1. 研究目的与意义

研究的目的：基于机载点云数据，对LiDAR点云数据滤波，获得需要的建筑点云数据，然后进行图像边界检测、跟踪，将不同形状建筑的轮廓线自动提取出来，并对初步提取的粗糙轮廓线进行规则化，最终得到建筑边界线的矢量图。。

意义：随着测量技术的发展，机载激光雷达能高效地获取点云数据，对点云边界提取又是图像分割等图像编辑的基础，提取出建筑边界线，如果加上高程信息，能方便的进行三维建筑模型重建。所以，在现代技术发展的背景下，利用机载点云数据自动生成建筑线画图对三维建筑模型的重建有重要的意义。图像边界提取技术可以应用于目标识别领域，全自动生成建筑线画图是制作数字线划地图的方式之一，因此该课题的研究具有很强的理论意义和现实意义。

2. 国内外研究现状分析

目前，基于LiDAR数据提取建筑边界，一般方法是先分类或分割LiDAR点云数据，其次在初分类出的数据上过滤出建筑点云数据，再初用算法提取出建筑边界线，最后规则化初提取的边界线，得到最终的建筑边界线。

基于LiDAR点云数据提取建筑边界线的研究相对较少，而且一般多集中于处理凸多边形，对于凹多边形的轮廓线处理方法不多，精度也不高。目前,常用的方法有：基于收缩的最小周长法、基于聚合的最小均方差线段逼进法和基于分裂的最小均方差线段逼进法。这些方法，需要用到迭代逼进，运算量大，当数据量巨大时，应用则不是很理想。

3. 研究的基本内容与计划

研究内容： 1、基于已分类好的lidar点云数据的粗提取：用mst组织提取到的边界点云，利用最大深度遍历法依次遍历其最大深度子树；

2、对粗提取的建筑边界规则化；

3、用算例分析建筑边界的提取精度。

4. 研究创新点

将alpha shapes算法用于lidar数据建筑轮廓线提取，该算法具有以下优点:

(1)凸凹多边形都适用。alphashapes算法很好地解决了凹多边形轮廓线提取的难题。

(2)运算速度快，无需构建三角网，特别适合离散点边界提取。