论文总字数：15924字

摘 要

建筑物是城市的重要组成部分，随着城市的发展，对建筑物的测量工作也随之增加。传统测量方法耗时耗力，因此，无人机航测技术被广泛应用于建筑物测绘工作。目前，无人机航空摄影测量已经成为城市建筑物测量记录的重要手段之一。传统建筑物提取方法多采用人机交互模式，自动化及智能化不足，存在很大的改进空间。如何提高建筑物边缘轮廓的提取效率，减少不必要的资源浪费是制约无人机摄影测量进一步发展的难关。

本文研究了一种基于无人机影像点云的建筑物轮廓提取方法，阐述了无人机航空摄影测量系统的组成，分析了影像畸变矫正、空三加密及粗差点去除等影响点云处理的过程；基于无人机航测获取具有高精度点位信息的密集点云数据，通过点云滤波、边缘点提取、边缘拟合、轮廓线规则化等过程处理点云数据，最终提取建筑物屋顶轮廓线；并对实验结果进行精度及质量评定。实验结果表明，利用本文所提方法提取出的建筑物屋顶轮廓线精度较高，操作过程减少了人机交互，节省人力成本，具有一定的工程应用价值。

关键词：无人机航测 密集点云 边缘检测 建筑物提取 Alpha shapes算法

Research on building extraction based on UAV image point cloud

Abstract

The building is an important part of the city, with the development of the city, the measurement of the building also increases. Traditional measurement methods are time-consuming and labor-intensive, so UAV aerial measurement technology is widely used in building surveying and mapping. At present, UAV aerial photogrammetry has become one of the important means of urban building surveying and recording. The traditional building extraction method mostly adopts the man-machine interaction mode, which is short of automation and intelligence, so there is much room for improvement. How to improve the extraction efficiency of building edge contour and reduce the waste of unnecessary resources is the obstacle to the further development of UAV photogrammetry.

This paper studies a building contour extraction method based on UAV image point cloud. The composition of aerial photogrammetry system of UAV is expounded. The processes affecting point cloud processing, such as image distortion correction, space three encryption and coarse threshold removal, are analyzed. Dense point cloud data with high precision point location information is acquired based on UAV aerial measurement. Point cloud data is processed through point cloud filtering, edge point extraction, edge fitting, contour regularization and other processes, and finally the building roof contour is extracted. The accuracy and quality of the experimental results are evaluated. The experimental results show that the method proposed in this paper has high precision, reduces man-machine interaction, saves labor cost and has certain engineering application value.

Keywords: UAV; Image processing; Edge detection; Building extraction;

Alpha shapes algorithm

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景与意义 1

1.2 国内外研究现状 1

1.3 研究内容与方法 3

1.3.1 研究内容 3

1.3.2 研究方法 3

第二章 无人机影像的获取与处理 5

2.1 无人机航测系统组成 5

2.2 无人机影像获取 6

2.3 无人机影像处理 7

2.3.1 影像畸变矫正 7

2.3.2 空三加密 7

2.4 本章小结 8

第三章 无人机影像点云建筑物提取技术 9

3.1 无人机影像点云生成 9

3.2 无人机点云预处理 9

3.2.1 点云粗差排除 9

3.2.2 点云滤波对比分析 10

3.3 建筑物点云边缘提取 11

3.3.1 建筑物点云提取 11

3.3.2 边缘点检测 11

3.3.3 边界拟合与规则化 12

3.4 本章小结 13

第四章 实验与结果分析 14

4.1 无人机数据获取 14

4.2 实验结果 15

4.3 精度评定 17

第五章 结论与展望 19

5.1 结论 19

5.2 展望 19

参考文献 21

致谢 22

第一章 绪论

1.1 研究背景与意义

基于卫星影像的传统遥感影像受到崎岖地形及工作时间的限制较大，并且分辨率相对较低。随着无人机技术的迅速发展，无人机航测技术凭借其受天气影响小、采集速度快、维护成本低、操作成本低、拍摄区域灵活、数据精度高等特点，使得基于无人机平台的低空摄影测量渐渐成为小范围大比例尺地图制图的主角。

作为新兴的一种测绘手段，无人机摄影测量具有续航时间长、成本低廉、高效、简便、起降场地宽松等优点，并且搭载不同的测量设备后能够适应不同的测绘情景，在多种领域发挥作用^[1]。但无人机的航线编辑到航拍影像的矫正等影像处理过程，以及到最终的获取数字高程模型及正射影像图都需要熟练使用专业的软件进行繁琐的人机交互操作，且获得建筑物的轮廓还需要通过CAD、CASS等制图软件手动进行轮廓线提取，费时费力。而如何解决这些无人机测量的不足，成为目前制约无人机测量技术发展的一大难关。

请支付后下载全文，论文总字数：15924字