一種損毀建筑檢測方法
【專利摘要】本發(fā)明公開了一種損毀建筑檢測方法，該檢測方法包括：基于所述建筑的激光點云生成所述建筑的等高線；對所述等高線進行等高線分簇以獲得等高線簇；計算所述等高線簇的等高線形狀相似度的歸一化信息熵；根據(jù)所述等高線簇的等高線形狀相似度的歸一化信息熵計算分類閾值，并利用該分類閾值計算等高線簇的損毀指數(shù)；以及根據(jù)所述損毀指數(shù)判斷建筑是否損毀。通過該檢測方法能夠準確檢測具有復雜結(jié)構(gòu)的損毀建筑。
【專利說明】一種損毀建筑檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及測繪遙感【技術(shù)領(lǐng)域】，具體地，涉及一種損毀建筑檢測方法。
【背景技術(shù)】
[0002] 激光掃描技術(shù)（例如，機載激光掃描技術(shù)）是一種高精度、快速獲取物體三維幾何 數(shù)據(jù)的新型主動遙感技術(shù)，在損毀建筑檢測領(lǐng)域具有以下獨特的優(yōu)勢：首先，不依賴光照條 件，能夠不分晝夜快速采集建筑信息；其次，多回波特性使其能夠穿透植被進而采集到被遮 擋區(qū)域的建筑信息；第三，利用采集豐富的建筑表面三維信息能夠快速提取豐富建筑的三 維損毀信息，并用于檢測多種建筑損毀類型。因此利用機載激光點云快速準確地檢測損毀 建筑成為一項極具發(fā)展?jié)摿Φ募夹g(shù)。
[0003] 目前，基于機載激光點云的損毀建筑檢測方法主要有以下兩種：
[0004] (1)基于損毀前后激光點云的變化檢測
[0005] 該方法通過對比分析損毀前后建筑多時相激光點云的建筑特征的變化檢測損毀 建筑，這種方法可以快速準確檢測損毀建筑，但是依賴損毀前的基準數(shù)據(jù)和多時相數(shù)據(jù)的 精確配準。該類方法在下列文獻中均有論述：Dong L, Shan J. A Comprehensive Review of Earthquake-Induced Building Damage Detection with Remote Sensing Techniques[J]. ISPRS Journal of Photogrammetry and Remote Sensing,2013,84 (2013):85-99. Olsen M J, Chen Z, Hutchinson T, et al. Optical Techniques for Multiscale Damage Assessment [J]. Geomatics, Natural Hazards and Risk, 2012, 4 (1) : 49-70.
[0006] (2)基于損毀后激光點云的對象識別
[0007] 該類方法主要基于完好建筑在機載激光點云中表現(xiàn)為大的平面，而損毀建筑在機 載激光點云中表現(xiàn)為非平面或小平面的假設(shè)，利用平面分割算法從機載激光點云中提取屋 頂平面，最后利用平面性和尺寸等閾值識別損毀建筑的屋頂。該類方法所依賴的平面特征 提取方法導致其只能有效針對平面屋頂?shù)膿p毀建筑檢測，而難以有效針對曲面屋頂?shù)膿p毀 建筑檢測。另外由于損毀建筑的復雜性，建筑平面的尺寸存在嚴重的不確定性，導致利用 尺寸閾值難以準確檢測損毀建筑。因此，這類方法能夠僅利用損毀后的建筑機載激光點云 可靠的檢測平面屋頂?shù)暮唵螕p毀建筑，而難以準確可靠地檢測包含曲面屋頂?shù)膹碗s結(jié)構(gòu)的 損毀建筑。該類方法在下列文獻中均有論述：Dong L，Shan J. A Comprehensive Review of Earthquake-Induced Building Damage Detection with Remote Sensing Techniques [J]. ISPRS Journal of Photogrammetry and Remote Sensing,2013,84 (2013) :85-99. Olsen M J，Chen Z，Hutchinson T，et al.Optical Techniques for Multiscale Damage Assessment[J]. Geomatics, Natural Hazards and Risk,2012, 4(1):49-70. Khoshelham K, Oude Elberink S, Sudan X. Segment-Based Classification of Damaged Building Roofs in Aerial Laser Scanning Data [J] · Geoscience and Remote Sensing Letters，IEEE，2013, 10 ( 5) :1258-1262.
