基于LIDAR和CCD数据的地形与建筑提取方法优化及精度评价开题报告

1. 研究目的与意义

随着城市现代化建设和可持续发展对信息化建设需求的不断提高，数字地球、数字城市得到了迅速发展，而虚拟城市（VirtualCity）则提供了数字城市运行所需的环境以及信息表达、交互的界面。快速、准确地提取地形及建筑的三维空间信息，是构建完整虚拟城市系统的关键。常规的地面测量数据采集方法虽然精度较高，但是费时、费力且效率低，难以满足较大区域的需求。而GIS和遥感技术的发展和广泛应用，为高质量地获取城市数字信息提供了高效手段。如借助影像分类及模式识别等方法从航空影像或高分辨率卫星图像(如Quickbird等)中提取城市表面信息(光谱、纹理和形状等), 并通过全数字摄影测量系统获取建筑物高度。但是由于城市表面信息的复杂性（如阴影、树木、遮挡等）以及建筑物（形状、大小、材料等）的特殊性和异质性，上述方法难于真实准确地表达地形，而对于三维建筑物的提取过程也较为繁琐，不易推广和应用。

激光雷达（LiDAR，LightDetection and Ranging）是近年来发展迅速的主动遥感技术，用户可以自主设计数据获取时间和范围，并通过处理分析点云（Pointclouds）高度、密度、分布、强度及波形信息，从而得到高精度（亚米级）数字地形模型并提取地物（建筑物，植被等）的三维结构参数。与传统被动遥感技术相比，基于LiDAR的信息提取方法很大程度上排除了大气分子和气溶胶的影响，减少了对地面观测数据的依赖，且具有很好的空间尺度灵活性及丰富地垂直结构信息。LiDAR系统配合CCD数据成像结果，更加增强了对地物的识别能力，缓解了单一数据源下遥感分类的不确定性；此类多源特征融合的方法能够很好地满足目前城市建筑快速动态变化下的地面三维信息获取需求，有望彻底解决利用摄影测量构建三维城市的瓶颈问题。

2. 国内外研究现状分析

机载激光雷达技术发展初期，由于点云密度的限制，其主要用途局限于快速获取数字地面模型(DEM)，而从LiDAR点云数据中提取地物信息的技术方法并未受到足够重视。近年来，随着机载激光雷达扫描仪性能的不断提升，其激光点已达到每平方米数个点（如安置在直升飞机上的LiDAR扫描仪甚至可获得每平方米5到10个点），从而提升地形提取的精度（垂直精度可达15cm），也为提取城市建筑提供了可能。然而，如果想要在相同激光发射频率下提升点云密度，则需降低飞行高度和速度，这将很大程度上增加LiDAR数据获取的成本。赵礼剑等选取地形复杂，地势起伏较大测区，验证了较低点云密度LiDAR数据（航高约3000m，地面激光点间距约2.3m）拟合线性内插地形精度，结果表明较宽阔平坦区域的检核点差值绝对值最大为0.339m，误差0.227m；而地形变化较大的区域，检核点中误差为0.934 m。但是，以上分析基于未经滤波处理的LiDAR点云，该方法并不适合城市及植被覆盖较高的丘陵区域地形提取

3. 研究的基本内容与计划

4. 研究创新点

（1）借助机载小光斑LiDAR点云数据和CCD影像，集成Kraus滤波及Canny算子，优化了基于LiDAR点云的数字高程模型数据处理方法。

（2）结合LiDAR数据中提取的nDSM和粗糙度特征，以及CCD数据中获得的光谱属性和几何属性，应用多源特征融合面向对象影像分类方法提取了建筑等地面实体。