lidar是什么意思ar在线翻译读音例句

2023年4月19日发儿童古诗300首全集 (作者：2021软科中国大学排名)第３７卷第３期
２００８年８月
测
ＡＣＴＡＧＥＯＤＡＥＴＩＣＡＣＡＲＴ（）ＧＲＡＰＨｌＣＡ
绘学报
ｅｔ
Ｖ０１．３７．Ｎｏ．３
Ａｕｇ．。２００８
ＳＩＮＩＣＡ
文章编号：１００１—１５９５（２００８）０３—０３９１－０３中图分类号：Ｐ２３７文献标识码：Ａ
ＬｉＤＡＲ辅助下利用超高分辨率影像提取建筑物轮廓方法
程亮１，龚健雅２
１．南京大学地理信息科学系，江苏南京２１００９３；２．武汉大学测绘遥感信息一Ｅ程国家莺点实验宦，湖北武汉４３００７９
ＢｕｉｌｄｉｎｇＢｏｕｎｄａｒｙＶｅｒｙＨｉｇｈ
Ｅｘｔｒａｃｔｉｏｎ
ＵｓｉｎｇＩｍａｇｅｓ
ＲｅｓｏｌｕｔｉｏｎａｎｄＬｉＤＡＲ
ＣＨＥＮＧ
Ｌｉａｎ９１。ＧＯＮＧ
１．ＤｅｐａｒｔｍｅｎｔｏｆＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＵｎｉｖｅｒｓｉｔｙ．Ｎａｎｊｉｎｇ
ｈｆｏｒｍａｔｉｏｎａｎｄＲｅｍｏｔｅ４３００７９，Ｃｈｉｎａ
Ｇｅｏｇｒａｐｈｉｃａｌ２１００９３，ＣｈｉｎａｔＫｅｙ
ｉｎ
Ｊｉａｎ—ｙａ２
Ｉｎ。｛ｏｒｍａｔｉｏｎ
２．Ｓｔａｔｅ
Ｌａｂ
ｏｆ
Ｅｎｇｉｎｅｅｒｉｎｇ
Ｓｕｒｖｅｙｉｎｇ。ＭａｐｐｉｎｇＳｅｎｓｉｎｇ，Ｗｕｈａｎ
Ｕｎｉｖｅｒｓｉｔｙ。Ｗｕｈａｎ
Ａｂｓｔｒａｃｔ：Ｉｎｏｒｄｅｒａｎｄｄｅｔａｉｌｅｄｎｅｗｉｓｉｎ—
ｔｅｇｒａｔｉｎｇｈｉｇｈｉｍａｇｅｓ
ｖｅｒｙｐｒｏｃｅｓｓｓｅｑｕｅｎｃｅｓｔｅｐｓ．
ｔＯｅｘｔｒａｃｔ
ｇｅｏｍｅｔｒｉｃｐｒｅｃｉｓｅｂｕｉｌｄｉｎｇｂｏｕｎｄａｒｙ，ａａｐｐｒｏａｃｈｐｒｅｓｅｎｔｅｄ
ａｎｄＬｉＤＡＲｄａｔａ．Ｔｈｅｒｅｓｏｌｕｔｉｏｎｃｏｎｓｉｓｔｓｏｆｏｆｆｏｕｒ
ａ
①Ｐｒｅ－ｐｒｏｃｅｓｓｉｎｇ－－ｉｄｅｎｔｉｆｙｄａｔａ．②Ｃｒｅａｔｅｉｍａｇｅｓ－－ａｆ—
ｓｅｇｍｅｎｔｅｄｂｕｉｌｄｉｎｇｐｏｉｎｔｓｂｕｉｌｄｉｎｇ
ｆｒｏｍ
ｒａｗＬｉＤＡＲ
ｔｅｒａａａ
ｃｒｅａｔｉｎｇｂｏｕｎｄｉｎｇｒｅｃｔａｎｇｌｅｂｕｉｌｄｉｎｇａｃｃｏｒｄｉｎｇｓｅｇｍｅｎｔｅｄｂｕｉｌｄｉｎｇｐｏｉｎｔｓ．ｆｉｌｔｅｒ
ｂｕｆｆｅｒａｎｄｏｆｔｈｅｔｈｅ
ｃｕｔ
ｏｒｉｇｉｎａｌａｎｄｔｈｅｎｂｏｕｎｄｉｎｇｓｅｇｍｅｎｔｓ
ｉｍａｇｅｕｓｉｎｇｉｍａｇｅｂｙ
ｔｈｅｂｕｆｆｅｒｔｈｅｒｅｓｕｌｔｔｈｅ
ｓｔｒｕｃｔｕｒｅ
ｒｅｃｔａｎｇｌｅ．③Ｌｉｎｅ
ａｎ
ｅｘ—
ｔｒａｃｔｉｏｎ－－ｍｏｓｔ
ｂｕｉｌｄｉｎｇｓｐｅｒｐｅｎｄｉｃｕｌａｒ
ｈａｖｅｗｉｔｈｔｗｏｒｅｃｔｉｌｉｎｅａｒａｘｅｓ．Ｓｏａｕｔｏｍａｔｉｃａｎｄｒｏｂｕｓｔ
ｍｅｔｈｏｄｏｒｉｅｎｔａｔｉｏｎｓｅｓｔｉｍａｔｉｏｎｉｓｂａｓｅｄｏｒｉｅｎｔａｔｉｏｎｓ
ｏｎｏｎｃｏｎ－
