基于LiDAR点云空间差异分析的城市建筑物变化检测方法
【专利摘要】本发明公开了一种基于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。
【专利说明】基于LiDAR点云空间差异分析的城市建筑物变化检测方法

【技术领域】
[0001] 本发明涉及机载激光雷达【技术领域】，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。

【背景技术】
[0002] 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。
[0003] 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。


【发明内容】

[0004] 有鉴于此，本发明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。
[0005] 为达到上述目的，本发明采用以下技术方案：
[0006] -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：
[0007] 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 ;
[0008] nDSM(t) = DSM (t)-DTM (t) (1)
[0009] 公式⑴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；
[0010] 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 t2表示前后不同两个时相；
[0011] dDSM = nDSM(t2)-nDSM(t1) (2)
[0012] 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；
[0013] 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；
[0014] 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；
[0015] 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。
[0016] 作为优选，所述步骤1的预处理包括去噪、滤波步骤。
[0017] 作为优选，所述步骤3形态学开运算采用如下公式：
[0018] [Es (dDSM) ] (cp, rp) = min {w} (3)
[0019] Ds [Es (dDSM) ] (cp, rp) = max {w} (4)
[0020] 式中：ES为腐蚀算子，Ds代表膨胀算子，dDSM代表高程差值模型，（c p，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。
[0021] 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。
[0022] 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，
[0023]

【权利要求】
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DSM相减，获取高程差值模型dDSM ;ti、t2表 示前后不同两个时相； dDSM = nDSM (t2)-nDSM (ti) (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。
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，仏代表膨胀算子，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。
4. 根据权利要求3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。
5. 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。
6. 根据权利要求5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。
7. 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。
8. 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。
【文档编号】G01S7/48GK104049245SQ201410263818
【公开日】2014年9月17日 申请日期:2014年6月13日 优先权日:2014年6月13日
【发明者】陈长宝, 谢兴, 张玉, 卢志渊, 杜红民, 刘会娟, 肖丹丹 申请人:中原智慧城市设计研究院有限公司