由于影像理解的極端復(fù)雜性，從大比例尺航空影像和高分辨率遙感影像自動(dòng)重建建筑物的逼真三維模型距離實(shí)用化還有很大的差距，特別是三維幾何重建和墻面紋理映射的大部分工作仍需由手工完成，這已成為制約高精度三維城市模型快速獲取的瓶頸問題。基于影像的三維城市自動(dòng)建模一直是攝影測量和計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)和學(xué)術(shù)前沿。本申請(qǐng)立足于不規(guī)則三角形網(wǎng)絡(luò)（TIN）的自適應(yīng)動(dòng)態(tài)更新和多層次細(xì)節(jié)控制等特點(diǎn)，研究TIN約束下的建筑物三維自動(dòng)重建方法，包括：TIN約束下的立體影像特征點(diǎn)密集匹配與傳播方法和自動(dòng)識(shí)別建筑物表面幾何面片并模型化的方法。根據(jù)匹配得到的建筑物密集特征點(diǎn)數(shù)據(jù)建立3D TIN，并融合2D 圖形與屬性信息實(shí)現(xiàn)建筑物三維表面模型的自動(dòng)重建。本項(xiàng)目的研究為基于影像的建筑物三維表面模型自動(dòng)重建提供了一種新的方法，也可以用于對(duì)激光掃描(LIDAR)獲得的數(shù)字表面模型數(shù)據(jù)進(jìn)行自動(dòng)處理。 2100433B

視頻影像作為一種容易快速獲取且廉價(jià)的數(shù)據(jù)，一直是攝影測量與計(jì)算機(jī)視覺領(lǐng)域三維重建研究的重要源數(shù)據(jù)之一。由于視頻影像分辨率低造成線/面特征提取困難，影像間基線過短難以建立精確的成像幾何關(guān)系，普通車載或手持?jǐn)?shù)碼相機(jī)（攝像機(jī)）拍攝得到的視頻影像序列還缺少輔助信息如控制點(diǎn)和數(shù)字高程模型等，因此基于普通視頻序列影像的建筑物三維自動(dòng)重建具有很大的難度，是國際學(xué)術(shù)研究的前沿性問題。本申請(qǐng)旨在充分利用視頻序列影像間高重疊度的冗余信息和建筑物語義信息，系統(tǒng)研究可靠匹配點(diǎn)引導(dǎo)下的三維特征線和特征面提取方法、特征線段和面片的層次聚類方法、以及基于知識(shí)(包括語義信息和拓?fù)潢P(guān)系)的幾何面片分類識(shí)別與拓?fù)溥B接方法等關(guān)鍵問題，形成一種基于視頻序列影像由粗到精逼真重建建筑物三維立面模型的實(shí)用技術(shù)體系，為三維城市建模和計(jì)算機(jī)視覺等提供一種新的更高效可靠的途徑。 2100433B

