地球信息科学学报 ›› 2019, Vol. 21 ›› Issue (4): 615-622.doi: 10.12082/dqxxkx.2018.0452
收稿日期:
2018-09-10
修回日期:
2019-03-25
出版日期:
2019-04-24
发布日期:
2019-04-24
作者简介:
作者简介:张 刚(1974-),男,吉林长春人,高级工程师,主要从事摄影测量及应用研究。E-mail:
基金资助:
Gang ZHANG1,2,*(), Wenbin LIU2, Nan ZHANG2
Received:
2018-09-10
Revised:
2019-03-25
Online:
2019-04-24
Published:
2019-04-24
Contact:
Gang ZHANG
E-mail:43131904@qq.com
Supported by:
摘要:
随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波(CSF)算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。
张刚, 刘文彬, 张男. 基于区域特征分割的密集匹配点云渐进形态学滤波[J]. 地球信息科学学报, 2019, 21(4): 615-622.DOI:10.12082/dqxxkx.2018.0452
Gang ZHANG, Wenbin LIU, Nan ZHANG. Progressive Morphological Filtering Method of Dense Matching Point Cloud based on Region Feature Segmentation[J]. Journal of Geo-information Science, 2019, 21(4): 615-622.DOI:10.12082/dqxxkx.2018.0452
[1] | 惠振阳,程朋根,官云兰,等.机载LiDAR点云滤波综述[J].激光与光电子学进展,2018(6):1-9. |
[ Hui Z Y, Cheng P G, Guan Y L, et al.Review on airborne LiDAR point cloud filtering[J]. Laser & Optoelectronics Progress, 2018(6):1-9. ] | |
[2] | 廖小罕,周成虎,苏奋振,等.无人机遥感众创时代[J].地球信息科学学报,2016,18(11):1439-1447. |
[ Liao X H, Zhou C H, Su F Z, et al.The mass innovation era of UAV remote sensing[J]. Journal of Geo-information Science, 2016,18(11):1439-1448. ] | |
[3] | 时培强,江虹.机载LiDAR点云数据的多级滤波方法[J].通信技术,2018(1):67-74. |
[ Shi P Q, Jiang H.Multilevel method for airborne LiDAR point clouds data filtering[J]. Communications Technology, 2018(1):67-74. ] | |
[4] |
陈香,王琳,张晔.基于SIFT的无人机遥感影像匹配算法研究[J].测绘与空间地理信息,2013(4):106-108.
doi: 10.3969/j.issn.1672-5867.2013.04.033 |
[ Chen X, Wang L, Zhang Y.The research on matching algorithm of the unmanned aerial vehicle remote sensing images based on SIFT[J]. Geomatics & Spatial Information Technology, 2013(4):106-108. ]
doi: 10.3969/j.issn.1672-5867.2013.04.033 |
|
[5] | 张彦峰. 利用多条件约束的航空影像逐像素密集匹配算法研究[D].北京:中国测绘科学研究院,2014. |
[ Zhang Y F.Pixel-wise dense matching of aerial images with multi-conditional constraints[D]. Bei[J].ng: Chinese Academy of Surveying And Mapping, 2014. ] | |
[6] | 邹小丹. 基于半全局优化的多视影像匹配方法与应用[D].长沙:中南大学,2013. |
[ Zhou X D.A multi-view image matching method based on semi-global optimization and its application[D]. Changsha: Central South University, 2013. ] | |
[7] | Hirschmuller H.Accurate and efficient stereo processing by semi-global matching and mutual information[C].IEEE Conference on CVPR.San Diego, 2005:807-814. |
[8] | 杨化超,姚国标,王永波.基于SIFT的宽基线立体影像密集匹配[J].测绘学报,2011,40(5):537-543. |
[ Yang H C, Yao G B, Wang Y B.Dense matching for wide base-line stereo images based on SIFT[J]. Acta Geodaetica et Cartographica Sinica, 2011,40(5):537-543. ] | |
[9] | 张力,张继贤.基于多基线影像匹配的高分辨率遥感影像DEM的自动生成[J].测绘科学,2008(52):35-39. |
[ Zhang L, Zhang J X.Multi-image matching for DEM generation from satellite imagery[J]. Science of Surveying and Mapping, 2008(52):35-39. ] | |
[10] | 吴军,姚泽鑫,程门门.融合SIFT与SGM的倾斜航空影像密集匹配[J].遥感学报,2015,19(3):431-442. |
[ Wu J, Yao Z X, Cheng M M.Airborne oblique stereo image dense matching by integrating SIFT and SGM algorithm[J]. Journal of Remote Sensing, 2015,19(3):431-442. ] | |
[11] |
闸旋,王慧,程挺,等.基于GPGPU的数学形态学LiDAR点云快速滤波方法[J].测绘科学技术学报,2013,30(1):73-77.
