从LiDAR数据中提取建筑物平面目标的新方法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (10): 5-7.

从LiDAR数据中提取建筑物平面目标的新方法

李云帆，马洪超

武汉大学遥感信息工程学院，武汉 430079

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-04-01 发布日期:2011-04-01

New method for building planar objects extraction from LiDAR data

LI Yunfan，MA Hongchao

School of Remote Sensing Information Engineering，Wuhan University，Wuhan 430079，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-04-01 Published:2011-04-01

摘要/Abstract

摘要： 提出一种从机载LiDAR点云数据中自动提取建筑物平面的方法。给出了基于边长约束的三角形生长算法对建筑物初始区域进行提取，针对提取出的建筑物脚点，利用自适应Mean Shift方法在特征空间中对其进行聚类分析，并提取出平面目标，最后利用Alpha-Shape算法生成建筑物平面的轮廓线。通过实验证实了方法的有效性。

关键词: LiDAR数据, 自适应Mean Shift, 聚类分析, 建筑物, 平面提取

Abstract: A new method for extracting building planar objects from LiDAR data base on adaptive Mean Shift algorithm is proposed，which consists of three parts：building region detection from filtered LiDAR data using a triangle group algorithm constrained by triangle side length；planar object extraction from building foot prints based on cluster analysis in feature space by adaptive Mean Shift；planar object contour generation using Alpha-Shape algorithm.Experiment is conducted to demonstrate the efficiency of the proposed method.

Key words: LiDAR data, adaptive Mean Shift, cluster analysis, building, planar extraction

李云帆，马洪超. 从LiDAR数据中提取建筑物平面目标的新方法[J]. 计算机工程与应用, 2011, 47(10): 5-7.

LI Yunfan，MA Hongchao. New method for building planar objects extraction from LiDAR data[J]. Computer Engineering and Applications, 2011, 47(10): 5-7.

[1]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[2]	张翠军，安冉，马丽. 改进U-Net的遥感图像中建筑物变化检测[J]. 计算机工程与应用, 2021, 57(3): 239-246.
[3]	徐景中，马丽娜. 基于虚拟格网的建筑物点云轮廓线自动提取[J]. 计算机工程与应用, 2021, 57(10): 181-186.
[4]	安宁，江思源，唐晨，杨矫云. 融合单纯形映射与熵加权的聚类方法[J]. 计算机工程与应用, 2020, 56(9): 148-155.
[5]	衣俊艳，杜小鹏. 具有中心移动特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(24): 50-58.
[6]	衣俊艳，吴博雅，雍巧玲. 具有加权特性的弹性网络聚类算法研究[J]. 计算机工程与应用, 2020, 56(22): 55-65.
[7]	罗计根，杜建强，聂斌，李欢，聂建华，陈裕凤. 一种聚类欠采样策略的随机森林优化方法[J]. 计算机工程与应用, 2020, 56(22): 166-172.
[8]	马京晖，潘巍，王茹. 基于K-means聚类的三维点云分类[J]. 计算机工程与应用, 2020, 56(17): 181-186.
[9]	蒋世豪，江洪. 基于GDAL的遥感图像变化检测技术[J]. 计算机工程与应用, 2020, 56(16): 169-175.
[10]	贾露，张德生，吕端端. 物理学优化的密度峰值聚类算法[J]. 计算机工程与应用, 2020, 56(13): 47-53.
[11]	陈胜发，贾瑞玉. 基于残差和密度网格的簇心自确认聚类算法[J]. 计算机工程与应用, 2020, 56(12): 149-155.
[12]	黄建新，袁杰. 三维空间机器人主动嗅觉烟羽源自主定位策略[J]. 计算机工程与应用, 2020, 56(12): 223-230.
[13]	雍巧玲，衣俊艳. 具有动态特性的聚类弹性网络算法研究[J]. 计算机工程与应用, 2019, 55(8): 102-109.
[14]	余炳光，刘冬梅. 特征逐减的可能性模糊聚类算法[J]. 计算机工程与应用, 2019, 55(19): 58-65.
[15]	杨松1，2，3，李盛阳1，2，邵雨阳1，2，郑贺1，2，3. 基于改进HOG特征的建筑物识别方法[J]. 计算机工程与应用, 2018, 54(7): 196-200.