第1章 緒論 1

1.1 概述 3

1.2 國內(nèi)外研究現(xiàn)狀及趨勢 5

1.2.1 建筑物模型三維重建概述 6

1.2.2 基于影像點(diǎn)云的建筑物場景三維重建 7

1.2.3 基于LiDAR點(diǎn)云的建筑物提取和三維重建 11

1.2.4 融合影像和LiDAR點(diǎn)云的建筑物提取和三維重建 21

1.2.5 小結(jié) 24

1.3 本書主要研究內(nèi)容 26

1.3.1 基于線元分割的建筑物快速檢測 27

1.3.2 基于RANSAC及層次拓?fù)鋱D的建筑物三維重建 28

1.3.3 基于圖割及全局優(yōu)化的建筑物三維重建方法 29

1.4 本書的組織結(jié)構(gòu) 30

第2章 基于線元分割的建筑物快速檢測 33

2.1 基于交叉線元分割的平面提取 35

2.1.1 點(diǎn)的規(guī)則格網(wǎng)索引 35

2.1.2 道格拉斯分割 36

2.1.3 種子線的選擇 37

2.1.4 區(qū)域增長 38

2.1.5 結(jié)果與分析 39

2.2 非平面點(diǎn)的分割 41

2.2.1 Meanshift點(diǎn)云分割 41

2.2.2 部分非平面點(diǎn)分割結(jié)果 44

2.2.3 結(jié)果與分析 44

2.3 面向?qū)ο蠓诸惖某跏冀ㄖ锏奶崛?45

2.3.1 基于圖割的平面分類 45

2.3.2 結(jié)果與分析 51

2.4 多特征的建筑物提取優(yōu)化 52

2.4.1 特征提取 52

2.4.2 建筑物的精確提取 57

2.4.3 結(jié)果與分析 59

2.5 本章小結(jié) 62

第3章 基于隨機(jī)采樣一致性及層次拓?fù)鋱D的建筑物三維重建 63

3.1 基于加權(quán)隨機(jī)采樣一致性的屋頂面片分割 65

3.1.1 隨機(jī)采樣一致性算法的原理 65

3.1.2 基于隨機(jī)采樣一致性的屋頂面片分割算法 67

3.1.3 改進(jìn)的加權(quán)隨機(jī)采樣一致性算法 75

3.1.4 面片分割試驗(yàn)與分析 83

3.1.5 小結(jié) 96

3.2 模型關(guān)鍵特征檢測與規(guī)則化 97

3.2.1 模型關(guān)鍵特征檢測 97

3.2.2 邊界規(guī)則化與整體調(diào)整 104

3.2.3 小結(jié) 108

3.3 基于層次拓?fù)錁涞臐u進(jìn)式屋頂拓?fù)錁?gòu)建 109

3.3.1 面片拓?fù)鋱D的原理 109

3.3.2 基于拓?fù)鋱D的屋頂拓?fù)渥R(shí)別及其困難 111

3.3.3 層次拓?fù)錁涞脑砑皹?gòu)建 114

3.3.4 結(jié)果與分析 124

3.3.5 小結(jié) 128

3.4 實(shí)體模型生成與完整性檢測 128

3.4.1 模型缺陷及現(xiàn)有改正方法 129

3.4.2 基于模型完整性的缺陷檢測與修復(fù) 130

3.4.3 模型重建結(jié)果與精度分析 136

3.4.4 小結(jié) 145

3.5 本章小結(jié) 146

第4章 基于圖割及全局優(yōu)化的建筑物三維重建 147

4.1 圖割優(yōu)化的理論基礎(chǔ) 149

4.1.1 概述 149

4.1.2 圖割理論基礎(chǔ) 149

4.1.3 圖割多標(biāo)號(hào)優(yōu)化原理 154

4.1.4 小結(jié) 160

4.2 基于圖割多標(biāo)號(hào)優(yōu)化的建筑物L(fēng)iDAR點(diǎn)云面片分割 160

4.2.1 概述 160

4.2.2 基于圖割全局優(yōu)化的多平面模型擬合 163

4.2.3 基于圖割多標(biāo)號(hào)優(yōu)化的建筑物面片分割 165

4.2.4 結(jié)果與分析 168

4.2.5 小結(jié) 180

4.3 基于建筑物面片和復(fù)形結(jié)構(gòu)的三維空間劃分 180

4.3.1 概述 180

4.3.2 二叉空間劃分空間二分算法 182

4.3.3 復(fù)形與空間劃分 184

4.3.4 基于建筑物分割面片的點(diǎn)云三維空間劃分 187

4.3.5 結(jié)果與分析 189

4.3.6 小結(jié) 192

4.4 基于圖割二值標(biāo)號(hào)的建筑物L(fēng)iDAR點(diǎn)云三維重建 193

4.4.1 概述 193

4.4.2 基于圖割二值標(biāo)號(hào)的建筑物點(diǎn)云三維重建 195

4.4.3 結(jié)果與分析 203

4.4.4 小結(jié) 212

4.5 本章小結(jié) 213

第5章 結(jié)論與展望 215

5.1 結(jié)論 217

5.1.1 基于線元分割的建筑物快速檢測 217

5.1.2 基于隨機(jī)采樣一致性及層次拓?fù)鋱D的建筑物三維重建 217

5.1.3 基于圖割及全局優(yōu)化的建筑物三維重建方法 218

5.2 展望 219

5.2.1 基于深度學(xué)習(xí)的整體認(rèn)知 219

5.2.2 結(jié)合影像的細(xì)節(jié)結(jié)構(gòu)識(shí)別 220

參考文獻(xiàn) 221 2100433B