建筑物类型的研究对于震后救援和损失评估具有重要作用,目前针对SfM(Structure from Motion)方法生成的三维密集点云数据的建筑物分类研究较少。首先基于SfM原理生成密集点云,然后通过建筑物单体点云高度均值和标准差对建筑物的高度和屋顶类型进行初步分类,进一步提出了建筑物单体屋顶最高点与最低点点云中心点的水平距离因子对单坡和双坡屋顶类型进行再分类的方法。以玛曲县城为研究区,使用SfM算法对无人机影像进行处理,并利用上述多因子再分类方法进行建筑物高度和类型分类。实验结果表明,设置高度均值和标准差阈值分别为6m和0.25m时能够准确区分单层、非单层建筑物和平、坡屋顶类型建筑物;对于单坡和双坡顶建筑物,利用距离因子,设定距离阈值1.5m时可完全区分。对该地区典型建筑物的研究结果表明,通过基于点云分析的建筑物高度和类型提取方法,可为地震灾害风险分析和未来潜在地震灾害损失预测所需的建筑物信息的提取提供重要参考。
利用机载激光雷达扫描(Light Detection and Ranging,LiDAR)技术所得点云进行震后倒塌建筑物提取时,树木与倒塌建筑物的点云特征十分相似,较难区分。为了快速准确获取震后房屋建筑物的受损情况,本文提出使用回波次数比特征指标,结合前人所提出的点云回波强度、归一化强度、最邻近点高差、法向量夹角、X向坡角和Y向坡角等特征的均值和标准差,利用K-最近邻分类法实现单体地物区分的方法。对2010年海地7.0地震震后机载LiDAR数据进行了地面点去除,分别选取了未倒塌建筑物、倒塌建筑物和树木各50个训练样本和各20个测试样本,计算了各因子的分布及其均值和标准差,在分析的基础上最终选取了可分性较强的8个分类特征,利用K-最近邻分类法对测试样本进行了分类,结果显示分类正确率可达85%以上。研究表明选取多个有效的LiDAR点云分类特征可以较好地区分震后未倒塌建筑物、倒塌建筑物和树木,提高震后建筑物震害程度判定的准确性,为应急救援及时提供较为准确的灾情信息支持。