ｂｕｉｌｄｉｎｇｐｒｉｎｃｉｐａｌｐｒｅｓｅｎｔｅｄｒｏｕｇｈｐｒｉｎｃｉｐａｌ
ａｃｃｕｒａｃｙ
ｏｎ
ｓｔｒａｉｎｔ，ｔｈｕｓｔｈｅａｎｄｒｏｂｕｓｔｎｅｓｓｏｆｌｉｎｅ
ｉｍｐｒｏｖｉｎｇｓｅｇｍｅｎｔｓ
】ｅｃｔｉｏｎｉｓｂａｓｅｄＬｉＤＡＲｄａｔａａｎｄＫｍｅａｎｓｒｅｓｕｌｔｓｄｅｍｏｎ—
ｓｔｒａｔｅｇｙ
ｅｘｔｒａｃｔｉｏｎ．④Ｂｏｕｎｄａｒｙ
ｓｅｌｅｃｔｉｏｎ－－ａ
ｓｅ一
ｐｒｏｐｏｓｅｄｄｅｎｓｉｔｙａｎａｌｙｓｉｓｃｌｕｓｔｅｒｉｎｇ．Ｔｈｅ
ｓｔｒａｔｅｄｔｈａｔｔｈｅｂｏｕｎｄａｒｉｅｓｗｅｌｌ．
ｐｒｏｐｏｓｅｄａｐｐｒｏａｃｈ
ｄｅｔｅｒｍｉｎｅｄ
ｂｕｉｌｄｉｎｇ
Ｋｅｙｗｏｒｄｓ：ＬｉＤＡＲ；ｖｅｒｙｈｉｇｈｉｍａｇｅ；ｌｉｎｅｓｅｇｍｅｎｔｅｘｔｒａｃｔｉｏｎ；ｂｏｕｎｄａｒｙ
ｒｅｓｏｌｕｔｉｏｎｓｅｌｅｃｔｉｏｎ
摘要：以精确自动提取建筑物轮廓为目标，提出一种Ｉ，ｉＤＡＲ辅助下利用超高分辨率影像进行轮廓提取的新
方法。其要点分为４步：①预处理，检测ＬｉＤＡＲ中建筑物点并分割成每栋建筑物的点集；②建立轮廓提取区，
针对每栋建筑物做缓冲区和外接矩形，通过缓冲区过滤和外接矩形切割，建立轮廓提取感兴趣区域；③线段提
取，借助ＬｉＤＡＲ估算出建筑物概略主方向，并在该方向的约束下，自动、鲁棒地检测出建筑物的主方向和建筑
物的线段；④轮廓筛选，基于Ｉ．ｉＤＡＲ密度分析与Ｋｍｅａｎｓ聚类动态筛选出精确轮廓。本方法所提取的建筑物
轮廓定位精确、细节完好，轮廓提取准确率９１％。
关键词：ＬｉＤＡＲ；超高分辨率影像；线段提取；轮廓筛选
轮廓提取是建筑物提取与模型重建的重要基
础工作。从高分辨率影像中自动提取建筑物的研利用ＬｉＤＡＲ数据或１３ＳＭ提取建筑物轮廓的研
究已经开展多年，文献Ｅ１３通过提取矩形的角点来究成果也有许多。文献［４Ｉ利用ＤＳＭ与ＤＥＭ之间
提取建筑物轮廓；文献ＥＢ３通过计算各直线相互关的差异提取建筑物轮廓；文献［５］利用规划数据辅助
系的代价函数及其最小准则提取建筑物矩形轮廓；ＬｉＤＡＲ进行建筑物重建；文献［６３将ＬｉＤＡＲ数据与
文献［３］引入知识定义了几种近似的矩形结构，提ＩＫＯＮＯＳ影像结合检测建筑物轮廓；文献［７］使用规
出了一套直线后处理的方法。这些方法的要点在则化的方法提取建筑物轮廓。现阶段。空载Ｌｉ
于：基于几何约束、或者基于某种规则、或者基于知数据的点间距一般为米级，相对于摄影测量常用的
识等优化轮廓线的提取。然而高分辨率影像包含厘米级分辨率航空影像，ＩＪＤＡＲ数据窄间分辨率低，
着大量丰富信息，仅仅基于影像难以自动分离建筑单纯基于ＬｉＤＡＲ获取的建筑物轮廓相对不够精细
物区域与非建筑物区域，道路边线、建筑物阴影等且精度不高。利用规则化技术可以提高轮廓线的精
类似目标往往会对轮廓提取形成干扰，单纯基于影
像要自动准确提取轮廓，技术难度很大。
Ｄ．ＡＲ
度，但规则化方法也受制于ＬｉＤ根数据的空间分辨
收稿日期：２００７・１０－２４；修回日期：２００８—０５－２２
