龔?fù)?，李云帆，陳卓，龍?/p>

從機(jī)載LiDAR點(diǎn)云數(shù)據(jù)中快速提取建筑物的方法研究

龔?fù)??，李云帆1，陳卓2，龍超3

提出一種從機(jī)載LiDAR點(diǎn)云數(shù)據(jù)中快速提取建筑物的方法。首先通過漸進(jìn)三角網(wǎng)濾波得到地面點(diǎn)和不規(guī)則三角網(wǎng)，再通過三角網(wǎng)的區(qū)域生長和多條件閾值提取出候選建筑物輪廓，然后對提取出的初始建筑物點(diǎn)云采用兩種策略去除噪聲點(diǎn)，最終得到準(zhǔn)確的建筑物點(diǎn)云，并通過實(shí)際數(shù)據(jù)進(jìn)行了驗(yàn)證。

LiDAR；建筑物提?。粸V波；區(qū)域生長

1 前 言

隨著地球空間信息技術(shù)及其相關(guān)學(xué)科的飛速發(fā)展，三維數(shù)字城市的構(gòu)建已經(jīng)成為城市規(guī)劃和建設(shè)領(lǐng)域的重要組成部分，能夠?yàn)槌鞘邪l(fā)展提供科學(xué)決策依據(jù)，全面提高政府規(guī)劃、宏觀調(diào)控、市場監(jiān)管、社會(huì)管理與公共服務(wù)等方面的水平和效率。數(shù)字城市建設(shè)的首要內(nèi)容是城市地區(qū)建筑物三維信息的獲取，而作為一種新型的主動(dòng)傳感器，機(jī)載激光雷達(dá)(Airborne LiDAR)通過集成定姿定位系統(tǒng)和激光測距儀，無需攝影測量處理的影像匹配過程即可直接獲取目標(biāo)的高密度三維點(diǎn)云數(shù)據(jù)，同時(shí)可以準(zhǔn)確獲取地物間的幾何拓?fù)潢P(guān)系，是一種經(jīng)濟(jì)、可靠的地表三維空間數(shù)據(jù)采集技術(shù)，目前已經(jīng)成為城市三維建筑物模型獲取的一種重要手段，具有廣闊的應(yīng)用前景[1～6]。因此，研究如何快速、準(zhǔn)確地從LiDAR點(diǎn)云數(shù)據(jù)中提取出建筑物具有重要的現(xiàn)實(shí)意義。

從機(jī)載LiDAR數(shù)據(jù)中提取建筑點(diǎn)云數(shù)據(jù)包含以下兩步:①從原始DSM數(shù)據(jù)中提取出建筑表面點(diǎn)，即建筑腳點(diǎn)；②分割建筑點(diǎn)。通常將這種建筑物提取的策略稱為F-S方法[7]。眾多學(xué)者在此領(lǐng)域展開了研究，如Weidner和Ameri等利用DSM和DTM之間的差異檢測出建筑物區(qū)域[8，9]；Masaharu等將點(diǎn)云分割成建筑物區(qū)域和非建筑物區(qū)域，再利用邊界追蹤算法分割單個(gè)建筑[10]。尤紅建等直接應(yīng)用激光采樣點(diǎn)的原始三維位置來提取建筑物的方法，通過DSM影像的分割、邊緣提取、邊緣跟蹤等步驟準(zhǔn)確地提取建筑物的邊緣輪廓線[11]?？傮w上說，通常使用的方法都是先檢測出建筑物區(qū)域，然后針對這些區(qū)域進(jìn)行邊界跟蹤、提取。

本文在總結(jié)現(xiàn)有文獻(xiàn)的基礎(chǔ)上，提出一種從機(jī)載LiDAR點(diǎn)云數(shù)據(jù)中快速提取建筑物的方法，結(jié)合了點(diǎn)云濾波、區(qū)域生長和點(diǎn)云去噪等多種技術(shù)，并通過實(shí)際數(shù)據(jù)對其進(jìn)行了驗(yàn)證。

