基于LiDAR点云空间差异分析的城市建筑物变化检测方法技术

本发明专利技术公开了一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，步骤1，对不同时相的LiDAR点云数据分别进行预处理；利用线性插值算法获取不同时相的DSM和DTM；步骤2，将步骤1获取的两期DSM相减，获取高程差值模型；步骤3，对高程差值模型进行空间差异分析，提取候选变化区域；步骤4，利用LiDAR点云的空间特性，提取直接特征以及高程纹理特征；步骤5，实现于建筑物和植被的分类；步骤6，对候选变化区域进行套合叠置分析，确定建筑物的变化属性。本发明专利技术充分发挥了LiDAR数据在建筑物复杂结构、拓扑关系的三维表征上的优势，进行建筑物的三维变化检测。

【技术实现步骤摘要】
基于LiDAR点云空间差异分析的城市建筑物变化检测方法
本专利技术涉及机载激光雷达
，尤其是涉及一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法。
技术介绍
随着经济建设的不断发展，我国的城市建设如火如荼，城市变化非常频繁和剧烈。遥感(包括航空)影像几何精度高、语义信息丰富，是目前大范围、高频率的城市变化检测最大的数据源。近几十年，有很多学者深入研究基于遥感影像的变化检测，提出了很多代表性的算法，形成了丰富的理论体系。然而，目前基于遥感影像的变化检测仍然面临如遮挡与阴影的问题，投影差的问题，地物内部的异质性，过于丰富的纹理，混合像元等诸多问题。更重要的是，建筑物的变化很多体现为空间结构的变化，由于影像缺乏直接的三维信息，通过密集匹配技术可获取三维点集，但密集匹配效果受各种因素的制约，误差较大，同时密集匹配的点云无法穿透植被，因此单独利用不同时相的影像数据监控城市建筑物的更新有一定的局限性。LiDAR数据提供的高质量三维点云数据，为城市建筑物的三维变化检测提供了新的研究思路。激光束所具备的穿透能力可以在一定程度上克服植被形成的遮档，减少局部区域的数据缺失，大大提高了建筑物提取的质量。与基于影像手段的变化检测方法相比，LiDAR数据在建筑物复杂结构、拓扑关系的三维表征上具有无可比拟的优势。因此基于多时相的LiDAR数据不仅能圈定变化区域，检测变化类型，还可以使城市短期的微小的三维变化检测(如小规模违建)成为可能。目前LiDAR数据还存在一些需要解决的问题，如未被激光束穿透的遮挡所形成的数据缺失，由于飞行高度、扫描角以及地物反射率而形成的数据点稀疏、区域空洞或数据噪声，基于离散点云的特征提取和分类问题等等。因此如何利用LiDAR高精度的三维信息、实现高效率、高鲁棒性、高精度的基于机载LiDAR点云的城市建筑物三维变化检测方法具有重要的理论意义和实践价值。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，LiDAR数据提供的高质量三维点云数据，充分发挥了LiDAR数据在建筑物复杂结构、拓扑关系的三维表征上的优势，进行建筑物的三维变化检测。为达到上述目的，本专利技术采用以下技术方案：一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，其特征在于：包括以下步骤：步骤1，对不同时相的LiDAR点云数据分别进行预处理；利用线性插值算法获取不同时相的DSM和DTM；利用公式(1)将DSM中的地形起伏信息去除，获取规则化数字表面模型nDSM；nDSM(t)＝DSM(t)-DTM(t)(1)公式(1)中，DSM(t)、DTM(t)、nDSM(t)分别为t时相中的数字表面模型、数字地面模型、规则化数字表面模型；步骤2，通过公式(2)将步骤1获取的两期nDSM相减，获取高程差值模型dDSM；t1、t2表示前后不同两个时相；dDSM＝nDSM(t2)-nDSM(t1)(2)步骤3，对高程差值模型进行空间差异分析，提取候选变化区域；消除低矮植被噪声；通过形态学开运算，消除长条形配准误差；步骤4，利用LiDAR点云的空间特性，提取直接特征以及高程纹理特征，增加用于分类器的有效特征向量维数；步骤5，利用步骤4提取的直接特征以及高程纹理特征，实现于建筑物和植被的分类，得到分类结果的类别信息；步骤6，结合步骤3获取的候选变化区域以及步骤5获取的类别信息，对候选变化区域进行套合叠置分析，确定建筑物的变化属性。