机载LiDAR旁向重叠区域冗余数据的消除算法

本文基于点云格网化的思想,提出了一种去除机载LiDAR航带间旁向重叠区域冗余数据的算法。该算法使用规则方格表示点云覆盖的区域,通过给网格赋值的方式提取重叠区域的冗余点云,最后删除靠近条带边缘的冗余点云。经过实验测试,该方法能够快速有效地去除重叠区的冗余数据;无需依赖航迹信息,因此也适用于地面激光点云的消冗。     

基于总体最小二乘匹配的机载LiDAR点云航带平差方法

机载LiDAR技术在快速获取空间三维地理信息及其应用方面具有不可估量的前景,然而,机载LiDAR系统获得的相邻航带点云数据在重叠区存在"漂移"问题,需要采用航带平差的方法实现不同航带点云数据之间的"无缝"拼接。针对最小二乘航带平差方法中存在的某些不足,结合总体最小二乘与航带平差方法,将总体最小二乘应用于点云的平面拟合,从而提高了相邻航带匹配的精确性。采用实际飞行数据,设计实验方案对航带平差效果进行比较分析。     

基于平面约束的机载LiDAR航带平差方法研究

机载LiDAR技术作为一种新型的主动式空间观测技术,在快速获取空间三维地理信息方面具有不可估量的前景。然而,机载LiDAR系统获得的相邻航带点云数据在重叠区存在"漂移"问题,需要采用航带平差的方法实现不同航带点云数据之间的"无缝"拼接。针对LiDAR点云数据难以获取同名特征点来进行航带平差迭代初始值计算的问题,文中在总结航带平差迭代初始值求解方法的基础上,提出一种基于点与平面约束关系的最小二乘求解方法,提高初始值求解的准确性,并通过具体实例数据进行验证分析。     

LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

机载和车载LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过试验数据验证了该方法的可行性。     

机载LiDAR航带拼接方法分析

随着机载LiDAR技术的发展,我国对高精度的数字产品的生产要求也在不断提高。机载LiDAR点云数据航带间拼接误差一直是影响数字产品的主要因素之一。因此,消除或减弱系统误差影响,提高数据精度具有重要理论意义和工程实用价值。本文对机载LiDAR点云航带拼接误差问题进行分析,以Leica ALS70机载点云数据为数据源,利用Graf Nav8.4软件、Leica Geosystems MFCPP软件、Micro StationV8软件及Terra Soild对某省机载LiDAR点云数据进行航带拼接方法的分析。本文首先利用检校场对点云数据系统误差进行了修正,航带间重叠区域高程偏差图初步分析,然后通过构架线对架次航线拼接进行了整体分析,最后利用区域内像控点资料对点云数据高程精度进行了改正。试验结果表明:该方法提高了点云数据拼接精度,在实际生产过程中提高了预处理的工作效率,提高数字产品的质量。     

机载LiDAR数据逐航带平差与航带区域网平差对比

机载LiDAR系统获取的点云数据在经过预处理解算后仍会残余部分系统误差,因此,在利用点云数据生成DEM等相关数字产品之前,必须检查并改正这部分系统误差。以此为主要目标,本文对机载LiDAR数据的逐航带平差与航带区域网平差展开研究,并以Microsoft Visual Studio 2008 C++为开发平台、基于实测数据对比了两者在完成多航带构成的测区平差时的精度,结果表明:机载LiDAR数据的航带区域网平差方法相较于LZD算法可有效降低逐航带平差导致的误差累积,精度更高。     

轻型机载LiDAR在农村宅基地房屋测量中的应用

选择新疆焉耆县北大渠乡北大渠村房屋密集区作为研究区,通过三角翼搭载轻型机载LiDAR进行了低空（170m）交叉航线高密度点云数据采集,对点云数据进行拼接、校正、纹理信息增强,在点云上对房屋进行矢量化,并对结果进行精度检查。点云数据房角点采集率为83.3%,中误差为4.8cm。采用机载LiDAR测量房角点能够大大减少外业房角点测量的工作量。机载LiDAR的应用鲜有纹理信息的提取,本次测试通过对高密度点云数据进行有效的处理,提取了点云数据纹理信息,为机载LiDAR数据纹理信息的应用提供了参考,并对其精度有了明确的认识,可为后期相关工作的开展提供借鉴。     

机载LiDAR航带间高程漂移检查方法研究

机载LiDAR作业时,误差将导致相邻航带的同名特征间存在高程漂移,若偏移量超过一定的阈值,则可能造成后续激光点云数据的分类错误,进而使得用其生成的数字产品无法正确反映真实地形。鉴于此,提出了一种机载LiDAR航带重叠区高程漂移自动化检查算法。由于Li DAR数据本身具有特殊性,相邻航带间不存在真正意义上的同名点,采用提取航带同名面的方式对航带间相对高程进行检查。通过编程计算对实验区数据进行检查分析,并通过人工核查的方式验证了该方法的可靠性。     