2 機(jī)載LiDAR點(diǎn)云濾波

機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波是指從點(diǎn)云中分離地面點(diǎn)和非地面點(diǎn)的處理技術(shù)和方法[12]，是建筑物提取步驟的重要前提。機(jī)載LiDAR點(diǎn)云數(shù)據(jù)是一種特殊形式的數(shù)字表面模型(DSM)，其中包括地面表面和地物表面。地物與地面的高差造成地物邊緣處的不連續(xù)性，所有濾波算法本質(zhì)上都是基于對這種不連續(xù)性的估計(jì)。依據(jù)各種算法對于局部范圍內(nèi)地面點(diǎn)結(jié)構(gòu)特征的假設(shè)不同，產(chǎn)生了各異的表面不連續(xù)性的估計(jì)方法，一般有:①基于局部腳點(diǎn)間斜率(或高差)的估計(jì)方法；②基于局部屬性估計(jì)與內(nèi)插的方法；③基于分割后拓?fù)潢P(guān)系重建的估計(jì)方法。國際攝影測量與遙感學(xué)會(huì)(ISPRS)曾專門對其中8種濾波算法進(jìn)行了詳細(xì)的測試和評價(jià)[13，14]。其中Axelsson提出的漸進(jìn)加密式三角網(wǎng)濾波算法十分適宜本文研究背景，其優(yōu)勢在于:①該算法普適性較強(qiáng)，在多種地形條件下均有較好的效果；②濾波的同時(shí)可以獲得地面點(diǎn)構(gòu)成的TIN，便于下文候選建筑物區(qū)域提取。

迭代加密三角網(wǎng)濾波算法的基本思想即將整個(gè)地形表面逐漸細(xì)分為一系列細(xì)小的三角形平面面片，從而將LiDAR點(diǎn)云濾波轉(zhuǎn)換為搜索一系列具有相同地形特征的平面面片的過程，其流程為:

(1)對點(diǎn)云數(shù)據(jù)構(gòu)建格網(wǎng)索引，格網(wǎng)的大小由用戶設(shè)定，取決于點(diǎn)云數(shù)據(jù)中最大地物(通常為建筑物)尺寸，以確保每個(gè)分塊內(nèi)必然包含地面點(diǎn)。對于格網(wǎng)中的每個(gè)分塊，搜索其最低點(diǎn)作為地面種子點(diǎn)；并對所有地面種子點(diǎn)構(gòu)建TIN，作為初始的地表模型。

(2)第二步是一個(gè)迭代過程，每次迭代中，依次判斷余下腳點(diǎn)是否滿足加入地面的條件。①點(diǎn)到地面高度的判別依據(jù)；②點(diǎn)與地面構(gòu)成坡度的判別依據(jù)。

(3)“鏡像點(diǎn)”修正。以上的判別準(zhǔn)則對于連續(xù)地表效果較好，但是對于地表高程突變處的腳點(diǎn)通常會(huì)出現(xiàn)高度閾值超限的情況，從而被錯(cuò)誤地分為地物點(diǎn)。算法將該點(diǎn)所在的三角形的鄰接三角形都納入考慮范圍，加入“鏡像點(diǎn)”修正在地表不連續(xù)處的判斷準(zhǔn)則。

(4)算法重復(fù)上述過程直到所有點(diǎn)都分類為地面點(diǎn)或者地物點(diǎn)，或者達(dá)到用戶事先設(shè)定的某個(gè)限制條件，如迭代次數(shù)上限、三角形個(gè)數(shù)上線、三角形邊長下限等等。

3 建筑物點(diǎn)云提取

3.1 候選筑物區(qū)域提取

如前文所述，應(yīng)用漸進(jìn)加密式三角網(wǎng)濾波算法的優(yōu)勢在于可以直接得到由地面點(diǎn)構(gòu)成的二維Delaunay三角網(wǎng)，即TIN形式的DEM。由于建筑物點(diǎn)云已經(jīng)作為地物點(diǎn)被剔除，因此潛在的建筑物區(qū)域必然對應(yīng)著DEM中的空洞區(qū)域，也就是TIN中具有較大邊長的三角形組，如圖1所示。本文提出一種基于長度約束的三角形生長算法，對建筑物區(qū)域的點(diǎn)云進(jìn)行定位和提取。此方法旨在快速獲得候選建筑物區(qū)域的初始位置，并得到其相應(yīng)的邊界多邊形。記濾波所得地面點(diǎn)三角網(wǎng)為Dt，這個(gè)過程實(shí)際上可以轉(zhuǎn)化為求取Dt中空洞區(qū)域的問題。包括以下步驟:

(1)Dt中的三角形具有兩個(gè)標(biāo)記屬性:其一為訪問與否，取值為{Tag_Unvisited=0，Tag_Visited=1}；其二為是否包含長度超限的邊，取值為{Tag_TooLong= 0，Tag_Normal=1}。

(2)設(shè)定三角形最大邊長閾值T_EdgeLength，通常為目標(biāo)區(qū)域內(nèi)最小建筑物的寬度。對Dt中所有三角形進(jìn)行一次迭代，將包含長度超限邊的三角形標(biāo)記為Tag_TooLong，其余三角形標(biāo)記為Tag_Normal，并將所有三角形標(biāo)記為Tag_Unvisited。

(3)創(chuàng)建一個(gè)空的臨時(shí)三角形鏈表Ltri和用于保存三角形分組的鏈表Lgroup，進(jìn)行迭代生長過程:

①迭代Dt中所有三角形，如果當(dāng)前三角形Tri未訪問且被標(biāo)記為Tag_TooLong，則作為生長的起始三角形，并加入Ltri中；

②創(chuàng)建一個(gè)新的三角形分組G，并將Tri加入其中；

③判斷Tri的三個(gè)鄰接三角形，如果其標(biāo)記為Tag _TooLong且Tag_Unvisited，那么將其加入G，并加入Ltri的末尾，同時(shí)將Tri標(biāo)記為Tag_Unvisited；

④重復(fù)①～③的過程，直到Ltri為空，則分組G的生長結(jié)束。將G加入Lgroup并跳轉(zhuǎn)到步驟①。

(4)對于最終生長完成之后的三角形分組，通過搜索組內(nèi)相鄰三角形標(biāo)記不一致的邊，并按照逆時(shí)針順序?qū)⑵溥B接，即可得到建筑物初始區(qū)域的邊界。

圖1 候選建筑物區(qū)域提取

3.2 剔除非建筑物區(qū)域

由上述過程所得到的初始建筑物區(qū)域，存在許多錯(cuò)誤檢測結(jié)果。這些錯(cuò)檢結(jié)果通常是由比較茂密的植被區(qū)域與低反射率區(qū)域(如水體)所造成的。為了能夠準(zhǔn)確地從中提取出正確的建筑物初始區(qū)域，以下多個(gè)參數(shù)被用來剔除錯(cuò)誤檢測結(jié)果。

(1)面積大小閾值

通常建筑物面積通常不小于50m2，所以，對于Lgroup中面積小于該閾值的三角形分組G予以剔除。由于本文主要針對城市地區(qū)的建筑物提取，一般取50 m2。

(2)最小包含點(diǎn)數(shù)閾值

建筑物具有一定的面積下限，因此其所包含的點(diǎn)云數(shù)量也具有一個(gè)最小值，這個(gè)值的大小與建筑物的最小面積與點(diǎn)云數(shù)據(jù)的平均點(diǎn)間距相關(guān)。同時(shí)，某些低反射區(qū)域(如水體等)僅包含極少的回波點(diǎn)，這些區(qū)域僅僅通過面積閾值是無法正確剔除的，而包含點(diǎn)數(shù)可以有效去除這些錯(cuò)誤。本文一般取200為最小包含點(diǎn)數(shù)的閾值。