作为优选，所述步骤1的预处理包括去噪、滤波步骤。作为优选，所述步骤3形态学开运算采用如下公式：[ES(dDSM)](cp,rp)＝min{w}(3)DS[ES(dDSM)](cp,rp)＝max{w}(4)式中：ES为腐蚀算子，DS代表膨胀算子，dDSM代表高程差值模型，(cp,rp)代表窗口中心像素点，w为窗口中的其他栅格点的高程值。作为优选，所述步骤4的直接特征包括归一化高度信息，以及从原始点云提取的多重回波信息和回波强度信息；所述高程纹理特征通过灰度共生矩阵进行描述。作为优选，所述分类器采用非线性多类支持向量机，SVM核函数选用了RBF核，以一对一法为多类分类模式。作为优选，所述步骤5分类器的工作流程为：步骤51，将提取的LiDAR点云特征，包括直接特征、高程纹理特征和曲面属性特征，构成特征向量进行特征分析与选择；进行归一化处理，得到处理结果；步骤52，将处理结果在分类器中计算最优平面，交叉验证后得到分类结果的类别信息。作为优选，所述步骤3，通过设定两期LiDAR点云的相对高差阈值，消除低矮植被噪声。作为优选，所述步骤6建筑物的变化属性判断步骤为：步骤61，检测地面点数是否大于50％，如结果为是，则建筑物销毁；如结果为否，继续检测植被点数是否大于50％，如结果为是，则建筑物销毁；如结果为否，执行下一步；步骤62，检测面积是否变化，如变化，则为建筑物重建；如无变化，继续检测高程变化，如高程有变化，则为建筑物扩建，如无变化，执行步骤63；步骤63，检测变化点数是否大于20％，如是，则结果特定；如否，则建筑物未变化。本专利技术的有益效果是：本专利技术充分发挥LiDAR数据在建筑物复杂结构、拓扑关系的三维表征上的优势，进行建筑物的三维变化检测研究。首先，通过分析不同时相点云的空间差异，确定候选变化区域。然后以候选变化区域为约束，引入SVM算法实现多时相点云的自动分类；通过提取LiDAR点云纹理特征和局部几何特征以提高分类精度；最后，联合分类结果和空间分析结果分析建筑物变化属性。本专利技术有效解决了现有技术中LiDAR数据存在的问题，如未被激光束穿透的遮挡所形成的数据缺失，由于飞行高度、扫描角以及地物反射率而形成的数据点稀疏、区域空洞或数据噪声，心脏基于离散点云的特征提取和分类问题，利用LiDAR高精度的三维信息，实现了高效率、高鲁棒性、高精度的城市建筑物三维变化检测方法。本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书或者附图中所特别指出的结构来实现和获得。附图说明图1是基于多时相LiDAR数据的建筑物三维变化检测技术流程图；图2是SVM用于LiDAR地物分类的工作流程图；图3是建筑物变化类型判断流程图；图4是规则化数字表面模型nDSM提取的前时相示意图；图5是规则化数字表面模型nDSM提取的后时相示意图；图6是高程差值模型dDSM提取示意图；图7是高程差值模型空间差异分析优化提取的dDSM；图8建筑物三维变化属性分析。具体实施方式下面结合附图和实施例对本专利技术作进一步描述。如图1所示，本专利技术首先通过分析不同时相点云的空间差异，确定候选变化区域。然后以候选变化区域为约束，引入SVM算法实现多时相点云的自动分类；通过提取LiDAR点云纹理特征和局部几何特征以提高分类精度；最后，联合分类结果和空间分析结果分析建筑物变化属性。具体步骤如下：步骤1：首先，对点云数据进行预处理，包括去噪、滤波等步骤。在此基础上，利用线性插值算法对点云数据进行栅格化，获取不同时相的DSM和DTM。接着，利用公式(1)将DSM中的地形本文档来自技高网...