【發(fā)明內(nèi)容】
[0008] 本發(fā)明的目的是提供一種損毀建筑檢測方法，該檢測方法能夠準確檢測具有復雜 結(jié)構(gòu)的損毀建筑。
[0009] 為了實現(xiàn)上述目的，本發(fā)明提供一種損毀建筑檢測方法，該檢測方法包括：基于所 述建筑的激光點云生成所述建筑的等高線；對所述等高線進行等高線分簇以獲得等高線 簇；計算所述等高線簇的等高線形狀相似度的歸一化信息熵；根據(jù)所述等高線簇的等高線 形狀相似度的歸一化信息熵計算分類閾值，并利用該分類閾值計算等高線簇的損毀指數(shù)； 以及根據(jù)所述損毀指數(shù)判斷建筑是否損毀。
[0010] 本發(fā)明基于完好建筑的同一等1?線族的等1?線在形狀上具有一致的相似性，而損 毀建筑由于表面高程不規(guī)則變化，導致等高線簇中等高線形狀具有各異的相似性的假設(shè)， 實現(xiàn)了復雜建筑的不同損毀類型的統(tǒng)一損毀特征描述，利用等高線簇的等高線形狀相似度 的歸一化信息熵對建筑損毀特征進行準確度量，計算分類閾值，并利用該閾值計算建筑等 高線簇的損毀指數(shù)，實現(xiàn)對復雜損毀建筑的快速可靠的識別。本發(fā)明具有方法可靠、執(zhí)行效 率高的優(yōu)點，有效地解決了針對復雜建筑特別是曲面屋頂?shù)膿p毀建筑的檢測難題，適用于 損毀建筑快速檢測，特別是在缺乏災前建筑信息的條件下，能快速可靠檢測損毀建筑。
[0011] 本發(fā)明的其他特征和優(yōu)點將在隨后的【具體實施方式】部分予以詳細說明。
【專利附圖】
【附圖說明】
[0012] 附圖是用來提供對本發(fā)明的進一步理解，并且構(gòu)成說明書的一部分，與下面的具 體實施方式一起用于解釋本發(fā)明，但并不構(gòu)成對本發(fā)明的限制。在附圖中：
[0013] 圖1是根據(jù)本發(fā)明的損毀建筑檢測方法的流程圖；
[0014] 圖2是根據(jù)本發(fā)明的示例性等高線層次結(jié)構(gòu)示意圖；
[0015] 圖3是根據(jù)本發(fā)明的示例性等高線樹的示意圖；
[0016] 圖4是根據(jù)本發(fā)明一種實施方式的等高線樹刪剪流程圖；
[0017] 圖5是根據(jù)本發(fā)明一種實施方式的等高線分簇的流程圖；以及
[0018] 圖6是根據(jù)本發(fā)明的示例性等高線分簇的示意圖。
【具體實施方式】
[0019] 以下結(jié)合附圖對本發(fā)明的【具體實施方式】進行詳細說明。應當理解的是，此處所描 述的【具體實施方式】僅用于說明和解釋本發(fā)明，并不用于限制本發(fā)明。
[0020] 圖1根據(jù)本發(fā)明的損毀建筑檢測方法的流程圖。如圖1所示，本發(fā)明所提供的檢 測方法包括：在步驟101處，基于所述建筑的激光點云生成所述建筑的等高線；在步驟102 處，對所述等高線進行等高線分簇以獲得等高線簇；在步驟103處，計算所述等高線簇的等 高線形狀相似度的歸一化信息熵；在步驟104處，根據(jù)所述等高線簇的等高線形狀相似度 的歸一化信息熵計算分類閾值，并利用該分類閾值計算等高線簇的損毀指數(shù)；以及在步驟 105處，根據(jù)所述損毀指數(shù)判斷建筑是否損毀。
[0021 ] 其中，所述激光點云可以為同質(zhì)的激光點云，并且為包含完好建筑和損毀建筑的 激光點云?？梢杂梢唤M機載激光點云生成格網(wǎng)間距為0. 1米的規(guī)則格網(wǎng)，再由各規(guī)則格網(wǎng) 跟蹤出各建筑的等高距為0. 05米的等高線。但是應該注意的是，本發(fā)明并不限制于此。