(3)多次回波比例閾值

多次回波是機(jī)載LiDAR的特性之一，也是區(qū)分建筑物區(qū)域與植被區(qū)域的重要特性[15]。機(jī)載LiDAR發(fā)射的每一束激光都具有一定的半徑，當(dāng)脈沖打到植被樹冠上時(shí)，其中一部分能量立即反射回去，形成首次回波；剩下部分能量繼續(xù)前行，穿透樹冠打到樹枝或樹干上形成第二次回波；再有部分能量繼續(xù)穿透植被打到地面上，形成末次回波，故同一束激光能同時(shí)獲得多個(gè)距離觀測值。因此最終機(jī)載LiDAR系統(tǒng)記錄的回波信息包括單次回波和多次回波(首次回波、中間回波、末次回波)。通常大部分單次回波和末次回波多是來自于地表以及建筑物，而首次回波和中間次回波來自于植被。樹叢分離的主要根據(jù)是在由樹叢所形成候選區(qū)域中所包含的多次回波脈沖的比例較真實(shí)建筑物區(qū)域更大。目前絕大多數(shù)商業(yè)化的LiDAR系統(tǒng)都能夠提供多次回波信息，因此這種方法是可行的。

3.3 噪聲點(diǎn)的剔除

通過上述步驟，得到了候選建筑物區(qū)域的輪廓多邊形，通過依次判斷激光腳點(diǎn)是否在某一個(gè)建筑物多邊形內(nèi)可以獲得每一個(gè)建筑物區(qū)域所包含的點(diǎn)云。這只是一種粗略提取，目的是盡量包含所有建筑物腳點(diǎn)，因此提取的結(jié)果中包含了很多的噪聲點(diǎn)，需要進(jìn)一步的剔除。這主要涉及兩個(gè)方面:

(1)利用平均空間距離閾值剔除噪聲點(diǎn)

本文針采用一種基于k-d樹的平均空間距離方法對噪聲點(diǎn)進(jìn)行剔除[16]，主要包括以下步驟:

①構(gòu)建k-d樹，建立拓?fù)潢P(guān)系；

②求點(diǎn)云中任意一點(diǎn)p的KNN鄰域；

③計(jì)算該點(diǎn)與鄰域內(nèi)個(gè)點(diǎn)的平均距離值dis；

④判斷平均距離值是否超過設(shè)定的閾值。如果超過，則認(rèn)為該點(diǎn)為噪聲點(diǎn)，予以剔除。根據(jù)需求，一般取閾值為平均點(diǎn)間距的2.5倍；

⑤重復(fù)步驟②～④，直到所有的點(diǎn)都處理完畢；⑥輸出去噪之后的點(diǎn)云。

在實(shí)際應(yīng)用中，這種方法無論是速度還是去噪效果都能達(dá)到比較令人滿意的程度但是也存在一定的缺陷:當(dāng)有較多噪聲點(diǎn)聚集在一起時(shí)，這種方法不容易正確識(shí)別，需要加入另外的方法進(jìn)行進(jìn)一步處理。

(2)利用平面擬合誤差閾值剔除粗差點(diǎn)簇

由于目前大多數(shù)人工建筑物的屋頂都由平面組成，即便是曲面構(gòu)成的屋頂，在局部范圍內(nèi)也可以用一個(gè)平面進(jìn)行逼近。這一特點(diǎn)反應(yīng)在點(diǎn)云數(shù)據(jù)上表現(xiàn)為對局部范圍內(nèi)的點(diǎn)進(jìn)行平面擬合后的中誤差將處于較低的水平。以此為依據(jù)，可以將聚集在一起的較大粗差的點(diǎn)簇予以剔除。由于平均空間點(diǎn)距大的同時(shí)意味著平面擬合的誤差也較大，因此前一步中實(shí)際上已經(jīng)剔除了大部分的粗差點(diǎn)，同時(shí)記錄了每一個(gè)點(diǎn)的平均空間點(diǎn)間距，因此本步驟中首先對剩余的點(diǎn)依據(jù)其平均空間點(diǎn)間距進(jìn)行降序排序，然后以一定比例(本文為2%)取排在前列的點(diǎn)，計(jì)算其K鄰域點(diǎn)平均擬合的中誤差σ，當(dāng)σ大于一定閾值T_σ時(shí)，則認(rèn)為該點(diǎn)為粗差，本文中T_σ一般取值0.2 m。