基金项目：国家９７３项Ｈ（２００６（＇Ｂ７０
Ｊ３００）
作者简介：程亮（１９７赞美十月金秋的漂亮诗句 ８一），男．南京人，博土，主要从事数字摄影测ｌｉｔ、ＬｉＤＡＲ数据处理等方面的研究。Ｅ—ｍａｉｌ：ｇｅｏｃｌ＠１６３．ｃｏｍ
万方数据

３９２测绘学报
第３７卷
率、滤波与分类等处坪的精度，还存在不确定性且容Ｅｄｉｓｏｎ算子对轮廓提取区进行边缘检测。在边
易产生轮廓整体偏移问题。
从影像中提取出的轮廓几何精度高，细节丰之处在于本文Ｈｏｕｇｈ变换只在主方向上进行。
富，但处理的自动化程度不高。从ＬｉＤＡＲ数据中在主方向的约束下，线段提取Ｉ：作由Ｈｏｕｇｈ变换
提取的轮廓精确性与细节．性不高，但ＬｉＤＡＲ直
接提供了３维坐标，有利于提高处理的自动化程维峰值检测，线段提取更为准确、可靠。其中，建
度，两类数据具有很强的互补性，两者的集成将有筑物主方向的检测是关键。
利于自动、准确地获取精确、细节的建筑物轮廓。现实中绝大多数的建筑物具有规整的几何形状
因此，为了精确、自动地提取矢量形式的建筑物轮
廓。本文提出一种ＬｉＤＡＲ辅助下利用超高分辨个方向且相瓦垂直，这两个方向即建筑物主方向。文
率影像（厘米级分辨率）提取建筑物轮廓方法。献［８］介绍了基于主方向的直线提取方法，ｆ且其单纯依
ｌ
方法
１．１
预处理
首先从Ｉ。ｉＤＡＲ数据中分离出非地面点，再从建筑物主方向检测算法。影像上平行的轮廓线对应
非地面点中分离出建筑物点，最后分割成每栋建筑着Ｈｏｕｇｈ空问的同一个口，根据阈值过滤积累矩阵可
物点集。本文采用该方法分离Ｉ．ｉＤＡＲ数据中的地以建立角度累加值直方图，直方图上的峰ｆｆｆ即为建筑
面古诗《乞巧》的诗意 点与非地面点。针对获取的非地面点，采Ｊ｝Ｊ基于物主方向。本算法利用ＬｉＤＡＲ数据预先获取概略主
面片拟合的Ⅸ域生长方法提取建筑物点［８］，最终结方向，在其约束下以自适应方式自动获取阈值；同时在
果即为已分割的建筑物点集。预处理环节的全自概略主方向约束下，当主方向检测存在严重干扰时，盲
动化尚有难度，一定的人工编辑是需要的。
１．２轮廓提取区的建立
通过预处理获得了已分割的建筑物点集，将１．３．１概略阜方向估计
这些点集与影像作用，牛成轮廓提取区，以使轮廓针对每个建筑物，根据其ＩＪＤＡＲ点集拟合旋转
提取工作专注于目标区域，减少无关信息的十扰。
轮廓提取区建立的方法为：
１．套合Ｉ，ｉｎ咏数据与超高分辨率影像。根据
不同的需求（３维重建、２维矢量图生成等），需要应本文以一定阈值（本文取５。）形成概略主方向区间。
用不同类型影像（讧体像对、正射影像等）于本方法，１．３．２丰方向检测
对于不同的影像具体套合方法不同。例如，若是正在概略主方向的约束下。建筑物主方向检测算
射影像，两者直接套合即町；若是讧体像对，则町根法的步骤如下：①对轮廓提取区影像做Ｈｏｕｇｈ变
据外方位元素，通过共线方程将Ｉ。ｉＤＡＲ点反投影到换，找出积累空间中的最大值；②设定阈值为积累