[0022] 對所述等高線進行等高線分簇以獲得等高線簇的102步驟可以包括：
[0023] 利用所述等商線的商程和等商線間的拓撲關(guān)系構(gòu)建等商線樹。具體可以包括以下 步驟。
[0024] 首先，將每條等高線作為等高線樹的一個節(jié)點按照高程從大到小分層排列，其中 高程相同的節(jié)點屬于同一層次，第一層為高程最大的節(jié)點，倒數(shù)第二層為高程最小的節(jié)點， 最后一層為虛擬節(jié)點。如圖2所示，在該示例中將等高線以節(jié)點的形式按照高程從大到小 的順序，從上向下排列，于此為了方便說明描述，各點用1至31分別標號，而虛擬節(jié)點則被 編號為R。
[0025] 然后，從第一層開始依次向下搜索，如果下層中只有一個節(jié)點，則上層中的所有節(jié) 點均是其子節(jié)點，否則，利用上下相鄰層中的等高線拓撲關(guān)系確定上下相鄰層中節(jié)點間的 父子關(guān)系。首先利用等高線最小外包圍框來快速判斷下層等高線是否包含上層等高線，如 果不包含，則對應的下層節(jié)點和上層節(jié)點不存在父子關(guān)系，如果包含，則繼續(xù)利用計算機圖 形學中的交點計數(shù)法精確判斷下層等高線是否包含上層等高線，如果包含則對應的下層節(jié) 點為上層節(jié)點的父節(jié)點，如果不包含，則對應的下層節(jié)點和上層節(jié)點不存在父子關(guān)系。如附 圖2所示，第1層包括節(jié)點1和2,第2層包括節(jié)點3、4和5,通過等高線套合關(guān)系判定節(jié)點 3是節(jié)點1的父節(jié)點，而節(jié)點4是節(jié)點2的父節(jié)點；又如，第10層包括節(jié)點27和28,第11 層節(jié)點只包括節(jié)點29,因此無需等高線套合關(guān)系判定即可確定節(jié)點29是節(jié)點27、28的父節(jié) 點。
[0026] 最后，利用搜索完畢后獲取的上下層節(jié)點間的父子關(guān)系，構(gòu)建以所述虛擬節(jié)點為 根節(jié)點的等高線樹。
[0027] 步驟102還可以包括刪剪上述構(gòu)建的等高線樹的子樹。如圖4所示，具體包括：在 步驟401處，后序遍歷等高線樹；在步驟402處，判斷當前節(jié)點是否為空（不存在）；若當前 節(jié)點為空（不存在），則完成等高線樹的刪剪（結(jié)束）；若所述當前節(jié)點不為空，則對所述當 前節(jié)點進行以下處理后繼續(xù)后序遍歷下一節(jié)點：在步驟403處，判斷當前節(jié)點是否存在兄 弟節(jié)點；若所述當前節(jié)點不存在兄弟節(jié)點，則轉(zhuǎn)至步驟401，繼續(xù)后序遍歷下一節(jié)點；若當 前節(jié)點存在兄弟節(jié)點，則在步驟404處，計算所述當前節(jié)點的等高線包圍的面積；并在步驟 405處，統(tǒng)計以所述當前節(jié)點為根節(jié)點的子樹的深度；在步驟406處，判斷所述面積和所述 深度是否均小于相應的預設(shè)閾值；如果所述面積和所述深度均小于相應的預設(shè)閾值，則在 步驟407處，從所述等高線樹中刪除以該子節(jié)點為根節(jié)點的子樹；否則，轉(zhuǎn)至步驟401處，繼 續(xù)后序遍歷下一節(jié)點。
