买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉陈林霞申请的专利一种联合LiDAR点云与光学图像的房屋自适应矢量化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114283213B 。

龙图腾网通过国家知识产权局官网在2026-02-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111593403.8，技术领域涉及：G06T17/10；该发明授权一种联合LiDAR点云与光学图像的房屋自适应矢量化方法是由陈林霞设计研发完成，并于2021-12-23向国家知识产权局提交的专利申请。

本一种联合LiDAR点云与光学图像的房屋自适应矢量化方法在说明书摘要公布了：本申请公开了一种联合LiDAR点云与光学图像实现房屋自动识别矢量化方法，将点云数据的高度光学图像nDSM与高度光学图像的边缘轮廓信息作为输入波段参加光学图像的多尺度高程协同分割；提出一种基于地物梯度、高程空间关系的植物与房屋的分拣优化方法，对于房屋的边缘信息识别结果，提出一种角点识别驱动的房屋轮廓精细矢量化方法；本申请能有效识别出四棱锥形的房屋和四合院类型的房屋，对屋顶表面存在小型附属物的房屋也有很强的适应能力，对于人字形、工字形或多种类型的房屋组成的房屋集群能正确识别，基于高程、回波、光谱和梯度等多特征进行多层次优势互补的房屋识别，取得了优质的识别和房屋自适应矢量化效果。

本发明授权一种联合LiDAR点云与光学图像的房屋自适应矢量化方法在权利要求书中公布了：1.一种联合LiDAR点云与光学图像的房屋自适应矢量化方法，其特征在于，联合高分辨率遥感图像与机载LiDAR点云数据多特征空间提取建成区房屋，并进行结果的自适应抽稀矢量化； 一基于遥感图像的多尺度高程协同分割，将点云数据的高度光学图像nDSM与高度光学图像的边缘轮廓信息作为输入波段参加光学图像的多尺度高程协同分割,分割质量提高以为进一步分类做准备； 二流程步骤：建成区房屋自动识别与自适应矢量化步骤，包括： 步骤一：LiDAR数据的预处理和特征识别：利用地形起伏的高程突变，将非地面点滤除生成地表数字高程模型DEM，采用渐进三角网加密法滤波点云数据并进行基于图像高分辨率采样,上采样后将点云三维图像与航空图像基于共线方程前方交会法进行外方位元素的平差解算，将高度图像与航空图像数据配准； 步骤二：高分辨率遥感图像的特征解析与设置； 步骤三：多源数据联合的多尺度高程协同分割：采用集成LiDAR点云数据高程信息、形状信息和高遥感图像多源信息源进行地物多尺度高程协同分割，在引入LiDAR点云高程信息后，加大高程信息的权重，设置为5；将分割参数的形状因子设置为0.5； 步骤四：面向对象的房屋初识别：面向对象的房屋初识别，设置高程临界值的取值范围H＝[1.5,1.7]米，将高程值大于[1.5,1.7]米的地物定义为房屋初选区； 步骤五：遥感图像的阴影识别：经过设置高程临界值的掩膜处理后，主体地物类型包括房屋、植物和阴影，获取植物归一化指数Rn：ENIR为近红外波段，ER为红外波段，并设置临界值Rn临界值＝0.208； 步骤六：房屋的精细识别； 步骤七：房屋轮廓抽稀矢量化：首先，通过亮度直方图临界值分割法进行阴影区域的识别,通过阴影区域亮度值低的特征进行阴影区域分割，然后，采用LiDAR点云数据所生成的高度图像nDSM进一步精确房屋的识别结果，房屋轮廓能够作为房屋精细识别的参照约束框架，将深度光学图像nDSM的房屋轮廓识别出来，对nDSM单波段图像做房屋面片优化分拣，设置高程临界值将低矮地物归零滤除，临界值H＝1.7m，高程滤波去除低矮地物的干扰；基于梯度空间解析的房屋与植物优化分拣进行房屋轮廓的识别,获取梯度光学图像之后设置梯度临界值，过滤掉植物信息即房屋面片识别并将末次回波房屋边缘补充到梯度光学图像中，进行一个临界值200的面积滤波；将两种识别结果基于MATLAB平台做连通域的叠置解析处理，光学图像中规则的房屋边缘信息和优质的植物识别信息与点云数据中对于房屋或植物的阴影遮挡抑制相互补充，进行给定临界值的面积滤波和形态学开运算，将结果中的图斑地物和房屋中间的空洞去除；最后，采用角点识别驱动的房屋轮廓精细矢量化方法进行识别结果的轮廓精细矢量化处理，进行角点识别驱动的房屋轮廓初阶优化，利用像素点的曲率和梯度变化，寻找曲率变化的极值点作为候选角点，进行角点识别，包括：第一步：计算像素点的相关矩阵N，存储方向梯度数值；第二步：计算像素点的角点应答函数值T：T＝DE-SAwD+E,w为经验常数，N为像素点的相关矩阵，D、E、S、A分别为存储方向梯度数值；第三步：在应答函数中寻找极值点，并且与给定临界值相比较并设置为角点；然后，进行循环递归压缩的房屋轮廓精细矢量化，角点识别的角点集基于最小二乘匹配的欧氏距离首尾相连成闭合多边形，循环递归将整个曲线二分段处理，包括：第1步：找到线状要素的特征点，即角点识别的角点与局部曲线起、终点Q1Q2的连线具有最大矢量半径的点Q，如果半径大于给定的临界值Qmax则保留，反之则去除；第2步：寻找到一个新的特征点Q将局部曲线进行二分段,对每一个分段进行第1步的计算；第3步：迭代循环计算，直至不再出现新的特征点Q，最后得到一系列的特征点与局部曲线的起点与终点，首尾直线相连便得到抽稀矢量化的线状要素。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人陈林霞，其通讯地址为：317100 浙江省台州市三门县工业大道2号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。