第1章 绪论 1
1.1 研究背景与意义 3
1.2 国内外研究现状 4
1.2.1 遥感灾害监测系统研究现状 4
1.2.2 遥感建筑物损毁评估研究现状 6
1.2.2.1 基于遥感影像的建筑物损毁评估研究现状 6
1.2.2.2 基于三维数据的建筑物损毁评估研究现状 8
1.2.3 运动恢复结构三维重建技术研究现状 10
1.2.4 多源数据融合及其建筑物损毁评估研究现状 13
1.3 研究目的及本书内容 15
1.3.1 研究目的 15
1.3.2 本书内容 16
1.4 研究方法与技术路线 17
第2章 顾及影像拓扑骨架的低空影像快速三维重建方法 19
2.1 运动恢复结构算法 22
2.2 影像拓扑分析与构建 24
2.2.1 间接索引法 24
2.2.2 直接分析法 25
2.2.2.1 飞控数据转换 26
2.2.2.2 计算影像角点坐标 26
2.2.2.3 面—点拓扑分析 26
2.2.2.4 面—面拓扑分析 27
2.2.2.5 构建影像拓扑关系图 27
2.3 影像拓扑骨架提取 29
2.3.1 基于度约束的最大生成树算法提取影像拓扑骨架 29
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 30
2.3.2.1 TCN分层表达 30
2.3.2.2 删除子图冗余边 32
2.3.2.3 分层迭代提取影像拓扑骨架 33
2.4 顾及影像拓扑骨架的运动恢复结构算法 35
2.4.1 特征提取 35
2.4.2 顾及影像拓扑骨架的特征匹配 37
2.4.2.1 搜索待匹配影像 37
2.4.2.2 特征粗匹配 37
2.4.2.3 特征精匹配 38
2.4.3 恢复重建 38
2.5 骨架提取算法测试与分析 38
2.5.1 骨架提取鲁棒性检验 38
2.5.2 骨架提取稳定性检验 42
2.5.3 骨架提取收敛性检验 45
2.6 SCN-SfM重建结果与分析 47
2.6.1 特殊航线数据测试 47
2.6.2 同类算法对比 48
2.6.2.1 影像匹配效率对比 49
2.6.2.2 影像匹配效果对比 50
2.6.2.3 重建模型完整性对比 50
2.6.2.4 重建模型精度对比 53
2.7 讨论 57
2.8 本章小结 58
第3章 基于低空影像重建点云的灾场地物分类 61
3.1 分类方法设计 63
3.2 特征构建 65
3.2.1 光谱特征 65
3.2.2 纹理特征 65
3.2.3 几何特征 67
3.2.3.1 点特征直方图 67
3.2.3.2 高差 68
3.2.3.3 高程方差 69
3.2.4 特征融合 69
3.3 优化采样与分类 70
3.3.1 SVM分类器 70
3.3.2 主动学习算法 71
3.3.3 基于不确定性的采样方法 73
3.3.3.1 边缘采样 74
3.3.3.2 多类不确定性采样 74
3.3.3.3 多类不确定性—边缘采样 74
3.3.4 基于条件随机场模型的分类优化 75
3.4 实验与结果分析 75
3.4.1 研究区与数据采集 75
3.4.2 SVM参数设置 80
3.4.3 实验与结果分析 80
3.4.3.1 基于不同特征的灾场地物分类 80
3.4.3.2 基于主动学习的训练样本采集 86
3.4.3.3 主动学习分类参数测试 87
3.4.3.4 基于主动学习的灾场地物分类 89
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 95
3.5 本章小结 96
第4章 基于空地异源点云的建筑物倾斜检测和损毁评估 99
4.1 由粗到精的空地异源点云融合 101
4.1.1 空地联合标定装置设计 102
4.1.2 点云粗配准 102
4.1.3 点云精配准 103
4.1.4 实验与结果分析 104
4.1.4.1 空地协同观测设备介绍 104
4.1.4.2 实验区介绍 106
4.1.4.3 数据采集 106
4.1.4.4 空地异源点云融合 108
4.2 基于空地融合点云的建筑物倾斜检测 111
4.2.1 点云平面分割 112
4.2.2 倾斜度计算 113
4.2.2.1 对称建筑物倾斜度计算 113
4.2.2.2 非对称建筑物倾斜度计算 114
4.2.3 实验与结果分析 114
4.3 建筑物损毁评估 116
4.3.1 芦山7.0级地震灾区建筑物倾斜检测 116
4.3.2 木结构建筑物损毁评估 118
4.3.3 其他结构建筑物损毁评估 121
4.4 本章小结 122
第5章 总结与展望 123
5.1 总结 125
5.1.1 本研究包括的主要内容 126
5.1.2 本研究可能的创新点 127
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 127
5.2 展望 127
参考文献 129