[0028] 步驟102還可以包括：根據(jù)拓撲關(guān)系對所述等高線樹進行初始分簇，以得到初始 等高線簇。如圖5所示，具體包括：在步驟501處，設(shè)置當前等高線簇為空；在步驟502處， 后序遍歷經(jīng)刪剪更新后的等高線樹；在步驟503處，判斷當前節(jié)點是否為空，若當前遍歷的 節(jié)點為空，則完成等高線初始分簇（結(jié)束）；若當前遍歷的節(jié)點不為空，對當前節(jié)點進行后 續(xù)處理后繼續(xù)后序遍歷下一節(jié)點：則在步驟504處，判斷當前節(jié)點是否為虛擬根節(jié)點，若當 前節(jié)點為虛擬根節(jié)點，則在步驟507處，輸出當前等高線簇；若當前節(jié)點不為虛擬根節(jié)點， 則在步驟505處，將當前節(jié)點作為新節(jié)點加入到當前等高線簇；然后在步驟506處，判斷當 前節(jié)點是否存在兄弟節(jié)點，如不存在，則轉(zhuǎn)至步驟502處，繼續(xù)后序遍歷等高線樹；若存在 兄弟節(jié)點，則在步驟507處，輸出當前等高線簇，并在步驟508處，重置等高線簇節(jié)點為空， 之后，轉(zhuǎn)至步驟502處，繼續(xù)后序遍歷等高線樹。按照上述步驟對如附圖3所示的等高線樹 進行后序遍歷，等高線分簇結(jié)果如附圖6,其具體過程如下：
[0029] 1)新建等1?線族1，后序遍歷依次加入11、15和19號節(jié)點對應的等1?線，由于19 號節(jié)點存在兄弟20號節(jié)點，因此輸出新建等高線簇1 ;
[0030] 2)新建等1?線族2,后序遍歷依次加入8、12、16和20號節(jié)點對應的等1?線，由于 20號節(jié)點存在兄弟19號節(jié)點，因此輸出新建等高線簇2 ;
[0031] 3)新建等高線簇3,后序遍歷依次加入23、25和27號節(jié)點對應的等高線，由于27 號節(jié)點存在兄弟28號節(jié)點，因此輸出新建等高線簇3 ;
[0032] 4)新建等商線族4,后序遍歷依次加入13、17和21號節(jié)點對應的等商線，由于21 號節(jié)點存在兄弟22號節(jié)點，因此輸出新建等高線簇4 ;
[0033] 5)新建等商線族5,后序遍歷依次加入1、和3號節(jié)點對應的等商線，由于3號節(jié)點 存在兄弟4號節(jié)點，因此輸出新建等高線簇5 ;
[0034] 6)新建等高線簇6,后序遍歷依次加入2和4號節(jié)點對應的等高線，由于4號節(jié)點 存在兄弟3號節(jié)點，因此輸出新建等高線簇6 ;
[0035] 7)新建等商線族7,后序遍歷依次加入6和9號節(jié)點對應的等商線，由于9號節(jié)點 存在兄弟10號節(jié)點，因此輸出新建等高線簇7 ;
[0036] 8)新建等商線族8,后序遍歷依次加入5、7和10號節(jié)點對應的等商線，由于10號 節(jié)點存在兄弟9號節(jié)點，因此輸出新建等高線簇8 ;
[0037] 9)新建等1?線族9,后序遍歷依次加入14、18和22號節(jié)點對應的等1?線，由于22 號節(jié)點存在兄弟21號節(jié)點，因此輸出新建等高線簇9 ;
[0038] 10)新建等商線族10,后序遍歷依次加入24、16和28號節(jié)點對應的等商線，由于 28號節(jié)點存在兄弟27號節(jié)點，因此輸出新建等高線簇10 ;
[0039] 11)新建等1?線族11，后序遍歷依次加入29、30和31號節(jié)點對應的等1?線，由于 31號節(jié)點的父節(jié)點為虛擬節(jié)點R，因此輸出新建等高線簇11，且結(jié)束等高線分簇。
