數(shù)據(jù)包括機(jī)載LiDAR數(shù)據(jù)，或具有X、Υ、Z坐標(biāo)的以text文件存儲(chǔ)的三維點(diǎn)數(shù)據(jù)。
[0043]本實(shí)施例的二維道路面的矢量數(shù)據(jù)的獲取方式可以通過計(jì)算機(jī)自動(dòng)獲取也可以通過人工輔助的手段獲取。
[0044]本實(shí)施例的點(diǎn)云數(shù)據(jù)裁切方法不局限于使用ArcGIS軟件進(jìn)行，也可以用其他軟件進(jìn)行。
[0045]本實(shí)施例的道路自動(dòng)分層的方法不局限于使用本發(fā)明提出的方法，也可以利用人工輔助的方式完成。
[0046]本實(shí)施例的點(diǎn)云濾波方法針對(duì)的是對(duì)道路面內(nèi)的點(diǎn)云的濾波，而不是針對(duì)大范圍地面的濾波，濾波方法不局限于使用本發(fā)明提出的方法，也可以使用其他濾波方法。
[0047]本實(shí)施例的點(diǎn)云分層的方法不局限于使用本發(fā)明提出的方法，也可以使用其他方法。
[0048]本實(shí)施例的道路高程內(nèi)插的方法不局限與線性內(nèi)插或者最小二乘擬合內(nèi)插法，也可以使用其他方法。
[0049]應(yīng)當(dāng)理解的是，本說明書未詳細(xì)闡述的部分均屬于現(xiàn)有技術(shù)。
[0050]應(yīng)當(dāng)理解的是，上述針對(duì)較佳實(shí)施例的描述較為詳細(xì)，并不能因此而認(rèn)為是對(duì)本發(fā)明專利保護(hù)范圍的限制，本領(lǐng)域的普通技術(shù)人員在本發(fā)明的啟示下，在不脫離本發(fā)明權(quán)利要求所保護(hù)的范圍情況下，還可以做出替換或變形，均落入本發(fā)明的保護(hù)范圍之內(nèi)，本發(fā)明的請(qǐng)求保護(hù)范圍應(yīng)以所附權(quán)利要求為準(zhǔn)。
【權(quán)利要求】
1.一種基于機(jī)載“0八1？和以3協(xié)同的三維道路生成方法，該方法所使用的數(shù)據(jù)源包括二維的613道路矢量數(shù)據(jù)和具有三維信息的點(diǎn)云數(shù)據(jù)；其特征在于，包括以下步驟: 步驟1:道路高程點(diǎn)數(shù)據(jù)提取，主要包括以3輔助數(shù)據(jù)、以3道路矢量數(shù)據(jù)的獲取和點(diǎn)云數(shù)據(jù)裁切； 步驟2:對(duì)提取的道路高程點(diǎn)數(shù)據(jù)依次進(jìn)行道路自動(dòng)分層、點(diǎn)云分層和點(diǎn)云濾波處理，然后判斷道路分層是否結(jié)束？ 若是，則繼續(xù)執(zhí)行下述步驟3； 若否，則回轉(zhuǎn)執(zhí)行所述的步驟2 ； 步驟3:對(duì)分層后的數(shù)據(jù)進(jìn)行道路高程內(nèi)插，然后判斷道路內(nèi)部以及道路連接處是否平滑？ 若否，則對(duì)道路連接處平滑處理，并回轉(zhuǎn)執(zhí)行所述的步驟3 ； 否是，則生成三維道路。
2.根據(jù)權(quán)利要求1所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:所述的二維的613道路矢量數(shù)據(jù)包括面狀類型和線狀類型兩種。
3.根據(jù)權(quán)利要求2所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:所述的面狀類型的二維613道路矢量數(shù)據(jù)包括道路、道路交叉口、道路輔助設(shè)施、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺(tái)。
4.根據(jù)權(quán)利要求2所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:所述的線狀類型的二維613道路矢量數(shù)據(jù)包括道路中心線、人行過街天橋、噪聲隔離帶、穿過道路的鐵路、覆蓋道路的建筑物以及覆蓋道路的平臺(tái)。