4 實(shí) 驗(yàn)

本文選擇了兩塊城區(qū)的數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)如圖2中(A_1)和(B_1)，其中數(shù)據(jù)A包含307萬個(gè)激光腳點(diǎn)，航向平均點(diǎn)間距為0.7 m，旁向平均點(diǎn)間距為0.65 m，在城區(qū)范圍平均點(diǎn)密度約為2.04點(diǎn)/m2數(shù)據(jù)B包含277萬個(gè)激光腳點(diǎn)，航向平均點(diǎn)間距為0.6 m，旁向平均點(diǎn)間距為0.67 m，其中建筑物區(qū)域平均點(diǎn)密度約為2.5點(diǎn)/m2。兩塊地區(qū)的數(shù)據(jù)采用的濾波參數(shù)如表1所示，濾波結(jié)果如圖2(A_2)和(B_2)。

圖2 三角網(wǎng)濾波算法結(jié)果

濾波參數(shù) 表1

圖3 候選建筑物區(qū)域檢測結(jié)果

候選建筑物區(qū)域的提取結(jié)果如圖3所示，其中第二列為候選區(qū)域提取得到的矢量結(jié)果。從圖中可以看出基本上實(shí)驗(yàn)區(qū)域內(nèi)所有建筑物都被正確提取出來。然后對提取出的初始建筑物點(diǎn)云進(jìn)行去噪處理，圖4展示了對實(shí)驗(yàn)區(qū)域內(nèi)的某個(gè)建筑物的處理效果。

過上述操作，最終得到了所有的建筑物屋頂點(diǎn)云數(shù)據(jù)，而且同時(shí)對屬于一棟建筑物的點(diǎn)云進(jìn)行了區(qū)分，取得了較好的結(jié)果，如圖5所示。

圖4 利用平均空間距離閾值剔除噪聲的效果

圖5 建筑物提取結(jié)果(右1～3圖中紅色為提取的建筑物點(diǎn)云)

5 結(jié) 語

本文首先介紹了從LiDAR點(diǎn)云數(shù)據(jù)中提取建筑物的研究現(xiàn)狀，在總結(jié)和分析各種方法優(yōu)劣的基礎(chǔ)上，提出一個(gè)完整的技術(shù)流。首先利用濾波方法得到地面點(diǎn)云；然后提出一種基于邊長約束的三角網(wǎng)區(qū)域生長算法從濾波后的LiDAR點(diǎn)云中提取出候選的建筑物區(qū)域，得到單棟的建筑物點(diǎn)云數(shù)據(jù)。實(shí)驗(yàn)證明了本文方法的有效性，能夠快速、準(zhǔn)確地從原始點(diǎn)云數(shù)據(jù)中提取出真實(shí)建筑物點(diǎn)云。能夠?yàn)檫M(jìn)一步的數(shù)據(jù)分析工作提供保障，具有實(shí)用價(jià)值。

同時(shí)，本文方法雖然無需太多人工干預(yù)，但是其中所涉及的多種閾值的設(shè)定，其自適應(yīng)程度不高，需要進(jìn)一步研究解決。

[1] Zhou，G.，C.Song，J.Simmers，et al.，Urban 3D GIS from Li-DAR and digital aerial images[J].Computers＆geosciences，2004，30(4)：345～353.

[2] Rottensteiner，F(xiàn).and C.Briese，A new method for building extraction in urban areas from high-resolution LIDAR data. international archives of photogrammetry remote sensing and spatial information sciences，2002，34(3/A)：295～301.

[3] You，S.，Hu，J.U.Neumann，et al.，Urban Site Modeling from LiDAR.Computational Science and Its Applications aICCSA [C].2003：987～987.

[4] Brovelli，M.and M.Cannata，Digital terrain model reconstruction in urban areas from airborne laser scanning data：Themethod and the example of the town of Pavia(Northern Italy).international archives of photogrammetry remote sensing and spatial information sciences，2002，34(2)：43～48.