影像上；如果是方位未知的影像，则人工配准。空间最大值乘以系数ｔ，ｔ初始取值为０．９，将积累
２．缓冲Ⅸ过滤。ＬｉＤＡＲ数据与影像的套合卒问每个单元的值与此阈值进行比较，大于阈值的
会受一系列误差的影响而导致位置偏差，将建筑保留，小于阈值的单元值设为０；③在概略主方向
物点集内插成面域后，向外做缓冲区（阈值取Ｌｉ—区间内。对于每个口累加积累空问的列，如果累加
ＤＡＲ数据平均点距的２倍），以确保影像上建筑
物落在缓冲区内。利川该缓冲区过滤掉影像上非
建筑物区域信息。做单峰值检测，此峰值就是精确主方向；④判断概
３．外接矩形切割。针对每个建筑物，根据其略主方向区间是否都处理完毕，如果是，则程序终
点集拟合外接矩形，以缓冲区阈值进行外扩，切割止，如果没有，则跳转到③，完成处理。
过滤所得影像．形成轮廓提取区。１．４基于ＬｉＤＡＲ密度分析与Ｋｍｅａｎｓ聚类的轮
１．３主方向约束下的线段提取廓筛选
线段提取需要在边缘影像上进行，本文采用线段提取的结果中，除了轮廓线段还存在较多
万方数据
缘影像上，利用Ｈｏｕｇｈ变换进行线段提取，不同
２维积累空问的峰值检测变为两个主方向上的１
且旱良角转折，直角转折建筑物的所有轮廓线只有两
靠影像检测主方向的方法存在一些不足，如：复杂纹理
时结果不稳定、建市角度直方图的积累矩阵阈值需人
工设定等。针对这些问题，本文提出一种自动、鲁棒的
方图的峰值检测只需要在给定区间内做单峰值检测，
降低ｒ干扰严重时出错的可能。
的最小外接矩形（ＭＢＲ），以该外接矩形的主方向为
建筑物的概略主方向。考虑到建筑物形状比较复杂
时，建筑物主方向可能与ＭＢＲ方向有一定的偏差，
值都为零。那么减小系数ｔ（减小幅度为０．１），跳转
到②，如果积累值有不为零的，那么对这些移｛累值

第３期程亮等：ＬｉＤＡＲ辅助下利用超高分辨率影像提取建筑物轮廓方法
３９３
的屋顶线段以及一些干扰线段，因此需要进一步从影像等），为了选择较大范闱的测试区域，实验采
中筛选出轮廓线段。文献Ｅ６］介绍了一种利用Ｉ。ｉ—用＿ｒ真正射影像（超高分辨率航窄影像涵盖范围
ＤＡＲ数据从ＩＫＯＮＯＳ影像中提取建筑物轮廓的方
法。然而，与ＩＫＯＮＯＳ影像七的线段提取不同，厘２９０像素，空间分辨率为５
米级超高分辨率影像条件下，线段提取会使得很小ＬｉＤＡＲ数据平均点距为１
的局部区域内存在多条叮能的轮廓线，为了从中自
动筛选出精确轮廓线，本文提出一种基于ＬｉＤＡＲ个建筑物，以测试方法适用性。
密度分析与Ｋｍｅａｎｓ聚类的轮廓筛选策略。
相对有限）。实验影像如图１（ａ），大小约为
７３１０８
ｃｍ。对应
ｍ。实验选取的区域包
含了不同走向、不同结构、不同屋顶纹理特征的多
图１（ｂ）、图１（ｃ）分别为基于最大值峰值检测
线段提取算法（最大值法）、本文主方向约束下的线
段提取算法结果。两图中分别有线段５向调整最小外接矩形（ＭＢＲ），形成与主方向完全
７０９、４
１４１
首先，过滤。分为两步：①根据建筑物主方
一致的ＭＢＲ，利用其切割线段提取结果，排除其条，图１（ｂ）中的轮廓线在图１（ｃ）中几乎都有，但
