基于UAV影像密集匹配点云的建筑物三维变化检测

基于UAV影像密集匹配点云的建筑物三维变化检测

论文摘要

建筑物是城市的主体之一。建筑物变化信息对于违规建筑物查处、城市规划管理以及地理数据库的实时增量更新具有重要意义。建筑物变化检测方法可分为二维变化检测和三维变化检测。二维变化检测主要以卫星遥感影像及航空航天影像等作为数据源,变化检测结果易受不同时期影像灰度非线性变化、视点不同造成的透视变形、阴影与投影差等问题的影响。三维变化检测主要以机载LiDAR(激光雷达,Light Detection and Ranging)点云作为数据源,采集成本较为高昂。传统的建筑物变化检测方法在成本、效率及准确度等方面都存在明显的不足和局限性,快速、精确、低成本的三维变化检测方法受到越来越广泛的关注。随着UAV(无人驾驶飞机,Unmanned Aerial Vehicle)硬件和MVS(多视立体密集匹配,Multi-view Stereo)技术的发展,无人机影像密集匹配点云为建筑物变化检测提供了一种低成本的数据来源。但受点云质量、数据遮挡及缺乏变化样本库等限制,现有变化检测方法难以直接运用于无人机影像密集匹配点云的变化检测。本文综合利用影像密集匹配点云蕴含的几何和可见光信息,提出一种基于多层次分割的建筑物变化检测方法。该方法首先对多时相UAV影像密集匹配点云进行网格划分,并计算网格内部的nDSM(归一化数字表面模型,normalized Digital Surface model)和dDSM(差分数字表面模型,differential Digital Surface model)几何形状特征及nEGI(归一化过绿指数,normalized Excessive Green Index)和亮度可见光特征;继而,基于区域生长进行点云分割,并判断分割对象的变化/未变化/不确定状态,对于不确定状态的分割对象,逐步严格生长准则迭代分割,直至判断出所有点的变化状态;最后,综合几何形状特征及可见光特征,识别变化对象中的三维建筑物目标。本文采用两期武汉大学无人机影像密集匹配点云进行实验验证。结果表明,本文提出的三维变化检测方法在建筑物变化检测完整率、正确率及检测质量方面均达到90%以上,且有较高的计算效率和检测精度,实现了UAV影像密集匹配点云目标级三维建筑物变化检测。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  •   1.1 研究背景和意义
  •   1.2 国内外研究现状
  •   1.3 研究目标和内容
  •   1.4 论文章节安排
  • 第2章 UAV-MVS影像点云预处理
  •   2.1 影像点云配准
  •     2.1.1 点云配准方法
  •     2.1.2 本文采取的配准方法
  •   2.2 影像点云滤波
  •     2.2.1 点云滤波方法
  •     2.2.2 基于CSF的滤波方法
  •   2.3 虚拟网格点云数据组织
  •   2.4 本章小结
  • 第3章 基于多层次分割的候选变化对象提取
  •   3.1 变化特征计算
  •   3.2 基于多层次分割的变化对象提取
  •     3.2.1 单层色度异质性的点云分割
  •     3.2.2 多层次分割变化提取方法
  •   3.3 本章小结
  • 第4章 建筑物三维变化提取及变化类型判定
  •   4.1 变化建筑物识别
  •     4.1.1 非建筑物特征计算
  •     4.1.2 非建筑物目标剔除与建筑物目标精化
  •   4.2 建筑物变化类型确定
  •   4.3 本章小结
  • 第5章 变化检测实验与分析
  •   5.1 实验数据
  •   5.2 参数设置
  •     5.2.1 UAV-MVS影像点云预处理参数设置
  •     5.2.2 候选变化对象提取参数设置
  •     5.2.3 建筑物三维变化提取及变化类型分类参数设置
  •   5.3 实验结果与精度分析
  •     5.3.1 UAV-MVS影像点云预处理
  •     5.3.2 多层次分割变化提取
  •     5.3.3 建筑物三维变化检测
  •     5.3.4 效率分析
  •   5.4 本章小结
  • 第6章 总结与展望
  •   6.1 研究工作总结及创新点
  •   6.2 研究展望
  • 参考文献
  • 硕士期间成果
  • 项目依托
  • 致谢
  • 文章来源

