文献综述
- 前言
特征提取作为遥感图像分析和计算机视觉领域的重要研究方向，已经得到了很多学者的关注和研究。边缘特征作为这些特征的重要组成部分，不仅广泛存在于二维图像中，还存在于各种场景(尤其是含有大量人工建筑物的城市场景)和单个地物的三维点云数据中。相比于点云，图像是一种更常见的数据类型; 另外，由于受到传感器硬件的限制，过去的三维点云数据中地物的细节结构，尤其是边缘，通常有所缺失或模糊不清。因此，目前大部分边缘检测与直线段提取方法是基于图像的，而且相关的方法已经相对成熟。
近年来，随着激光雷达传感器硬件水平的飞速发展，点云的密度和空间分辨率得到了显著提高，可以充分反映地物的细节结构信息，使从三维点云数据中提取三维边缘特征并连成线段成为可能，三维点云的边缘检测和直线段提取成为了一个新兴的研究方向。但是目前，由于相关研究处于起步阶段，一些方法尚处于探索阶段。
- 国内外研究现状
三维点云中进行边缘检测及直线段提取的国内外研究方法可以分为两类: 第一类方法借助于与点云相对应的二维图像或将三维点云转化为图像，再利用图像处理提取二维边缘或直线段，进一步与三维点云数据相对应，从而提取三维边缘或直线段特征，称为“间接法”; 第二类方法则直接作用于三维点云数据来提取三维边缘或直线段特征，称为“直接法”。以下对两类特征的两类提取方法进行详细讨论。
- 间接法
该类方法为了充分利用经典的二维边缘检测算法，通常首先将三维点云转换为二维图像或体素，在图像中提取二维边缘，再与相应三维点云数据对应以提取三维边缘。该类方法主要分为两类：第一类，需要将三维点云数据转化成二维图像。文献［1］首先在三维点云对应的二维图像以及由点云生成的距离图像中检测二维边缘，然后与原三维点云数据相对应，再合并多组边缘点，作为检测到的三维点云边缘; 文献［2］利用三维点云对应的二维图像进行边缘检测，并利用三维点云中提取的屋顶模型来确定图像边缘追踪区域，然后与三维点云对应以确定初始边缘点，再通过数学形态学方法优化并提取三维点云边缘;文献［3］将机载激光点云中的建筑物屋顶点转化为二值图像，再利用二值图像边界检测方法提取屋顶轮廓；文献[4]利用三维Sobel检测器在体素化的激光雷达点中寻找线性抑制候选点，并根据点的局部方向连接抑制点。
由于从图像中进行边缘检测的方法比较成熟，可以提取各类边缘特征，而且精度较高，因此，间接法具备一定优势。但是，三维点云中所包含的几何信息要多于图像，用图像边缘来表征点云边缘，势必忽略了三维点云的几何优势。再者，一些方法需要将三维点云转化为二维图像，这样三维到二维的转换所造成的信息损失会格外严重。
第二类，无需将三维点云向二维图像转化文献［5］首先在三维点云中利用高程差异来提取粗糙边缘，然后将这些粗糙边缘投影到图像空间进行精细边缘提取，进而提取三维点云中的精细边缘; 文献［6］利用单景三维点云数据和单幅图像进行匹配，然后在图像中进行边缘检测并与点云对应;
- 直接法
文献［7］利用点云分割面片相交和深度不连续特征来检测面相交边缘与深度不连续边缘; 文献［8］利用点云分割方法以及图理论检测封闭锐利边缘; 文献［9］利用凸包算法检测建筑物屋顶轮廓; 文献［10］利用椭圆邻域搜索来改进凸包算法从而提取更加紧致的多种形状建筑物轮廓;文献［11］利用高程差异来提取机载激光扫描点云数据边缘; 文献［12］利用夹角限制来提取三维点云中建筑物立面边缘; 文献［13］利用 Gibbs 能量模型、马尔科夫过程及数学形态学算子来提取三维点云中建筑物屋顶轮廓; 文献［14］利用矩形来近似表达三维点云中建筑物屋顶轮廓。
此外，按不同的数据源展开分析，大部分研究均针对机载或地面三维激光扫描数据。对于工业逆向工程或小尺度物体模型的点云数据，学者们同样提出了一些边缘检测方法，如文献［15］从物体的表面网格数据中提取光滑特征线，文献［16］提取工业设备点云数据中的封闭锐利边缘，文献［17］利用傅里叶变换方法提取小尺度物体表面边缘。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