[5] Miliaresis，G.N.Kokkas，Segmentation and object-based classification for the extraction of the building class from LIDAR DEMs[J].Computers＆geosciences，2007，33(8)：1076～1087.

[6] 李德仁，李清泉，楊必勝等.3S技術(shù)與智能交通[J].武漢大學(xué)學(xué)報(bào)·信息科學(xué)版，2008，33(004)：331～336.

[7] 任自珍，岑敏儀，張同剛等.LiDAR數(shù)據(jù)中建筑物提取的新方法Fc-S法[J].測繪科學(xué)，2010，35：3.

[8] Weidner，U.and W.F rstner，Towards automatic building extraction from high-resolution digital elevationmodels[J].ISPRS Journal of Photogrammetry and Remote Sensing，1995，50(4)：38～49.

[9] Ameri，B.and D.Fritsch.Automatic 3D building reconstruction using plane-roof structures[A].ASPRS.2000.Washington DC[C].

[10] Masaharu，H.and H.Hasegawa，Three-dimensional city modeling from laser scanner data by extracting building polygons using region segmentation method[J].International Archives of Photogrammetry and Remote Sensing，2000，33(B3/1；PART 3)：556～562.

[11] 尤紅建，蘇林，李樹楷.利用機(jī)載三維成像儀的DSM數(shù)據(jù)自動(dòng)提取建筑物[J].武漢大學(xué)學(xué)報(bào)·信息科學(xué)版，2002，27(4)：6.

[12] 張小紅.機(jī)載激光雷達(dá)測量技術(shù)理論與方法[M].武漢：武漢大學(xué)出版社，2007.

[13] Sithole，G.and G.Vosselman，Report：ISPRS comparison of filters[A].ISPRSCommission III，Working Group，2003，3.

[14] Sithole，G.and G.Vosselman，Experimental comparison of filter algorithms for bare-Earth extraction from airborne laser scanning point clouds[J].ISPRS Journal of Photogrammetry and Remote Sensing，2004，59(1-2)：85～101.

[15] 黃先鋒.利用機(jī)載LiDAR數(shù)據(jù)重建3D建筑物模型的關(guān)鍵技術(shù)研究[D].武漢大學(xué)，2006.

[16] Saleem，W.，O.Schall，G.Patanè，et al.，On stochastic methods for surface reconstruction[J].The Visual Computer，2007，23(6)：381～395.

實(shí)踐校企合作辦學(xué)模式 成就海西地信服務(wù)專家——福州市勘測院在職研究生課程班順利開班

(本刊訊)校企合作辦學(xué)，是企業(yè)實(shí)現(xiàn)人才開發(fā)增值的新途徑，也是當(dāng)前教育改革的重要方向。福州市勘測院作為海峽西岸經(jīng)濟(jì)區(qū)城市地理信息服務(wù)專家，為加大人才儲(chǔ)備力度，持續(xù)提升服務(wù)能力，近年來致力于加強(qiáng)校企合作力度，積極推進(jìn)在職研究生層次教育，不斷為海西智慧城市的發(fā)展作出新的貢獻(xiàn)。

2013年，在福建省測繪地理信息局、福州市國土資源局等上級領(lǐng)導(dǎo)的關(guān)心與支持下，武漢大學(xué)與福州市勘測院聯(lián)合開設(shè)的測繪工程(GIS方向)在職研究生課程班于5月30日順利開班。福建省測繪地理信息局、福州市國土資源局、武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院及福州市勘測院領(lǐng)導(dǎo)出席了開班儀式并做重要講話。

福建省測繪地理信息局林孝文副局長首先對在職研究生課程班的開辦表示祝賀，對福州市勘測院與高校聯(lián)合組織在職研究生教育的方式給予高度肯定，對武漢大學(xué)一直以來在測繪地理信息領(lǐng)域的科學(xué)研究及人才培訓(xùn)所作的貢獻(xiàn)表示感謝，并對課程班的教學(xué)工作做了重要指示，要求校企雙方精誠協(xié)作，“把好事辦好、把實(shí)事辦實(shí)”、“辦真學(xué)、辦好學(xué)”。武漢大學(xué)資源與環(huán)境科學(xué)學(xué)院陳曉榕書記為與會(huì)人員深入介紹了我國研究生教育體系以及本次課程班后續(xù)的教育模式，并對課程班學(xué)員寄予了殷切期望，提出了嚴(yán)格要求。