[0040] 另外，步驟102還可以包括利用所述初始等高線簇內(nèi)相鄰等高線長度變化突變特 征對每個初始等1?線族進行精細化分族。具體包括：在所述初始等1?線族中，按照1?程由小 到大的順序，依次計算相鄰等高線間的長度差值；對計算所得的長度差值組進行聚類分析， 并提取差值過大的異常值；從所提取的異常值對應的一對相鄰等高線中間將其所屬等高線 簇一分為二，以獲取精細化分簇的等高線簇；以及從所獲取的精細化分簇的等高線簇中刪 除等高線數(shù)量小于3的等高線簇。
[0041] 計算所述等高線簇的等高線形狀相似度的歸一化信息熵的步驟103可以包括：進 行等高線簇內(nèi)任意等高線間兩兩形狀相似分析，以獲得兩兩等高線的形狀相似度值。具體 地，獲得兩兩等高線的形狀相似度值包括：根據(jù)公式（1)將頂點數(shù)量為m的等高線的所有頂 點以復數(shù)形式表示，并根據(jù)公式（2)對復數(shù)形式的等高線頂點進行一維離散傅立葉轉(zhuǎn)換， 以獲得m-Ι個傅立葉系數(shù)Z = {Z0, Z1…Zm-2};
【權(quán)利要求】
1. 一種損毀建筑檢測方法，其特征在于，該檢測方法包括： 基于所述建筑的激光點云生成所述建筑的等高線； 對所述等1?線進行等1?線分族以獲得等1?線族； 計算所述等高線簇的等高線形狀相似度的歸一化信息熵； 根據(jù)所述等高線簇的等高線形狀相似度的歸一化信息熵計算分類閾值，并利用該分類 閾值計算等高線簇的損毀指數(shù)；以及 根據(jù)所述損毀指數(shù)判斷建筑是否損毀。
2. 根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，對所述等高線進行等高線分簇以獲 得等商線族包括： 利用所述等1?線的1?程和等1?線間的拓撲關(guān)系構(gòu)建等1?線樹，其中每條等1?線作為所 述等高線樹的一個節(jié)點； 刪剪所述等高線樹的子樹； 根據(jù)拓撲關(guān)系對所述等1?線樹進行初始分族，以得到初始等1?線族；以及 利用所述初始等高線簇內(nèi)相鄰等高線長度變化突變特征對每個初始等高線簇進行精 細化分簇。
3. 根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，計算所述等高線簇的等高線形狀相 似度的歸一化信息熵包括： 進行等高線簇內(nèi)任意等高線間兩兩形狀相似分析，以獲得兩兩等高線的形狀相似度 值；以及 針對所述等高線形狀相似度值計算等高線簇的等高線形狀相似度的歸一化信息熵。
4. 根據(jù)權(quán)利要求1所述的檢測方法，其特征在于，根據(jù)公式（1)計算所述等高線簇的損 毀指數(shù)，
(1) 其中nE為等高線簇的等高線形狀相似度的歸一化信息熵，δ為所述分類閾值，D為所 述損毀指數(shù)。
5. 根據(jù)權(quán)利要求2所述的檢測方法，其特征在于構(gòu)建所述等高線樹包括： 將所述節(jié)點按照高程從大到小分層排列，其中高程相同的節(jié)點屬于同一層次，第一層 為高程最大的節(jié)點，倒數(shù)第二層為高程最小的節(jié)點，最后一層為虛擬節(jié)點； 從第一層開始依次向下搜索，如果下層中只有一個節(jié)點，則上層中的所有節(jié)點均是 其子節(jié)點，否則，利用上下相鄰層中的等高線拓撲關(guān)系確定上下相鄰層中節(jié)點間的父子關(guān) 系； 利用搜索完畢后獲取的上下層節(jié)點間的父子關(guān)系，構(gòu)建以所述虛擬節(jié)點為根節(jié)點的等 高線樹。