基于低空摄影测量的机载LiDAR点云修复方法

针对机载LiDAR点云存在数据缺失造成的空洞问题,研究利用低空摄影测量技术,探索机载LiDAR点云空洞修复的方法。利用低空摄影测量手段获取的遥感影像可以生成高精度的修复点云,并通过将修复点云融合到原始LiDAR点云中,实现对机载LiDAR点云空洞的修复。该方法操作简单、效率高,适用于大面积机载LiDAR点云数据的批量修复,能够为城市三维精细化建模提供重要的数据支撑。     

机载激光雷达航带平差实验研究——基于参数模型和地面控制点数据

机载激光雷达测量获取的地表点云数据在经过预处理解算后仍会残余部分航带性系统误差,因此,在利用点云数据生成DEM等相关数字产品之前,必须检查并改正这部分航带性系统误差.以此为主要目标,选择“十二参数模型”进行航带平差,总结航带平差的一般技术流程,并对航带平差过程中是否引入地面控制点的结果进行对比分析.结果表明,引入地面控制点进行航带平差,数据的内外部精度均得到有效改善.     

面向对象的植被与建筑物重叠区域的点云分类方法

在分析LiDAR点云数据分类现状的基础上,针对植被与建筑物重叠区域分类困难的问题,提出了一种基于面向对象的点云分类方法.首先采用三角网渐进内插的滤波方法将点云分为地面点和非地面点,并得到DTM;然后对高出DTM一定高度的非地面点建立三角网,删除较长的三角网的边(地物间的边),从而将非地面点云分割成多个对象;再利用各个对象内的三角网坡度信息熵大小判断该对象属于植被或建筑物;最后对于难以区分的对象(植被与建筑物重叠区)根据建筑物几何规则形状延伸扩充,从而提高植被和建筑物重叠区的点云分类准确率.实验结果表明,该方法能够很好地区分建筑物和植被点,分类准确率达到87％.     

Eigen-feature analysis of weighted covariance matrices for LiDAR point cloud classification

The features used in the separation of different objects are important for successful point cloud classification. Eigen-features from a covariance matrix of a point set with the sample mean are commonly used geometric features that can describe the local geometric characteristics of a point cloud and indicate whether the local geometry is linear, planar, or spherical. However, eigen-features calculated by the principal component analysis of a covariance matrix are sensitive to LiDAR data with inherent noise and incomplete shapes because of the non-robust statistical analysis. To obtain reliable eigen-features from LiDAR data and to improve classification accuracy, we introduce a method of analyzing local geometric characteristics of a point cloud by using a weighted covariance matrix with a geometric median. Each point is assigned a weight to represent its spatial contribution in the weighted principal component analysis and to estimate the geometric median which can be regarded as a localized center of a shape. In the experiments, qualitative and quantitative analyses on airborne LiDAR data and simulated point clouds show a clear improvement of the proposed method compared with the standard eigen-features. The classification accuracy is improved by 1.6–4.5% using a supervised classifier.     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

顾及空间上下文关系的JointBoost点云分类及特征降维

随着激光雷达技术的发展及广泛应用,点云数据的分类及理解成为了目前一个研究热点。本文研究了较复杂的电力线路走廊场景的点云自动分类方法,目标类别为地面、植被、建筑物、电力塔、电力线等。本文首先归纳、定义了点云分类所需的关键特征,并利用JointBoost实现地物分类;同时,考虑到点云数据量大,其分类速度较慢,本文结合地物空间上的相互关联关系,提出了一种序列化的点云分类及特征降维方法。该方法在保证分类精度的前提下,使分类所需特征维数降低,缩短了分类所需时间。实际的电力线路走廊的激光扫描点云数据分类实验证明本文研究的分类方法的有效性。     

平台运动误差对机载LiDAR激光脚点分布的影响分析

为了有效地抑制与补偿平台运动误差产生的像质退化,针对机载激光雷达平台的运动特性研究激光雷达点云分布的变化规律。从理论上推导了平行扫描式激光雷达、Z扫描式激光雷达和圆锥扫描式激光雷达的点云坐标分布表达式;通过仿真讨论了机载激光雷达运动参数与激光雷达点云分布之间的规律;基于平行扫描式激光雷达,研究了5种运动误差对激光雷达点云坐标分布的影响,最终仿真得到根据影响程度由大到小依次为侧滚角误差、俯仰角误差、偏航角误差、机身上下抖动误差、速度瞬时变化误差。该研究结果为进一步研究机械补偿,以提高激光雷达系统成像的精度提供了理论依据和基础。     

机载激光雷达全波形数据与系统点云差异的定量分析

目前常用的小光斑机载LiDAR波形数据与系统点云数据的来源相关性较大,波形数据的优势难以严格定量地评价和比较。LeicaALS60机载LiDAR系统记录的全波形数据与点云数据相对独立,点云数据来自硬件系统脉冲探测方法,而波形数据是未加处理的原始回波序列。本文对原始波形数据进行分解获取发射脉冲的全部回波,与系统探测点云进行了定量对比,并选取典型林区和城区数据,得到波形在两种地物类型中垂直信息获取能力的定量表征参数。结果表明,波形数据对不同地物类型均能丰富垂直结构信息和提高点云垂直分辨率,且这种提高在林区表现优于城区人工建筑和裸地;激光对树木冠层的穿透能力更明显地表现在回波波形信息中,相较于传统点云激光雷达,全波形LiDAR在森林垂直参数获取方面潜力更大。