    类型: 硕士论文

    作者: 杨钰琪

    导师: 杨必胜

    关键词: 无人机影像,密集匹配点云,建筑物三维变化检测,多层次分割,数字表面模型

    来源: 武汉大学

    年度: 2019

    分类: 基础科学,工程科技Ⅱ辑

    专业: 自然地理学和测绘学,建筑科学与工程

    单位: 武汉大学

    基金: 国家杰出青年科学基金,41725005,广义点云多细节层次三维建模理论与方法,2018,01-2022,12,国家自然科学基金重点项目,41531177,广义影像点云构建与多细节层次建模,2016,01-2020,12,302 万元,国家自然科学基金青年科学基金项目,41701530,面向激光点云与序列影像的空间指纹图自动配准方法,中国博士后科学基金特别资助,2018T110802,新型移动测量激光点云与序列影像配准图模型,2018,01-2019,12

    分类号: P237;TU198

    总页数: 62

    文件大小: 2310K

    下载量: 71

    相关论文文献

    • [1].一种面向地理国情监测的地表覆盖变化检测与更新方法[J]. 测绘地理信息 2020(03)
    • [2].多时相遥感影像变化检测方法综述[J]. 武汉大学学报(信息科学版) 2018(12)
    • [3].森林变化检测方法比较[J]. 四川林业科技 2018(03)
    • [4].增强型形态学建筑指数的建筑物变化检测[J]. 测绘科学 2017(05)
    • [5].SAR图像变化检测技术方法综述[J]. 地壳构造与地壳应力文集 2016(01)
    • [6].遥感影像变化检测方法对比[J]. 地壳构造与地壳应力文集 2016(02)
    • [7].基于分类变化检测方法的地表覆盖影像特征数据更新处理研究[J]. 测绘与空间地理信息 2020(11)
    • [8].一种结合NDVI与图像变换的林地变化检测方法[J]. 江苏科技信息 2020(13)
    • [9].高分遥感影像与矢量数据结合的变化检测方法[J]. 经纬天地 2020(04)
    • [10].基于国产卫星影像的协同分割变化检测[J]. 北京建筑大学学报 2018(04)
    • [11].变化检测技术在震害信息提取中的应用[J]. 地理空间信息 2014(02)
    • [12].基于图像分割的城市变化检测[J]. 地球信息科学 2008(01)
    • [13].基于深度置信网络与数学形态学融合的遥感影像建筑物变化检测[J]. 科学技术与工程 2020(08)
    • [14].多时相极化SAR影像变化检测方法研究[J]. 测绘学报 2019(04)
    • [15].多极化星载SAR森林覆盖变化检测方法[J]. 林业科学 2019(05)
    • [16].半监督离散势理论在遥感影像变化检测中的应用[J]. 测绘通报 2019(08)
    • [17].面向地表覆盖变化检测的服务关系模型与方法研究[J]. 测绘学报 2018(09)
    • [18].地块破碎度对软硬变化检测法识别冬小麦分布精度的影响[J]. 农业工程学报 2016(10)
    • [19].基于多尺度分割方法的地理国情变化检测研究[J]. 科技创新导报 2016(20)
    • [20].聚类分析观点下的分散式最快变化检测[J]. 南京理工大学学报 2014(02)
    • [21].基于巴氏距离的视频流场景变化检测(英文)[J]. 重庆邮电大学学报(自然科学版) 2009(01)
    • [22].顾及空间自相关性的高分遥感影像中建设用地的变化检测[J]. 自然资源学报 2020(04)
    • [23].基于主成分变换的遥感影像变化检测[J]. 四川建材 2014(06)
    • [24].四种基于像元的地表覆盖变化检测方法比较[J]. 测绘科学 2015(01)
    • [25].基于主动学习的油气管道沿线地物变化检测[J]. 科学技术与工程 2020(20)
    • [26].基于支持向量机分类的耕地变化检测[J]. 中国信息化 2019(04)
    • [27].一种面向变化检测的建筑物指数[J]. 测绘通报 2018(08)
    • [28].历史解译知识引导下组合遥感图谱特征的变化检测方法[J]. 地球信息科学学报 2016(05)
    • [29].遥感变化检测技术及其在震害信息提取中的应用[J]. 地壳构造与地壳应力文集 2012(00)
    • [30].结合形态学属性断面与支持向量机的合成孔径雷达图像变化检测[J]. 光学精密工程 2014(10)

    标签:;  ;  ;  ;  ;  

    基于UAV影像密集匹配点云的建筑物三维变化检测
    下载Doc文档

    猜你喜欢