外的线段；②针对剩余的每条线段，沿其垂直方
向外扩，形成其左右矩形。分析左右矩形内的Ｌｉ－注Ａ，Ｂ），说明本文线段提取算法不仅减少了无关
ＤＡＲ点：如果左六年级上册语文背诵内容 右矩形内均没有ＬｉＤＡＲ点，则说
明此线段位于建筑物外，过滤之；如果左右矩形内
ＬｉＤＡＲ点密度相当，则说明此线段位于屋顶，过
图１（ｃ）中一些重要轮廓在图ｌ（ｂ）中却没有（如标
线段的提取，而且提取出了最大值法漏检的一些重
要轮廓线。图ｌ（ｄ）为本文轮廓筛选算法的结果。
从图１（ｃ）到图１（ｄ），线段数量由４１４１条减少为
７７９条，过滤率８１％，筛选算法在保留轮廓线的基滤之。过滤所得轮廓线段，即为候选轮廓。
础上，过滤掉了绝大多数的非轮廓线。为了定量评
其次，分组和聚类。针对候选轮廓，根据平行
轮廓问的水平距离和垂直距离对轮廓线段分组。
价轮廓提取的准确性，套合最终轮廓与原有影像，
检查对应轮廓之间的角度与距离，如果角度不超过针对每组线段，按照卜述方法对其中每条线段外扩
２。凡平均距离小超过４像素，则认为提取成功，否
则视为失败。图１（ｄ）中共有线段７７９条，其中７０９点密度差，采用公式（１）定义一组线段的密度差
条正确，７０条错误，准确率９１％。为了评估方法的Ｌ＝｛ＩＩ｜忌＝０，…，ｍ）
形成左右矩形。计算每条线段的左爪的多音字组词 右矩形ＬｉＤＡＲ
ｄＩ
（１）
式中，ｄ。表示第忌条候选轮廓线的密度差。利用精确性，利用ＬｉＤＡＲ方案（仅使用ＬｉＤＡＲ数据，不
Ｋｍｅａｎｓ聚类算法，根据Ｉｄ。Ｉ将所有密度篪聚集使用影像）在同套数据上进行了轮廓提取实验。以
成两类，一类密度差大，另一类密度差小。密度差真正射影像卜轮廓为真值，分别从两套方案结果中
小的被排除，保留密度差大的，密度差大的线段即
为该组的精确轮廓线。方案所提取轮廓的平面均方差（ＲＭＳＥ）分别约为：
选择３２条同名轮廓评价精度，本文方案与“ＤＡＲ
２像素、１０像素。顾及ＬｉＤＡＲ数据与真正射影像
的套合误差（约２像素），ＬｉＤＡＲ方案的精度依然
相对低，本文集成方案精确性优势明砬。本方法适用于不同类删影像（立体像对、正射
２实验与分析
Ｌａ）实验影像（ｂ）最大值法线段提取（ｃ）本文线段提取（筛选前）（ｄ）本文最终结果（筛选后）
图１轮廓提取实验数据与结果
Ｆｉｇ．１ｅｘｐｅｒｉｍｅｎｔａｌｂｕｉｌｄｉｎｇｂｏｕｎｄａｒｙｓｅｇｍｅｎｔｓ
Ｔｈｅｄａｔａｓｅｔｓａｎｄｒｅｓｕｌｔｓｏｆｅｘｔｒａｃｔｉｏｎ
（下转第３９９页）
万方数据

第３期
陈俊平等：附加Ｈｉｌｍｅｒｔ变换参数的低轨卫星约化动力学精密定轨
３９９
精度约为０．４ｍ，运动学轨道精度的提高，将进一
步提高约化动力学轨道的精度。
致谢：
［７３
ＣＨＥＮＪｕｍｐｉｎｇ．Ｏｎ
ＰｒｅｃｉｓｅＯｒｂｉｔｏｆＥａｒｔｈ
Ｄｅｔｅｒｍｉｎａｔｉｏｎ
Ｌｏｗ
Ｏｒｂｉｔｅｒｓ［Ｄ］．Ｓｈａｎｇｈａｉ；ＴｏｎｍｉＵｎｉｖｅｒｓｉｔｙ，２００７．（陈俊平．
低轨卫星精峦定轨研究［Ｄ］．上海：同济大学，２００７．）
