当前位置:首页 > 最新公告>前沿技术 > 涨知识!高阶版|多点云数据融合处理方法

涨知识!高阶版|多点云数据融合处理方法

时间:2020-03-17 14:24:26
多细节层次的三维城市模型是数字城市和智慧社会的关键空间数据基础设施,多点云数据融合处理 成为三维城市建模的主要途径,并成为国际学术界和工业界的热点前沿。
 
多点云数据指多类型、多站点和多时相的点云数据。激光扫描、影像匹配、深度图像测量、干涉雷达测量和野外实地测量等方法提供了具有不同数据属性和信息内涵的多类型点云。
 
多点云数据的融合处理方法可归纳为时空基准及精度、尺度、语义3个层面的一致性处理。
 
、多点云时空基准与精度一致性处理方法 
 
多点云数据融合

多点云的融合反映了由单源到多源、由少到多、由简单到复杂的趋势,这种融合的第一步是理解和描述不同数据源间的复杂关系和相互转换规律,实现时空基准与精度的一致性,建立整个场景统一的点云模型,弥补单一点云数据空洞,并增强尺度和语义信息,实现整个场景对象的无缝表达。
 
二、多点云尺度一致性处理方法

激光点云数据处理 
 

 
不同点云密度和细节分辨率的多点云数据对同一目标表达具有显著的尺度差异。空中站点多面向条带状和面状大场景范围的数据采集任务,是有效的大尺度场景DSM(digital surface model)、建筑群落屋顶结构、植被冠层数据的采集手段。
 
经过时空基准与精度的一致性处理,场景中的对象如建筑物会有多种尺度的点云数据重叠。
 
对于多点云重叠部分,依据细节丰富、精度最高的数据,对存在重复的其余数据进行清洗或精度纠正。
 
三、多点云语义一致性处理方法

多点云融合处理 
 

 
散乱的点云本身不具有语义信息,三维重建需根据点云数据含有的空间坐标(X,Y,Z)和其他属性(如强度、色彩)进行语义理解,识别结构化语义(几何、拓扑结构,如墙角、窗边、边面等)和分类信息(植被、建筑、路灯等)。
 
多点云数据的采集原理、信息内涵以及语义理解方式的不同,都导致其具有显著的语义差异。
 
统一的语义标识可实现多点云数据理解层面的一致。

多点云融合已经应用于建筑物、道路、植被、地形等典型对象的三维重建。随着智慧城市建设的深入发展,红外、合成孔径雷达干涉测量、深度图像等新型点云数据的引入, 面对室内外、地上下一体化的全要素多细节层次的三维城市建模需求,自动化、智能化的多点云融合处理仍然是挑战性的难题。