福州市勘測院錢兆向院長在發(fā)言中回顧了福州市勘測院60年的發(fā)展歷程，強(qiáng)調(diào)了人才對企業(yè)長遠(yuǎn)發(fā)展的重要意義，并分析了福州市勘測院培訓(xùn)工作實(shí)施現(xiàn)狀及問題，指出校企聯(lián)合辦學(xué)將是福州市勘測院人才戰(zhàn)略的重要組成部分，也將是本院測繪地理信息產(chǎn)業(yè)戰(zhàn)略目標(biāo)的強(qiáng)大推進(jìn)器。希望全院進(jìn)一步統(tǒng)一思想，把人才上升到戰(zhàn)略資源層面，有效開展“種子計(jì)劃”、“樹苗計(jì)劃”；要把辦好研究生班作為重要工作，認(rèn)真抓好教學(xué)組織，爭取做到工作學(xué)習(xí)雙促進(jìn)；同時(shí)希望全體學(xué)員珍惜學(xué)習(xí)機(jī)會(huì)，明確目標(biāo)，刻苦學(xué)習(xí)，努力成長為理論實(shí)踐雙過硬的復(fù)合型人才。最后，學(xué)員代表邱健麗代表全班34名學(xué)員對各級領(lǐng)導(dǎo)的關(guān)心表示感謝，并承諾將以“最飽滿的熱情，最全面的投入，最實(shí)際的行動(dòng)”完成學(xué)業(yè)。

本次開班儀式的召開，標(biāo)志著武漢大學(xué)、福州市勘測院校企合作框架的正式啟動(dòng)。課程班將在各級領(lǐng)導(dǎo)和武漢大學(xué)的指導(dǎo)下，嚴(yán)格遵照教育部及武漢大學(xué)在職研究生教育的各項(xiàng)政策，按照研究生培養(yǎng)方案，嚴(yán)格教學(xué)管理，為單位及行業(yè)輸送更多高學(xué)歷、高技能、高素質(zhì)的測繪地理信息復(fù)合型精英。

(福州市勘測院辦公室供稿)

(1.住房和城鄉(xiāng)建設(shè)部城鄉(xiāng)規(guī)劃管理中心，北京 100835； 2.武漢大學(xué)遙感信息工程學(xué)院，湖北武漢 430079；3.中國水電顧問集團(tuán)貴陽勘測設(shè)計(jì)研究院，貴州貴陽 550083)

A Study of Fast Building Extraction from Airborne LiDAR Point Cloud Data

GongWeiping1，Li Yunfan1，Chen Zhou2，Long Chao3
(1.The Administration Center of Urban-Rural Planning，MOHURD，Beijing 100835，China 2.School of Remote Sensing and Information Engineering，Wuhan University，Wuhan 430079，China 3.HYDRO China Guiyang Engineering Corporation，Guiyang 550083，China)

A method for fast building extraction from airborne LiDAR point cloud data is proposed in this paper. Firstly，ground points are extracted by progressive TIN filtering algorithm.Then a building detection strategy based on region growing algorithm and multiple thresholds is utilized for obtaining initial building points and rough boundary.The accuracy points are finally extracted after two steps of noisy points eliminating.Experiments are conducted to demonstrate the efficiency of the proposed method.

LiDAR；building extracting；filtering；region growing

1672-8262(2013)03-84-05

P237，P234.4

A

2013—01—18

龔?fù)?1958—)，男，副研究員，主要從事遙感技術(shù)在城鄉(xiāng)規(guī)劃中的應(yīng)用研究和管理工作。

住房和城鄉(xiāng)建設(shè)部科研開發(fā)項(xiàng)目(2008-K9-12)