感谢Ｇｅｏ
Ｆｏｒｓｃｈｕｎｇｓ
ＺｅｎｔｒｕｍＰｏｔｓｄａｍ
［８］
１３（）ＵＣＨＥＲＺ。ＳＩｔ，ＬＡＲＤ
ＶＥＲＮｌＥＲＮｏｔｅＮｏ．ＩＴＲＦ２０００（ＩＥＲＳ
Ｃ，ＡＬＴＡＭＩＭＩＰ．ＦＥＩＳＳＥＬ－
葛茂荣教授在本文修改过程中的建议以及讨论。
Ｍ．ＴｈｅＴｅｃｈｎｉｃａｌ
参考文献：
Ｅ１］
ＨＵＧＥＮＴＯＢＩ。ＥＲ
ＢｅｒｎｅｓｅＶｅｒｓｉｏｎ５．０
ＰｒｉｎｔｉｎｇＵｎｉｖｅｒｓｉｔｙ
３Ｉ）［Ｍ］．Ｆｒａｎｋｆｕｒｔ：Ｖｅｒｌａｇ
ｄｅｓＢｕｎｄｅｓａｍｔｓ
ｐｈｉｅ
ｕｎｄ
ｆｕｒ
Ｋａｒｔｏｇｒａ—
Ｇｅｏｄａｓｉｅ，２００４．
ＤＧ．ＩＥＲＳ
Ｕ。ＤＡＣＨＲ，ＦＲＩＤＥＺＰ，ＭＥｌＮＤＬＭ．
［９］
ＭｃＣＡＲＴＨＹＤ，ＰＥＴＩＴＣｏｎｖｅｎｔｉｏｎｓ（２００３）
ｄｅｓ（ＩＥＲＳＴｅｃｈｎｉｃａｌＮｏｔｅ
ＧＰＳＳｏｆｔｗａｒｅ
Ｏｆｆｉｃｅｏｆｔｈｅ
ＤＲＡＦＴ［Ｒ］．Ｂｅｒｎ：
Ｎｏ．３２）［Ｍ］．Ｆｒａｎｋｆｕｒｔ：Ｖｅｒｌａｇ
ｕｎｄｆｔｉｒ
ｏｆＢｅｒｎ，２００６．
ＢｕｎｄｅｓａｍｔｓＫａｒｔｏｇｒａｐｈｉｅＧｅｏｄａｓｉｅ，２００４．
ＰｒｅｅｉｓｅＯｒ－
ｏｎ
［２３
ＳＶＥＨＬＡＤ，Ｒ（）ＴＨＡＣＨＥＲＭ．ＫｉｎｅｍａｔｉｃａｎｄＲｅｄｕｃｅｄ－
ｄｙｎａｍｉｃ
ＰｒｅｃｉｓｅＬｏｗＯｒｂｉｔｅｒｓ
［１０］ＣＨＥＮ
Ｊｕｎ・ｐｉｎｇ。ＷＡＮＧＪｉｅ－ｘｉａｎ．Ｋｉｎｅｍａｔｉｃ
ｂｉｔｏｆ
ＤｅｔｅｒｍｉｎａｔｉｏｎＬｏｗＥａｒｔｈＯｒｂｉｔｅｒＢａｓｅｄ
Ｏｒｂ元宵节的故事传说 ｉｔＤｅｔｅｒｍｉｎａｔｉｏｎｏｆＥａｒｔｈ
Ｅｐｏｃｈ—
Ｇｅｏｄｙ—ｉｎ
口］．Ａｄｖａｎｃｅｓ
［３３
ＢＥＵＴＬＥＲｏｆＣｅｌｅｓｔｉａｌＭｅｃｈａｎｉｃｓＶｏｌｕｍｅ
Ｇｅｏｓｃｉｅｎｃｅｓ，２００３，１：４７—５６．
Ｉ：
Ｄｉｆｆｅｒｅｎｃｅｏｆ
Ｓｔｒａｔｅｇｙ［Ｊ］．Ｊｏｕｒｎａｌ
Ｇｅｏｄｅｓｙ
ａｎｄ
Ｇ．Ｍｅｔｈｏｄｓ
ｎａｍｉｃｓ，２００７．２７（４）：５７—６１．（陈俊平。王解先．基于历
元问差分的低轨卫星运动学精密定轨［Ｊ］．大地测量与地
球动力学，２００７，２７（４）ｔ
５７—６１．）
［１１］ＬＩＵ
Ｊｉｎｇ—ｎａｎ，ＺＨＡＯＸｉａｏ－ｈｏｎｇ．Ｇｅｏｍｅｔ—ＣｅｌｅｓｔｉａｌＭｅｃｈａｎｉｃｓ
Ｑｉ—ｌｅ。ＺＨＡＮＧ
ｔｉｃ
Ｐｈｙｓｉｃａｌ，Ｍａｔｈｅｍａｔｉｃａｌ．ａｎｄＮｕｍｅｒｉｃａｌ
Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００４．
Ｐｒｉｎｃｉｐｌｅｓ［Ｍ］．
［４３
ＢＥＵＴＬＥＲＧ．ＭｅｔｈｏｄｓＶｏｌｕｍｅⅡ：
ＡｐｐｌｉｃａｔｉｏｎＰｌａｎｅｔａｒｙ
ｔｏ
ｏｆ
Ｓｙｓｔｅｍ，Ｇｅｏｄｙｎａｍｉｃｓ
ａｎｄＳａｔｅｌｌｉｔｅ
ＯｒｂｉｔｏｆＣＨＡＭＰＳａｔｅｌｌｉｔｅａｎｄ
Ｄｅｔｅｒｍｉｎａｔｉｏｎ
Ｄｙｎａｍｉｃ
