《表3 软件开发与运行环境表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《顾及轮廓特征的建筑物对象级三维变化检测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据图6和表4的结果可知，实验1是于小范围、小数据量、特定类型（写字楼）的建筑物，验证了算法的可行性；根据图7、图8和表5的结果可知，实验2是基于较大范围、较大数据量、多种类型建筑物（高层写字楼、中高层居民住宅楼、活动板房等低矮建筑），同时也有地形起伏的影响，综合了多种影响因子来验证算法的可靠性。从实验结果可以得出，在对中高层建筑进行提取和检测时，是高效且准确的，其提取和检测的准确率可以达到较高水平；但是对于活动板房等极低矮建筑，提取结果是不理想的，检测结果精度更低。之所以未计算表5中低矮建筑的变化检测正确率，是因为其轮廓提取精度太低，T1未检测到的建筑物在T2被检测到了，就被默认为新增；而T1检测到的在T2未被检测到则被默认为拆除，所以计算检测精度已没有意义。低矮建筑轮廓提取精度低的原因大概有以下几点：（1）活动板房等低矮建筑层高较低，需要设置较小的切割阈值才能使用高度分析法准确提取轮廓线，但是太小的阈值会造成高层建筑物的轮廓数据冗余，所以在优先保证高层的大体量建筑物准确率的情况下，极低矮的建筑物提取准确率会较低；（2）由于倾斜摄影建模的精度原因，建设密度很大的低矮建筑在模型重建时融合成为一个整体，呈现连片的状态，多个对象被提取成为一个对象，使得提取数据不够准确；（3）与植被完全融合的低矮对象难以提取。但考虑到低矮建筑多为活动板房，其流动性极强，对其进行对象级变化检测意义不大。若有需要，可在本文基础上结合其他方法对其进行结构级变化检测，来监测违法搭建等问题。