基于多光谱LiDAR数据的道路中心线提取

被引：13

作者：

袁鹏飞 ^{[1
]}

黄荣刚 ^{[2
]}

胡平波 ^{[1
]}

杨必胜 ^{[1
]}

机构：

[1] 武汉大学测绘遥感信息工程国家重点实验室

[2] 中国科学院测量与地球物理研究所大地测量与地球动力学国家重点实验室

来源：

地球信息科学学报 | 2018年 / 20卷 / 04期

基金：

国家自然科学基金重点项目;

关键词：

多光谱机载激光点云; 道路提取; 局部二进制特征; 随机森林分类器; 矢量化;

D O I：

暂无

中图分类号：

P237 [测绘遥感技术];

学科分类号：

1404 ;

摘要：

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征(Stripe Local Binary Feature,SLBF),结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征(StatisticsBased Feature,SBF),并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。

引用

页码：452 / 461

页数：10

共 9 条

[1] 机载LiDAR点云中道路的提取方法 [J].

惠振阳 ;

胡友健 .

测绘科学, 2017, 42 (03) :70-74

[2] 影像与LiDAR数据信息融合复杂场景下的道路自动提取 [J].

李怡静 ;

胡翔云 ;

张剑清 ;

江万寿 ;

张永军 .

测绘学报, 2012, 41 (06) :870-876

[3] 利用机载LiDAR点云数据提取城区道路 [J].

彭检贵 ;

马洪超 ;

高广 ;

赵亮亮 .

测绘通报, 2012, (09) :16-19

[4] 基于强度信息聚类的机载LiDAR点云道路提取 [J].

龚亮 ;

张永生 ;

李正国 ;

包全福 .

测绘通报 , 2011, (09) :15-17+24

[5]

Large-scale road detection in forested mountainous areas using airborne topographic lidar data[J] . António Ferraz,Clément Mallet,Nesrine Chehata.ISPRS Journal of Photogrammetry and Remote Sensin . 2016

[6]

CLASSIFICATION OF AIRBORNE LASER SCANNING DATA IN WADDEN SEA AREAS USING CONDITIONAL RANDOM FIELDS[J] . A. Schmidt,F. Rottensteiner,U. S?rgel.ISPRS - International Archives of the Photogramme . 2012 (1)

[7]

Remote sensing of impervious surfaces in the urban areas: Requirements, methods, and trends[J] . Qihao Weng.Remote Sensing of Environment . 2011

[8]

K3M: A universal algorithm for image skeletonization and a review of thinning techniques[J] . Khalid Saeed,Marek Tab?dzki,Mariusz Rybnik,Marcin Adamski.International Journal of Applied Mathematics and Computer Science . 2010 (2)

[9] Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

← 1 →