中文摘要：

重大自然灾害发生后快速获取建筑物灾情信息是灾害应急中最迫切的任务之一。伴随灾害发生的恶劣气候因素严重制约了灾情信息的快速获取，成为灾害应急中信息匮乏的重要因素。本项目面向重大突发自然灾害应急需求，以我国东部中小城镇建筑物为研究对象，基于灾害发生后能快速抵达灾害现场并迅速投入工作的车载LIDAR系统获取的灾害环境数据为信息源，拟采用投影面变换、Hough变换、RANSAC模型、表面簇模型及形态学的理论与方法，研究灾害环境中建筑物立面的快速识别与分割方法、建筑物立面灾损特征要素的快速提取算法、基于知识与灾损特征要素的建筑物灾情测量方法等关键技术，实现以判断灾损类型和灾损程度为目标的建筑物应急灾情测量，为灾害应急指挥提供可靠的大场景建筑物灾损信息。本项目研究成果将进一步丰富车载LIDAR数据处理的方法和技术，拓展车载LIDAR技术的应用范围，并为重大自然灾害应急提供新的技术支持手段。

结论摘要：

重大自然灾害发生后快速获取建筑物灾情信息是灾害应急中最迫切的任务之一，而灾害发生后最初一段时间是灾损信息最匮乏的时段，车载LiDAR系统在获取建筑物灾害信息方面具有优势，灾害发生后能快速抵达灾害现场并迅速投入工作。本研究面向重大突发自然灾害应急需求，基于车载LIDAR系统获取的灾害环境数据为信息源，研究从点云数据中提取建筑物灾损信息的方法和技术。选择若干建筑物及其等比例缩小模型为试验研究对象，综合使用车载LIDAR、地面LIDAR、全站仪、CCD相机等设备，运用试验模拟、对比分析、计算机编程等手段来研究和探索车载LIDAR服务于建筑物灾情应急测量的方法和技术。主要研究内容包括1）研究了四种建筑物立面分割方法。包括基础地理数据支持下的分割方法、交互式分割方法、基于数学形态学的分割方法和基于Hough变换的分割方法，其中第一个方法为最合适方法，其算法描述为首先将基础地理数据转换到车载LIDAR点云数据所在坐标系中，实现坐标基准的统一；然后对基础地理数据进行要素精简，提取有效的建筑物轮廓信息，设置合理的建筑物轮廓缓冲阈值，对建筑物立面点云进行自动分割；最后采用合理的质量评价机制，对分割结果进行检核和评价，实现分割结果的质量控制。2）提出考虑局部点云密度的建筑物立面轮廓点云提取算法。从原始点云入手，通过有效邻域进行法向量计算,然后利用特征值分析方法产生种子点并利用有效邻域进行区域生长，对立面信息进行平面分割，最后将分割的不同平面点云进行轮廓自动提取。3）开展了一系列建筑物灾害测量模拟试验研究。科研组制作了建筑物精确等比例缩小模型，模拟建筑物的各主要灾损形态，获取与实际灾损等效的建筑物点云数据，通过对点云数据的深入处理与分析，建立了建筑物主要灾损模型。4）算法实现与程序开发。以VC++和OpenGL为开发工具，自主开发和完善了两套点云数据处理软件系统，实现了项目研究所需的各种算法与操作，满足了项目研究需求。