基于地基LiDAR点云数据插值方法的对比研究

以冷龙岭断裂上一处典型地貌点云数据为例,采用最邻近法、距离反比法、不规则三角网法、样条函数法、克里金法等5种插值方法进行遗漏点云插值填充,研究并探讨最合适的插值算法。结果表明,不规则三角网插值法不仅可以很好地填充点云遗漏数据,还可以按照实际地形变化精确表示其高程数据并还原野外的真实场景,为后期的研究提供数据保证。     

利用多元回归方法改正对流层延迟插值误差

直接利用克里金插值得到的对流层延迟在地形变化起伏大的地区效果不好,提出利用多元回归方法改正克里金直接插值所带来的插值误差.以美国南加州GPS网为例,对海拔差异不同的测区分别进行实验.在具有不同改正因子的方程中,同时具有经、纬度、海拔因子的方程具有较其他方程更好的改正效果,在测站海拔分布差异较小的测区(小于500 m),该方法对插值误差有较好的改正效果,精度达到厘米级,甚至毫米级.     

机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与...     

采用动态负载均衡的LiDAR数据生成DEM并行算法

随着高性能计算的发展,并行技术已经广泛应用于LiDAR数据的分析处理。本文针对现有LiDAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的LiDAR数据生成DEM并行算法。该算法采用主从式并行策略,管理进程负责LiDAR点云的高效自适应条带划分,计算进程负责LiDAR点云生成DEM的计算。本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡。在24 核集群环境下,用30 GB(约12 亿点)LiDAR数据对本文算法进行测试,生成分辨率为1 m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了LiDAR生成DEM并行算法的整体效率。     

一种基于机载点云的DEM生成方法研究

DEM即数字高程模型,是通过有限的地形高程数据实现对地面地形的数字化模拟。DEM具有许多生产方式,作为直接获取对象表面点三维坐标的现代对地观测技术,机载激光扫描在DEM构建方面具有很大优势。因此,本文研究了一种基于机载激光点云数据的DEM生成方法,该方法的关键在于机载点云的地面滤波处理。本文提出了一种改进的渐进三角网滤波方法,通过计算各点坡度以及邻域范围内的高差最大值,进行直方图统计分析,实现高度及角度阈值的自适应估计。将本文结果与人工滤波及布料滤波方法进行对比分析。实验结果表明,本文方法的结果更加贴近人工滤波处理效果,可有效提高DEM生成的精度。     

局部SVT算法的遥感反演场数据恢复实验分析

 遥感反演场数据会由于云雾、地物的遮挡,传感器性能等原因造成部分区域数据的缺失而影响遥感反演场数据的应用。矩阵填充理论针对低秩矩阵,利用矩阵的低秩性,即数据的高相关性,可以高精度地对低秩矩阵中的缺值数值进行恢复,其中矩阵填充理论中的SVT(Singular Value Thresholding)算法可以对矩阵中缺失数值进行快速、高精度的估计,应用广泛。本文应用矩阵填充理论的SVT算法,以缺值点为中心,方差最小作为窗口尺度选择的标准,这样可以保证区域数据的高相关性,建立局部窗口,对窗口进行SVT算法填充。本文也针对相同缺值区域进行了距离反比加权插值、Kriging插值法插值和整体SVT算法插值,整体SVT算法插值即并未对缺值点进行相关性窗口判断,而是直接对整个区域进行SVT填充。并对这几种方法的精度进行比较,得到局部SVT算法的精度相比整体SVT算法和距离反比加权插值算法的精度要高,与Kriging算法相比,其精度变化趋势相似,在锋面区域局部SVT算法精度比Kriging方法要高。     

线性加权回归模型的高原山地区域降水空间插值研究

在山地和高原区域,地形对降水影响比较显著。常规空间插值方法通常不考虑地形要素,插值精度有限。考虑到降水量与高程存在较强的相关关系,采用局部线性加权回归模型预测山地和高原区域的降水分布。推导了回归计算公式,并在ArcGIS 9.0中编程实现算法。选取美国德克萨斯州西北部地区进行局部线性加权回归空间插值,并与普通Kriging、倒距离加权法比较。误差分析表明:在地形复杂的地区,线性加权回归模型比传统方法有优势。     

车载激光扫描数据路坎点云提取方法

车载激光扫描系统能够快速准确地获取街道环境的点云数据,但由于扫描点云的点密度高、数据量大、空间分布不均匀、地物相互遮挡及城市街道环境复杂等特点,难以直接从原始点云数据中提取出路坎点云。本文首先通过分析路坎点云的空间分布特征和局部几何特征,构建包含相对高程、法向量方向、多尺度高程差及多尺度高程方差的点云特征向量;然后,采用SVM提取城市街道环境车载激光扫描数据中的路坎点云,并对提取结果进行聚类去噪,优化路坎点云。最后,通过Street Mapper 360系统和Lynx Mobile Mapper V100 系统采集的4份不同城市街道环境车载激光扫描数据对本文方法进行验证,其中路坎点云提取结果的完整度均超过了94.99%、准确度均超过91.88%、精度亦均达到了90.55%以上。实验结果表明,本文方法能够精确地提取复杂城市街道环境中规则或不规则的路坎点云,且具有较强的稳健性,适用于各类复杂的城市街道环境。     

面向稀疏散布数据集的时空Kriging优化

时空Kriging法通过将变异函数向时空域进行扩展得到时空变异函数,有效地利用时空邻近的采样点综合进行插值,由于时空稀疏散布数据集具有单一时刻下样本点数量少以及时空分布不规律的特点,难以满足使用时空Kriging插值法的基本条件,导致插值精度不高,据此本文提出了优化方法：通过多时段叠置拟合空间变异函数的方法,综合利用时空邻域内的采样点以解决单一时刻下空间邻域内数量不足情况;控制时间变异对空间变异函数拟合的误差影响;采用积合式模型构建时空变异函数进行插值。最后使用Argo海温数据进行插值实验,在相同条件下与时空Kriging法以及时空权重法的交叉验证结果对比得出,该方法在保证拟合所需采样点数量要求的同时,有效削减了一般时空Kriging法中时间变异对空间变异函数拟合结果的干扰,插值结果的绝对误差均值从0.5降低至0.2以内,稳定性进一步增强,改善了时空Kriging法在稀疏散布数据条件下精度上的不足。     

基于异构集群计算的地统计面插值并行算法

地统计面插值算法在空间统计分析中有广泛应用,其目的是通过一组面要素的某已知属性值估算另一组面要素的属性值。地统计面插值算法多是基于克里金（Kriging）插值及其衍生算法。克里金插值算法考虑属性在空间位置上的变异性,需计算要素之间的协方差,是典型的计算密集型算法。本文分析了基于克里金插值的地统计算法计算过程,该算法中面要素间协方差计算相互独立,可作为并行计算单元划分。另外,面要素间协方差计算可使用快速傅里叶变换（FFT）快速计算,而FFT是一种非常适合并行处理的计算密集型算法。本文根据算法特征设计了基于异构集群计算的并行算法,并使用MPI+CUDA实现了该算法。实验结果表明,本文实现的算法比使用MPI实现的CPU集群的算法有更好的性能,具备良好的可扩展性,并且随着插值精度提高表现出更好的性能。