文档介绍：基于航拍图像和LiDAR点云的城市道路提取*基金项目:国家自然科学基金国际(地区)合作交流项目(60573174), 国家自然科学基金(60673028), 特种显示技术教育部重点实验室开放课题基金.
作者简介:朱晓强(1984-), 男, 硕士生, 主要研究方向为计算机图形学、计算机图像处理; 余烨(1982-), 女, 博士生, 主要研究方向为建模、仿真、可视化; 刘晓平(1964-), 男, 教授, 博士生导师, 主要研究方向为建模、仿真与协同计算; 袁晓辉(1973-), 男, 博士, 助理教授, 主要研究方向为计算机视觉、数据挖掘、人工智能; Bill P. Buckles(1943-), 男, 博士, 教授, 主要研究方向为计算机视觉、数据挖掘、人工智能.
朱晓强1 余烨1 刘晓平1 袁晓辉2 Bill P. Buckles2
1 研究室,安徽合肥 230009
2 美国北德克萨斯大学计算机科学与工程系,美国
摘要:从航空或卫星影像中提取道路一直是研究的热点,基于动态规划的道路提取算法是最有效的算法之一,本文基于LiDAR点云数据特征改进了该算法的代价函数,进而提高了基于动态规划的道路提取算法的鲁棒性。为正确地融合航拍图像和LiDAR点云数据,本文研究了航拍图像和LiDAR点云数据的匹配算法。最后通过试验验证了算法的正确性。
关键词:动态规划 LiDAR 点云道路提取航拍图像
1 引言
从航空或卫星影像中提取道路一直都是一个很具有挑战性的问题。根据道路特征提取的自动化程度,道路特征提取分为自动特征提取和半自动特征提取。自动提取方法包括基于平行线对[1]、基于二值化和知识[2]、基于窗口模型特征[3]等;半自动提取的常用算法有模板匹配[4]、动态规划[6]、可变模型或Snakes方法[7]等。到目前为止,从航空或卫星影像中全自动识别道路仍然处于不成熟的状态[8],而且在未来的短期时间内也很难开发一套完全脱离人工干预而自动识别道路的系统。在各种半自动道路提取方法中,由于动态规划是一个解决优化问题的稳定算法,能够确保结果的最优性,成为近年来道路半自动提取的首选方法之一。动态规划法首先应用在低分辨率影像提取道路中(Sakoda等,1993;Gruen和Li,1997;Merlet和Zerubia,1996)。Dal Poz等[6]修改了“代价”函数,使之适用于从中高分辨率影像中提取道路。
另一方面,从机载LiDAR(Light Detection And Ranging)数据中提取道路在近年来也有了一定的研究,Hatger和Brenner在文献[10]中结合LiDAR数据和已经存在的数据库信息提取道路的几何属性;在Rieger等人的论文[11]中研究了林区范围内由LiDAR点云提取道路方法; 为充分利用LiDAR数据信息,文献[12]和文献[13]引入了强度信息辅助道路的提取。
由于从航拍图像中提取道路时一些经验条件难以满足,如要求道路的灰度比背景亮,道路的灰度变换不大等,而从 LiDAR数据中提取道路对点的要求比较高,如点集密度高、需要强度信息等,因此,本文融合LiDAR点云和配准的航空图像两种数据源来提取道路,降低了对单一数据源的依赖性。文章首先介绍了现有的基于动态规划的道路提取方法和代价函数的意义;然后对LiDAR点云数