【技术保护点】
一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，其特征在于：包括以下步骤：步骤1，对不同时相的LiDAR点云数据分别进行预处理；利用线性插值算法获取不同时相的DSM和DTM；利用公式(1)将DSM中的地形起伏信息去除，获取规则化数字表面模型nDSM；nDSM(t)＝DSM(t)‑DTM(t)   (1)公式(1)中，DSM(t)、DTM(t)、nDSM(t)分别为t时相中的数字表面模型、数字地面模型、规则化数字表面模型；步骤2，通过公式(2)将步骤1获取的两期DSM相减，获取高程差值模型dDSM；t1、t2表示前后不同两个时相；dDSM＝nDSM(t2)‑nDSM(t1)   (2)步骤3，对高程差值模型进行空间差异分析，提取候选变化区域；消除低矮植被噪声；通过形态学开运算，消除长条形配准误差；步骤4，利用LiDAR点云的空间特性，提取直接特征以及高程纹理特征，增加用于分类器的有效特征向量维数；步骤5，利用步骤4提取的LiDAR点云特征构成特征向量，实现于建筑物和植被的分类；步骤6，结合步骤3获取的候选变化区域以及步骤5获取的类别信息，对候选变化区域进行套合叠置分析，确定建筑物的变化属性。...

【技术特征摘要】
1.一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，其特征在于：包括以下步骤：步骤1，对不同时相的LiDAR点云数据分别进行预处理；利用线性插值算法获取不同时相的DSM和DTM；利用公式(1)将DSM中的地形起伏信息去除，获取规则化数字表面模型nDSM；nDSM(t)＝DSM(t)-DTM(t)(1)公式(1)中，DSM(t)、DTM(t)、nDSM(t)分别为t时相中的数字表面模型、数字地面模型、规则化数字表面模型；步骤2，通过公式(2)将步骤1获取的两期nDSM相减，获取高程差值模型dDSM；t1、t2表示前后不同两个时相；dDSM＝nDSM(t2)-nDSM(t1)(2)步骤3，对高程差值模型进行空间差异分析，提取候选变化区域；消除低矮植被噪声；通过形态学开运算，消除长条形配准误差；步骤4，利用LiDAR点云的空间特性，提取LiDAR点云特征，该LiDAR点云特征包括直接特征、高程纹理特征和曲面属性特征，增加用于分类器的有效特征向量维数；步骤5，利用步骤4提取的直接特征、高程纹理特征和曲面属性特征，实现建筑物和植被的分类，得到分类结果的类别信息；步骤6，结合步骤3获取的候选变化区域以及步骤5获取的类别信息，对候选变化区域进行套合叠置分析，确定建筑物的变化属性。2.根据权利要求1所述的一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，其特征在于：所述步骤1的预处理包括去噪、滤波步骤。3.根据权利要求1或2所述的一种基于LiDAR点云空间差异分析的城市建筑物变化检测方法，其特征在于：所述步骤3形态学开运算采用如下公式：[ES(dDSM)](cp,rp)＝min{w}(3)DS[ES(dDSM)](cp,rp)＝max{w}(4)式中：ES为腐蚀算子，DS代表膨胀算子，d...

【专利技术属性】
技术研发人员：陈长宝，谢兴，张玉，卢志渊，杜红民，刘会娟，肖丹丹，
申请(专利权)人：中原智慧城市设计研究院有限公司，
类型：发明
国别省市：河南;41