地灾与建筑损毁的无人机与地面LiDAR协同观测及评估

本书针对地震灾害设计了低成本、机动式的空地异源传感器协同观测系统，采用以低空无人机测量和视觉三维重建为主、联合局部地面LiDAR扫描的协同观测方式，获取较完备的灾场三维点云，研究灾场地物分类和建筑物损毁评估方法。本书的研究工作包括：1）提出了一种顾及影像拓扑骨架的低空影像快速三维重建方法，解决了传统视觉三维重建中的冗余匹配问题，提高了低空影像三维重建的效率。2）研究了基于低空影像重建点云的灾场地物分类方法，构建了顾及光谱、纹理和几何特征的点云特征描述子，提高了灾场地物的可分性；提出了基于多类不确定性-边缘采样（MCLU-MS）的主动学习算法优化采样机制，通过迭代选取少而优的训练样本达到了人力成本最小化和分类精度最大化的目的，对于保障灾情应急分析的时效性具有较强的现实意义。3）实现了基于空地异源点云的建筑物倾斜检测与损毁评估，研究了联合低空无人机与地面LiDAR的协同观测方法，提出了由粗到精的空（低空影像重建）地（地面LiDAR扫描）异源点云融合方法，在此基础上提出了建筑物倾斜检测方法；以2013年芦山Ms 7.0级地震为例，探讨了不同结构类型建筑物的倾斜角度与损毁程度之间的关系，从遥感立体测量的角度提出了建筑物损毁评估的参考标准。适合灾害和测绘类本科\\研究生以及相关研究人员学习参考。

许志华，博士/讲师，2011-2016就读于北京师范大学攻读博士学位，2014-2015年在荷兰ITC访学，2016年以来任职于中国矿业大学（北京）（地球科学与测绘工程学院），研究领域包括数字摄影测量与计算机视觉、多源数据地质灾害测量，长期从事低空无人机摄影测量与地面LiDAR联测的地质灾害应急测量研究，主持国家自然科学基金、开放基金和中央高校基本业务费专项等项目6项，参与科技部重大专项、973基础研究和国际联合减灾项目4项；以第一作者在ISPRS P&RS、IJRS、RS、武大学报等国内外期刊发表学术论文20余篇，授权专利3项，软件著作权2项；担任ISPRS P&RS、RS等期刊审稿人。

第1章 绪论 1.1 研究背景与意义 1.2 国内外研究现状 1.2.1 遥感灾害监测系统研究现状 l.2.2 遥感建筑物损毁评估研究现状 1.2.2.1 基于遥感影像的建筑物损毁评估研究现状 1.2.2.2 基于三维数据的建筑物损毁评估研究现状 1.2.3 运动恢复结构三维重建技术研究现状 1.2.4 多源数据融合及其建筑物损毁评估研究现状 1.3 研究目的及本书内容 1.3.1 研究目的 1.3.2 本书内容 1.4 研究方法与技术路线 第2章 顾及影像拓扑骨架的低空影像快速三维重建方法 2.1 运动恢复结构算法 2.2 影像拓扑分析与构建 2.2.1 间接索引法 2.2.2 直接分析法 2.2.2.1 飞控数据转换 2.2.2.2 计算影像角点坐标 2.2.2.3 面-点拓扑分析 2.2.2.4 面-面拓扑分析 2.2.2.5 构建影像拓扑关系图 2.3 影像拓扑骨架提取 2.3.1 基于度约束的最大生成树算法提取影像拓扑骨架 2.3.2 基于分层度约束的最大生成树算法提取影像拓扑骨架 2.3.2.1 TCN分层表达 2.3.2.2 删除子图冗余边 2.3.2.3 分层迭代提取影像拓扑骨架 2.4 顾及影像拓扑骨架的运动恢复结构算法 2.4.1 特征提取 2.4.2 顾及影像拓扑骨架的特征匹配 2.4.2.1 搜索待匹配影像 2.4.2.2 特征粗匹配 2.4.2.3 特征精匹配 2.4.3 恢复重建 2.5 骨架提取算法测试与分析 2.5.1 骨架提取鲁棒性检验 2.5.2 骨架提取稳定性检验 2.5.3 骨架提取收敛性检验 2.6 SCN-SfM重建结果与分析 2.6.1 特殊航线数据测试 2.6.2 同类算法对比 2.6.2.1 影像匹配效率对比 2.6.2.2 影像匹配效果对比 2.6.2.3 重建模型完整性对比 2.6.2.4 重建模型精度对比 2.7 讨论 2.8 本章小结 第3章 基于低空影像重建点云的灾场地物分类 3.1 分类方法设计 3.2 特征构建 3.2.1 光谱特征 3.2.2 纹理特征 3.2.3 几何特征 3.2.3.1 点特征直方图 3.2.3.2 高差 3.2.3.3 高程方差 3.2.4 特征融合 3.3 优化采样与分类 3.3.1 SVM分类器 3.3.2 主动学习算法 3.3.3 基于不确定性的采样方法 3.3.3.1 边缘采样 3.3.3.2 多类不确定性采样 3.3.3.3 多类不确定性-边缘采样 3.3.4 基于条件随机场模型的分类优化 3.4 实验与结果分析 3.4.1 研究区与数据采集 3.4.2 SVM参数设置 3.4.3 实验与结果分析 3.4.3.1 基于不同特征的灾场地物分类 3.4.3.2 基于主动学习的训练样本采集 3.4.3.3 主动学习分类参数测试 3.4.3.4 基于主动学习的灾场地物分类 3.4.3.5 基于MCLU-MS主动学习分类算法地物分类的通用性分析 3.5 本章小结 第4章 基于空地异源点云的建筑物倾斜检测和损毁评估 4.1 由粗到精的空地异源点云融合 4.1.1 空地联合标定装置设计 4.1.2 点云粗配准 4.1.3 点云精配准 4.1.4 实验与结果分析 4.1.4.1 空地协同观测设备介绍 4.1.4.2 实验区介绍 4.1.4.3 数据采集 4.1.4.4 空地异源点云融合 4.2 基于空地融合点云的建筑物倾斜检测 4.2.1 点云平面分割 4.2.2 倾斜度计算 4.2.2.1 对称建筑物倾斜度计算 4.2.2.2 非对称建筑物倾斜度计算 4.2.3 实验与结果分析 4.3 建筑物损毁评估 4.3.1 芦山7.0级地震灾区建筑物倾斜检测 4.3.2 木结构建筑物损毁评估 4.3.3 其他结构建筑物损毁评估 4.4 本章小结 第5章 总结与展望 5.1 总结 5.1.1 本研究包括的主要内容 5.1.2 本研究可能的创新点 5.1.3 本研究解决了灾情应急测量和灾情评估中的三个关键问题 5.2 展望 参考文献