ｄｕｒｉｎｇ
Ｏｒｂｉｔ
Ｓｃｉｅｎｃｅｏｆｍａｔｉｃｓａｎｄ
Ｇｅｏｄｅｓｙ［Ｍ］．Ｂｅｒｌｉｎ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，２００４．
Ｉｓ］Ｄｅｔｅｒｍｉｎｉｎｇ
Ｂ（）ＣＫＨ．ＥｆｆｉｄｅｎｔＭｅｔｈｏｄｓｆｏｒＯｒｂｉｔｓｏｆ
ＬｏｗｔｈｅＧｌｏｂａｌ
Ｍｏｄｅｌｓ’Ｃｏｍｐｅｎｓａｔｉｏｎ
Ｓｍｏｏｔｈｉｎｇ［Ｊ］．Ｇｅｏ－
Ｗｕｈａｎ
Ｕｎｉｖｅｒｓｉｔｙ，
Ｐｒｅｃｉｓｅ
Ｉｎｆｏｒｍａｔｉｏｎ
ＥａｒｔｈＯｒｂｉｔｅｒｓ
ＵｓｉｎｇＰｏｓｉｔｉｏｎｉｎｇ
ＩｎｓｔｉｔｕｔｅＢｏｒｎｅ，２００３．
Ｓｙｓｔｅｍ［Ｄ］．
２００４。２９（１）：卜６．（刘经南．赵齐乐，张小红．ＣＨＡＭＰ卫
星的纯几何定轨及动力平滑中的动力模型补偿研究［Ｊ］．
武汉大学学报（信息科学版），２００４．２９（１）：１－６．）
Ｂｅｒｎｅ：Ａｓｔｒｏｎｏｍｉｃａｌｏｆ
Ｕｎｉｖｅｒｓｉｔｙ
ａｎｄ
［６３Ｐｏｓｉｔｉｏｎｉｎｇ
ＷＡＮＧＯｒｂｉｔＤｅｔｅｒｍｉｎａｔｉｏｎｏｆ
Ｊｉｅ－ｘｉａｎ．Ｐｒｅｃｉｓｅ
ＧＰＳ［Ｍ］．Ｓｈａｎｇｈａｉ：Ｔｏｎ萄ｉ
Ｕｎｉｖｅｒｓｉｔｙ
Ｐｒｅｓｓ．１９９７．（王解
（责任编辑：丛树平）
先．ＧＰＳ精密定轨定位．上海：同济大学出版社．１９９７．）
－．－—●－－●・●。◆－．－●－．．●－●●●－●－●●◆－．－●。＋。●－—●一◆‘◆．．．■■・■■一●－●－◆．．．◆－．．●－●－◆●●－●－．－●・●。●－．－●一＿●一◆－・●一
（上接第３９３页）
［刀．Ｃｈｉｎｅｓｅ
Ｊｏｕｒｎａｌｏｆ
Ｃｏｍｐｕｔｅｒｓ。２００３。２６（７）：８６６—８７３．
（陶文兵，柳健，田金文．一种新犁的航宅图像城区建筑物
３结论
本文提出的方法可以精确、自动地提取建筑
物的轮廓。方法特点如下：①轮廓提取区的建
立，不仅有利于适应超高分世事一场大梦人生几度秋凉全诗 辨率影像大数据量处
理的要求、提高后续处理的鲁棒性，而且为排列杂
乱的建筑物主方向检测提供了必要Ｉ；｛『提；②建筑
物主方向检测算法自动、鲁棒，主方向约束下的线
段提取更为准确、可靠，尤其有利于检测一些成像
效果不佳的细微轮廓；③基于ＬｉＤＡＲ密度分析
与Ｋｍｅａｎｓ聚类的轮廓筛选策略，无需阚值，可动
态、准确地分离轮廓线与非轮廓线。
［７－１
［６３
Ｉｓ］
［４］
自动提取方法［Ｊ］．计算机学报。２００３．２６（７）：８６６－８７３．）
ｗＥＩＳＳＷ．Ｔｏｗａｒｄｓ
Ｒ，ＦＯＲＳＴＮＥＲＡｕｔｏｍａｔｉｃ
ＥｘｔｒａｃｔｉｏｎＤｉｇｉｔａｌ
Ｂｕｉｌｄｉｎｇ
ｆｒｏｍＥｌｅｖａｔｉｏｎＭｏｄｅｌｓ
Ｈｉｇｈ—ｒｅｓｏｌｕｔｉｏｎ
Ｓｅｎｓ—
ＥＩ］．ＩＳＰＲＳ
ＪｏｕｒｎａｌＰｈｏｔｏｇｒａｍｍｅｔｒｙ
ｏｆａｎｄＲｅｍｏｔｅ
ｉｎｇ・１９９５，５０（４）：３８‘４９．
ＶＯＳＳＥＩ，ＭＡＮｓ．３Ｄ
Ｇ．ＤＩＪＫＭＡＮＢｕｉｌｄｉｎｇ