5.根據(jù)權(quán)利要求1所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:所述的具有三維信息的點(diǎn)云數(shù)據(jù)包括機(jī)載“0八1？數(shù)據(jù)，或具有乂、12坐標(biāo)的以仏#文件存儲(chǔ)的三維點(diǎn)數(shù)據(jù)。
6.根據(jù)權(quán)利要求1所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:步驟2中所述的道路自動(dòng)分層，其具體實(shí)現(xiàn)包括以下子步驟: 步驟2.1.1:獲取落入道路面的所有點(diǎn)，并求高程的中值作為該段道路的高程初始值； 步驟2.1.2:通過空間分析的方法獲取該道路與其他道路的空間鄰接或重疊關(guān)系； 步驟2.1.3:對(duì)于當(dāng)前道路存在上述空間關(guān)系的道路的高程初始值進(jìn)行排序； 步驟2.1.4:判斷與其序號(hào)值相鄰的面是否已經(jīng)標(biāo)記過道路層次，若有，那么當(dāng)前道路的層次應(yīng)該介于相鄰面的層次之間，否則將當(dāng)前排序的序號(hào)值賦給當(dāng)前道路作為道路層次，同時(shí)結(jié)合道路數(shù)據(jù)已有的相關(guān)屬性信息加以輔助判斷。
7.根據(jù)權(quán)利要求1所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:步驟2中所述的點(diǎn)云分層是基于其所落入的道路的最高等級(jí)作為點(diǎn)云的層次等級(jí)。
8.根據(jù)權(quán)利要求1所述的基于機(jī)載“0八1？和以3協(xié)同的三維道路生成方法，其特征在于:步驟2中所述的點(diǎn)云濾波是對(duì)道路面內(nèi)的點(diǎn)云的濾波；針對(duì)平原地區(qū)，采用的是基于
( 1^811(10111 351卹16 &31186118118，隨機(jī)抽樣一致性)算法的濾波方法進(jìn)行濾波；針對(duì)山地，采用的是基于多重屬性(11111:11)16八1:廿'1)3111:6)的濾波方法；針對(duì)建筑物聚集區(qū)，首先對(duì)點(diǎn)云進(jìn)行預(yù)處理，將落入建筑物或者與建筑物的邊界處的點(diǎn)排除掉，然后再利用狀吧八濾波的方法進(jìn)行濾波。
9.根據(jù)權(quán)利要求1所述的基于機(jī)載和以3協(xié)同的三維道路生成方法，其特征在于:步驟3中所述的對(duì)分層后的數(shù)據(jù)進(jìn)行道路高程內(nèi)插，采用的是線性內(nèi)插或者最小二乘擬合內(nèi)插法。
10.根據(jù)權(quán)利要求1所述的基于機(jī)載和613協(xié)同的三維道路生成方法，其特征在于:步驟3中所述的對(duì)道路連接處平滑處理，其具體實(shí)現(xiàn)包括以下子步驟: 步驟3.1:根據(jù)相關(guān)道路標(biāo)準(zhǔn)進(jìn)行道路節(jié)點(diǎn)的高程異常檢測(cè)； 步驟3.2:對(duì)檢測(cè)出的高程異常點(diǎn)進(jìn)行標(biāo)記； 步驟3.3:對(duì)標(biāo)記的高程異常點(diǎn)利用最小二乘曲線擬合等擬合或內(nèi)插方法進(jìn)行擬合，并根據(jù)擬合結(jié)果內(nèi)插出新的高程值。
【文檔編號(hào)】G06T17/00GK104376595SQ201410706320
【公開日】2015年2月25日 申請(qǐng)日期:2014年11月28日 優(yōu)先權(quán)日:2014年11月28日
【發(fā)明者】史文中, 高利鵬 申請(qǐng)人:史文中, 高利鵬