doi: 10.3969/j.issn.1673-6338.2013.01.017 |
[ Zha X, Wang H, Cheng T, et al.Morphological LiDAR points cloud filtering method based on GPGPU[J]. Journal of Geomatics Science and Technology, 2013,30(1):73-77. ]
doi: 10.3969/j.issn.1673-6338.2013.01.017 |
|
[12] |
Zhang W, Qi J, Wan P, et al.An easy-to-use airborne LiDAR data filtering method based on cloth simulation[J]. Remote Sensing, 2016,8(6):501.
doi: 10.3390/rs8060501 |
[13] | Zhang W, Chen Y, Wang H, et al.Efficient registration of terrestrial LiDAR scans using a coarse-to-fine strategy for forestry applications[J]. Agricultural and Forest Meteorology, 2016,225:8-23. |
[14] | 张昌赛,刘正军,杨树文,等.基于LiDAR数据的布料模拟滤波算法的适用性分析[J].激光技术,2018(5):7-15. |
[ Zhang C S, Liu Z J, Yang S W, et al.Applicability analysis of cloth simulation filtering algorithm based on LiDAR data[J]. Laser Technology,2018(5):7-15. ] | |
[15] | 李峰,崔希民,袁德宝,等.改进坡度的LiDAR点云形态学滤波算法[J].大地测量与地球动力学,2012,32(5):128-132. |
[ Li F, Cui X M, Yuan D B, et al.Slope improved morphological filtering algorithm for LiDAR point clouds[J]. Journal of Geodesy and Geodynamics, 2012,32(5):128-132. ] | |
[16] | 梁鑫,杨晓云.基于坡度自适应的机载LiDAR分割算法[J].测绘科学,2013(2):72-74. |
[ Liang X, Yang X Y.Slope adaptive based segmentation for airborne LiDAR[J]. Science of Surveying and Mapping, 2013(2):72-74. ] | |
[17] | 惠振阳,胡友健.基于LiDAR数字高程模型构建的数学形态学滤波方法综述[J].激光与光电子学进展,2016(8):7-13. |
[ Hui Z Y, Hu Y J.Review on morphological filtering algorithms based on LiDAR digital elevation model construction[J]. Laser & Optoelectronics Progress, 2016(8):7-13. ] | |
[18] | 惠振阳,程朋根,官云兰,等.机载LiDAR点云滤波综述[J].激光与光电子学进展,2018(6):7-15. |
[ Hui Z Y, Cheng P G, Guan Y L, et al.Review on airborne LiDAR point cloud filtering[J]. Laser & Optoelectronics Progress, 2018(6):7-15. ] | |
[19] | Vosselman G.Slope based filtering of laser altimetry data[J]. International Archives of Photogrammetry and Remote Sensing, and Spatial Information Sciences,2000,33(B3):935-942. |
[20] | Zhang K, Chen S, Whitman D, et al.A progressive morphological filter for removing nonground measurements form airborne LIDAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003,41(4):872-882. |