ｃｏｎｓｔｒｕｃｔｉｏｎＰｏｉｎｔａｎｄＧｒｏｕｎｄ
Ｍｏｄｅｌ
Ｒｅ—
ｆｒｏｍＣｌｏｕｄｓ
Ｐｔａｎ［Ｊ］．Ｉｎｔｅｒ—
ｎａｔｉｏｎａｌＡｒｃｈｉｖｅｓＲｅｍｏｔｅ
ｏｆａｎｄ
Ｐｈｏｔｏｇｒａｍ芙蓉楼送辛渐二首其一 ｍｅｔｒｙ
Ｓｅｎｓｉｎｇ，
２００１，３４（３Ｗ４）：３７—４３．
ＳＯＨＮ
Ｇ。ＳＡＭＰＡＴＨ八Ｂｕｉｌｄｉｎｇ
ＩＫＯＮＯＳＰｈｏ－
ＥｘｔｒａｃｔｉｏｎＩ．ｉＤＡＲ
Ｕｓｉｎｇ
ＤＥＭａａｎｄＡｒｃｈｉｖｅｓｏｆ
ｌｒｎａｇｅｓＥＪ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ
Ｓｅｎｓｉｎｇ．２００３，３４（３／Ｗ１３）．
ｔｏｇｒａｍｍｅｔｒｙＲｅｍｏｔｅ
ａｎｄ
ＳＡＭＰＡＴＨａｎｄ
ｌａｒｉｚａｔｉｏｎＰｏｉｎｔ
Ａ，ＳＨＡＮ
Ｊ．ＢｕｉｌｄｉｎｇＢｏｕｎｄａｒｙＴｒａｃｉｎｇＲｅｇｕ—
ｆｒｏｍＡｉｒｂｏｒｎｅＬｉｄａｒ
Ｃｌｏｕｄｓ［Ｊ］．Ｐｈｏｔｏｇｒａｍｍｅｔｒｉｃ
参考文献：
［１３
ＨｕＥＲＴＡＳＡｅｒｉａｌ
Ａ・ＮＥＶＡＴＩＡｉｎ
Ｅｎｇｉｎｅｅｒｉｎｇ
８ＬＲｅｍｏｔｅ
Ｓｅｎｓｉｎｇ，２００７，７３（７）：８０５－８１２．
Ｒ．Ｄｅｔｅｃｔｉｏｎ
Ｂｕｉｌｄｉｎｇ
［８］ＺＨＡＮＧ
ｏｆ
Ｋ。ＹＡＮＳ
Ｊ，ＣＨＥＮＣ．Ａｕｔｏｍａｔｉｃ
Ｃｏｎｓｔｒｕｃｔｉｏｎ
Ｉｍａｇｅｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ
４１（２’）：１３１－１５２．
Ｖｉｓｉｏｎ
ＧｒａｐｈｉｃｓＩｍａｇｅＰｒｏ恰好的拼音 ｃｅｓｓ，１９８８，
Ｂｕｉｌｄｉｎｇ
Ｆｏｏｔｐｒｉｎｔｓ
ｆｒｏｍＡｉｒｂｏｒｎｅＬｉＤＡＲ
Ｄａｔａ［Ｊ］．
ｏｎ
ＩＥＥＥ
ＴｒａｎｓａｃｔｉｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅ
Ｓｅｎｓｉｎｇ，
［２３
ＫＩＭＴ，ＭＵＬＬＥＲＪｏｆ
Ｐ．ＤｅｖｅｌｏｐｍｅｎｔＧｒａｐｈ—ｂａｓｅｄＡｐ－
ｐｒｏａｃｈＢｕｉｌｄｉｎｇＣｏｍｐｕ—
ｆｏｒ
ａ
２００６．４４（９）：２５２３—２５３３．
Ｄｅｔｅｃｔｉｏｎ［Ｊ］．Ｉｍａｇｅ
ａｎｄＶｉｓｉｏｎ
［９３Ｕｓｉｎｇ
ＲＡＵＩ．ＣＬｉｎｅｓ
ＪＳｔｒａｉｇｈｔ
ＨｏｕｇｈＰｎｎｄＡｘｉｓ
Ｙ，ＣＨＥＮＦａｓｔ
Ｄｅｔｅｃｔｉｏｎ
ｒｉｎｇ，１９９９，１７（Ｉ）：３‘１４．
Ｔｒａｎｓｆｏｒｍｏｆ
ｗｉｔｈ
ｐａｌＡｎａｌｙｓｉｓ［Ｊ］．Ｊｏｕｒｎａｌ
［３３Ｗｅｎ－ｂｉｎｇ，ＬＩＵ
ＴＡＯＪｉａｎ。ＴＩＡＮＪｉｒｒｗｅｎ．Ａ
ｔｏ
Ｎｅｗ
Ａｐｐｒｏａｃｈ
ＰｈｏｔｏｇｒａｍｍｅｔｒｙＳｅｎｓｉｎｇ．２００３，８（１）：１５—３４．
ａｎｄ
Ｒｅｍｏｔｅ
Ｅｘｔｒａｃｔ
ＲｅｃｍｅＪｅ
Ｂｕｉｌｄｉｎｇ
Ａｕｔｏｍａｔｉｃａｌｌｙ
ｆｒｏｍＡｅｒｉａｌ
Ｉｍａｇｅｓ
（责任编辑：丛树平）
万方数据