6. 根據(jù)權(quán)利要求5所述的檢測方法，其特征在于，確定上下相鄰層中節(jié)點間的父子關(guān) 系包括： 利用所述等高線的最小外包圍框來判斷下層等高線是否包含上層等高線，如果不包 含，則對應的下層節(jié)點和上層節(jié)點之間不存在父子關(guān)系； 如果包含，則利用計算機圖形學中的交點計數(shù)法精確判斷下層等高線是否包含上層等 高線，如果包含則對應的下層節(jié)點為上層節(jié)點的父節(jié)點，如果不包含，則對應的下層節(jié)點和 上層節(jié)點不存在父子關(guān)系。
7. 根據(jù)權(quán)利要求2所述的檢測方法，其特征在于，刪剪所述等高線樹的子樹包括： 后序遍歷等商線樹，若當如節(jié)點為空，則完成等商線樹的刪期；以及 若所述當前節(jié)點不為空，則對所述當前節(jié)點進行以下處理后繼續(xù)后序遍歷下一節(jié)點： 若所述當前節(jié)點不存在兄弟節(jié)點，則繼續(xù)后序遍歷下一節(jié)點； 若當前節(jié)點存在兄弟節(jié)點，則計算所述當前節(jié)點的等高線包圍的面積，并統(tǒng)計以所述 當前節(jié)點為根節(jié)點的子樹的深度，如果所述面積和所述深度均小于相應的預設(shè)閾值，則從 所述等高線樹中刪除以該子節(jié)點為根節(jié)點的子樹。
8. 根據(jù)權(quán)利要求2所述的檢測方法，其特征在于，對初始等高線簇進行精細化分簇包 括： 在所述初始等高線簇中，按照高程由小到大的順序，依次計算相鄰等高線間的長度差 值； 對計算所得的長度差值組進行聚類分析，并提取差值過大的異常值； 從所提取的異常值對應的相鄰等1?線對中間將其所屬等1?線族一分為-，以獲取精細 化分簇的等高線簇；以及 從所獲取的精細化分簇的等高線簇中刪除等高線數(shù)量小于3的等高線簇。
9. 根據(jù)權(quán)利要求3所述的檢測方法，其特征在于，獲得兩兩等高線的形狀相似度值包 括： 根據(jù)公式（2)將頂點數(shù)量為m的等高線的所有頂點以復數(shù)形式表示，并根據(jù)公式（3) 對復數(shù)形式的等高線頂點進行一維離散傅立葉轉(zhuǎn)換，以獲得m-1個傅立葉系數(shù)Z = {Z0， Z1 …Zm-2};
(3) 根據(jù)公式（4)等高線頂點的傅里葉系數(shù)進行歸一化處理，以獲取m-2個具有平移、旋轉(zhuǎn) 和縮放不變性且與起點無關(guān)等高線形狀描述子FD= {fc^fcV-fd^};
獲取兩條等高線的形狀描述子？01和？仏，并利用公式（5)計算兩條等高線的形狀相似 度值s ;
對等1?線數(shù)量為N的等1?線族內(nèi)的等1?線按照兩兩組合關(guān)系進行配對，獲取C 個等 1?線對，并獲取各等1?線對間的形狀相似度值。
10. 根據(jù)權(quán)利要求9所述的檢測方法，其特征在于，計算所述等高線簇的等高線形狀相 似度的歸一化信息熵包括： 統(tǒng)計等高線數(shù)量為N的等高線簇的等高線形狀相似度的最大值smax，并根據(jù)公式（6)以 值域?qū)挾萪將等高線形狀相似度值域平均分成η個子域；
根據(jù)公式（7)和公式（8)統(tǒng)計等高線形狀相似度值在各子域的分布頻率；
根據(jù)所得的等高線形狀相似度在各子域的分布頻率按照公式（9)計算等高線形狀相 似度的信息熵；
根據(jù)公式（10)對所得的等高線形狀相似度的所述信息熵進行歸一化以得到歸一化信 息熵
【文檔編號】G01B11/24GK104048618SQ201410268416
【公開日】2014年9月17日 申請日期:2014年6月16日 優(yōu)先權(quán)日:2014年6月16日
【發(fā)明者】范一大, 林月冠, 王薇, 杜志強, 何美章 申請人:民政部國家減災中心