利用多时相机载LiDAR数据进行建筑物变化检测
计算机视觉与模式识别
2022-04-28 v1 图像与视频处理
摘要
建筑物变化检测对于监测城市化、灾害评估、城市规划以及地图的频繁更新至关重要。来自机载光探测与测距（LiDAR）的三维结构信息对于检测城市变化非常有效。但机载LiDAR（ALS）的三维点云包含大量无序且不规则稀疏的信息。处理此类数据较为棘手，且会消耗大量内存。当我们寻找特定类型的城市变化时，大部分此类信息并非必需。在本研究中，我们提出了一种自动方法，可将三维点云缩减为一个小得多的表示形式，同时不丢失检测建筑物变化所需的信息。该方法利用深度学习（DL）模型U-Net从背景中分割出建筑物。生成的语义分割图随后被进一步处理以检测变化，并使用形态学方法对结果进行细化。对于变化检测任务，我们使用了多时相机载LiDAR数据。该数据于2017年和2019年在斯德哥尔摩上空采集。建筑物的变化被分为四种类型：“新建”、“拆除”、“增高”和“降低”。检测到的变化被可视化在一张地图中，以便更好地进行解译。
引用
@article{arxiv.2204.12535,
title = {Building Change Detection using Multi-Temporal Airborne LiDAR Data},
author = {Ritu Yadav and Andrea Nascetti and Yifang Ban},
journal= {arXiv preprint arXiv:2204.12535},
year = {2022}
}
备注
Accepted in ISPRS 2022