地灾与建筑损毁：无人机与地面LiDAR协同观测及评估

（1）顾及影像拓扑骨架的低空影像快速三维重建。

①低空影像三维重建可以有效解决传统遥感影像灾情解译精度低的问题。针对传统运动恢复结构算法（SfM）效率低的问题，本研究创新地提出了顾及影像拓扑骨架的运动恢复结构（SCN-SfM）算法：首先利用低空无人机获取的飞控数据，采用坐标投影和拓扑分析结合的方法构建影像拓扑关系TCN；其次结合视觉重建对影像匹配的理论需求，创新地提出了一种分层度约束的最大生成树（HDB-MST）算法，删除TCN中的冗余边，提取影像拓扑骨架SCN；最后利用SCN约束影像匹配范围，解决了SfM算法中的冗余匹配问题，使得影像匹配的时间复杂度由原算法的O（n2）降低为O（n），显著提高了低空影像三维重建的效率。

②以三组不同类型的低空影像集为例，并与其他三种视觉重建方法对比，综合验证了SCN-SfM算法的高效性和重建模型的准确性。尤其是通过对大数据低空影像集（包含947张低空影像）的测试，充分验证了SCN-SfM算法处理大数据低空影像集的有效性，为大区域灾场快速三维重建提供了技术保障。

（2）基于低空影像重建点云的灾场地物分类。

①充分利用低空影像重建点云具有RGB和三维坐标的特点，提取了多个光谱、纹理和几何特征，并通过线性组合的方式构建点云特征描述子。

②以监督分类为基础，选用SVM分类器，提出了基于多类不确定性—边缘采样（MCLU-MS）的主动学习算法，优化采样机制，解决了复杂灾场环境下选择可靠训练样本存在的困难。(www.xing528.com)

③通过采集少而优的训练样本，保证了灾场地物分类的时效性和精度。以国内外三次地震为例，探讨了不同特征对灾场地物的分类能力，验证了光谱+纹理+几何的组合特征对提高地物可分性的有效性；验证了MCLU-MS算法对复杂灾场地物采样的可靠性和提高分类精度的有效性，凸显了主动学习算法在复杂灾场地物分类中的必要性。

（3）基于空地异源点云的建筑物倾斜检测和损毁评估。

①针对低空测量较难获取地物完备三维信息的问题，设计了联合低空影像重建与地面LiDAR扫描的协同观测模式；研究了由粗到精的点云配准方法实现了空地异源点云的无缝融合；测试了空地融合点云对获取地物完备三维信息的有效性和模型精度的准确性（测距相对误差小于±0.2%）；提出了基于空地融合点云的建筑物倾斜检测方法。

②以芦山7.0级地震灾区建筑物为例，探讨了建筑物倾斜角度与损毁程度之间的关系，并从遥感立体测量的角度提出了建筑物损毁评估的参考标准。