[21] | 苗启广,郭雪,宋建锋,等.基于区域预测的LiDAR点云数据形态学滤波算法[J].激光与光电子学进展,2015,52(1): |
011003. | |
[ Miao Q G, Guo X, Song J, et al.LiDAR point cloud data with morphological filter algorithm based on region prediction[J]. Laser & Optoelectronics Progress ,2015,52(1):011003. ] | |
[22] | Long J, Shelhamer E, Darrell T.Fully convolutional networks for semantic segmentation[J]. IEEE Transactions On Pattern Analysis &Machine Intelligence, 2014,39(4):640-651. |
[23] | 曾妮红,岳迎春,魏占营,等.车载LiDAR点云滤波的改进不规则三角网加密方法[J].测绘科学,2016,41(9):136-139. |
[ Zeng N H, Yue Y C, Wei Z Y, et al.An improved irregular triangular network encryption method of vehicle-borne LiDAR point clouds[J]. Science of Surveying and Mapping, 2016,41(9):136-139. ] |
[1] | 陈昂, 杨秀春, 徐斌, 金云翔, 张文博, 郭剑, 邢晓语, 杨东. 基于面向对象与深度学习的榆树疏林识别方法研究[J]. 地球信息科学学报, 2020, 22(9): 1897-1909. |
[2] | 王学文, 赵庆展, 韩峰, 马永建, 龙翔, 江萍. 机载多光谱影像语义分割模型在农田防护林提取中的应用[J]. 地球信息科学学报, 2020, 22(8): 1702-1713. |
[3] | 崔成, 任红艳, 赵璐, 庄大方. 基于街景影像多特征融合的广州市越秀区街道空间品质评估[J]. 地球信息科学学报, 2020, 22(6): 1330-1338. |
[4] | 张永军, 黄星北, 刘欣怡. 一种地形自适应的机载LiDAR点云正则化TPS滤波方法[J]. 地球信息科学学报, 2020, 22(4): 898-908. |
[5] | 蔡顺, 耿豪鹏, 郑炜珊, 潘保田. 基于傅里叶变换的谷间距特征信息提取及其影响因素研究[J]. 地球信息科学学报, 2020, 22(3): 399-409. |
[6] | 张志慧, 刘雯, 李笑含, 朱靖轩, 张洪涛, 杨东, 徐超昊, 徐宪立. 基于无人机航摄影像的喀斯特地区裸岩信息提取及景观格局分析[J]. 地球信息科学学报, 2020, 22(12): 2436-2444. |
[7] | 毛文山, 赵红莉, 孙凤娇, 蒋云钟, 姜倩, 朱彦儒. 基于Item2Vec负采样优化的专题地图产品个性化推荐方法研究[J]. 地球信息科学学报, 2020, 22(11): 2128-2139. |
[8] | 许佳峰, 李云梅, 徐杰, 雷少华, 毕顺, 周玲. 黑臭水体水面阴影提取的自适应阈值算法研究[J]. 地球信息科学学报, 2020, 22(10): 1959-1970. |
[9] | 郭子慧, 刘伟. 深度学习和遥感影像支持的矢量图斑地类解译真实性检查方法[J]. 地球信息科学学报, 2020, 22(10): 2051-2061. |
[10] | 宋关福, 卢浩, 王晨亮, 胡辰璞, 黄科佳. 人工智能GIS软件技术体系初探[J]. 地球信息科学学报, 2020, 22(1): 76-87. |
[11] | 蔡博文,王树根,王磊,邵振峰. 基于深度学习模型的城市高分辨率遥感影像 不透水面提取[J]. 地球信息科学学报, 2019, 21(9): 1420-1429. |
[12] | 耿仁方,付波霖,蔡江涛,陈晓雨,蓝斐芜,余杭洺,李青逊. 基于无人机影像和面向对象随机森林算法的岩溶湿地植被识别方法研究[J]. 地球信息科学学报, 2019, 21(8): 1295-1306. |
[13] | 蔡惠慧, 朱伟, 李孜轩, 刘园园, 李龙斌, 刘畅. 基于深度学习的钨钼找矿靶区预测方法研究[J]. 地球信息科学学报, 2019, 21(6): 928-936. |
[14] | 方颖, 李连发. 基于机器学习的高精度高分辨率气象因子时空估计[J]. 地球信息科学学报, 2019, 21(6): 799-813. |
[15] | 鹿明, 廖小罕, 岳焕印, 黄诗峰, 徐晨晨, 卢海英, 柏艺琴. 面向中国洪涝灾害应急监测的无人机空港布局[J]. 地球信息科学学报, 2019, 21(6): 854-864. |
|