基于UAV影像密集匹配点云多层次分割的建筑物层高变化检测
3D Change Detection of Buildings Based on Multi-level Segmentation of Dense Matching Point Clouds from UAV Images作者机构:武汉大学测绘遥感信息工程国家重点实验室湖北武汉430079 武汉大学时空数据智能获取技术与应用教育部工程研究中心湖北武汉430079 深圳大学海岸带地理环境检测国家测绘地理信息局重点实验室广东深圳518060 深圳大学空间信息智能感知与服务深圳市重点实验室广东深圳518060
出 版 物:《武汉大学学报(信息科学版)》 (Geomatics and Information Science of Wuhan University)
年 卷 期:2021年第46卷第4期
页 面:489-496页
核心收录:
学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术]
基 金:国家自然科学基金(41725005,41701530,41531177) 国家重点研发计划(2016YFF0103501) 中国博士后科学基金特别资助(2018T110802) 超大型电网三维可视化管理与时空分析技术研究资助项目(ZBKJXM20170229)
摘 要:针对城市建筑物层高变化检测难题,提出一种基于无人机(unmanned aerial vehicle,UAV)影像密集匹配点云多层次分割的变化检测方法。首先,对多时相UAV影像匹配密集点云进行网格划分,并计算网格内部的归一化数字表面模型和差分数字表面模型两种几何形状特征以及归一化过绿指数和亮度两种光谱特征;然后,基于区域生长规则进行点云分割,并判断分割对象的变化/未变化/不确定状态,对不确定状态的分割对象,逐步严格生长准则实现多层次迭代分割,直至判断出所有点的变化状态(增高/降低/未变化);最后,综合几何形状特征及光谱特征,识别变化对象中的三维建筑物目标以明确层高变化。采用两期武汉大学UAV影像密集点云进行实验验证,结果表明,所提检测方法的检测完整率、正确率及检测质量均达到90%以上。