基于格网化LIDAR点云数据坡度滤波方法的研究

LIDAR数据是目前生产DEM/DSM最为理想的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。本文提出了一种将LIDAR点云数据格网化与坡度滤波相结合的点云分类方法,该方法将数据格网化的概念用于LIDAR点云数据的预处理,避免了LIDAR点云数据内插或者平滑造成的信息损失,并且引入坡度突变对格网化处理后的LIDAR点云数据进行第二次地面点的选取,提高了LIDAR点云数据分类的效果。     

基于航空LIDAR点云数据提取城市地区建筑物的目标

以航空LIDAR点云数据为基础,在无其他辅助数据的情况下,采用数字图像处理技术,实现基于航空LIDAR点云数据提取城市地区建筑物的目标.     

基于剖面和迭代选权曲面拟合的LIDAR点云滤波算法研究

LIDAR数据是目前最为理想的生产DEM/DSM的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。提出了一种剖面的数据表达方式对离散的LIDAR点云数据进行组织,同时对点云数据做初步的分类,在此基础上用迭代选权曲面拟合的滤波算法对地面点和非地面点做进一步的分类,以提高LIDAR点云数据的滤波效果的方法。     

利用机载激光点云数据生产DEM的关键技术分析

着重分析了利用机载激光点云数据提取DEM的关键技术：预处理、点云滤波与分类、高精度DEM制作与质量评价技术;建立了基于机载激光点云的DEM生产技术流程,并将其应用于宁波市地理国情普查市情专项——高精度地表模型制作项目中;构建了宁波市建成区规则格网1：2000比例尺的高精度DEM模型,为宁波市地理国情普查提供了数据基础。     

基于LIDAR数据的建筑轮廓线提取及规则化算法研究

建筑轮廓线提取与规则化是LIDAR数据处理和建筑三维建模的重要步骤和技术难点.首次将"Alpha Shapes算法"应用于LIDAR数据处理,实践证明该算法简洁高效、运行稳定、提取精度高,适用于任何形状的建筑轮廓线提取,并具有一定自适应性和滤波功能,非常适合LIDAR点云数据提取建筑轮廓线.同时,提出了改进的"管子算法"用于原始轮廓线的简化,提出了适用于四边形的"矩形外接圆法"和适用于多边形(大于四边且边数为偶数)的"分类强制正交法"以进一步实现轮廓线的规则化,最终解决了离散点云提取规则建筑轮廓线的核心问题.实践证明,本文所述算法适用于凸凹多边形建筑内外轮廓线的提取与规则化.     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。     

基于LIDAR数据的DEM规模化生产关键技术研究

对机载LIDAR扫描数据对DEM规模化生产的方法展开了阐述,详细地介绍了机载LIDAR扫描数据制作精细DEM的生产流程,为生产单位DEM的规模化生产提供了有力的保障。     

多源数据与机载LiDAR数据的DTM提取算法

本文提出了基于坡度因子的概念、利用已知DEM辅助信息、针对LIDAR点云迭代进行DTM提取的新方法。主要介绍了多源数据配准、激光点云滤波算法的原理,并在山地、居民、水域等地区进行了实验,同时应用两种精度验证方法对实验数据进行运算和评价。实验证明该算法不依赖初始坡度设定,自适应性较好。     

基于地形变化检测的机载LiDAR滤波方法

LiDAR滤波是从其数据中提取数字地形模型(DTM)的一个主要步骤。当前的LiDAR滤波方法大都是通过单一的LiDAR点云数据来进行的,由于点云缺乏真实数据作参考,在滤波时可能会出现较大的误差。因此,提出一种基于地形变化检测的机载LiDAR滤波方法。首先将LiDAR点云数据与已有的DEM数据精确配准并统一到同一坐标系下,然后对LiDAR点云数据进行格网化组织,使LiDAR点云数据与DEM数据中相应的区域对应,最后把已有的DEM数据与LiDAR点云数据叠加进行滤波。为了验证该方法,采用城区和山区2种不同地形特点的数据分别进行试验。结果表明该方法能有效滤除城市和山地环境中的地物,并且保留地形的细节信息。     

基于LIDAR点云数据的电力线提取和拟合方法研究

从LIDAR电力线扫描数据的高程分布特点出发,提出了基于点云高程数据平面投影的电力线提取和拟合算法。首先通过高程自动阈值分割初步剔除地面点;其次,通过高程投影和重采样将高程分布转换为高程值影像,在影像空间通过直线检测实现电力线提取和拟合;最后,提出了基于数学形态学的电塔分割和潜在危险地物检测。通过对LIDAR点云数据电力线提取和拟合试验表明,本文算法能较好地实现电力线拟合、电塔提取及危险地物检测,可用于基于LIDAR的电力巡线。     

机载LiDAR制作高精度DEM的关键技术分析

介绍了LiDAR数据生产DEM处理流程,选取淮河某一区域的点云数据,重点研究自动滤波技术在高树植被区域、居民区域、光伏区域的滤波效果以及人工分类方法在低矮植被区域的分类效果,计算野外检测点,对DEM同名点高程中误差进行精度评定。实验结果表明,自动滤波技术对高树植被、房屋区域、光伏区域等区域点云,能高效、准确滤掉非地面点,保留真实地面点;人工分类手段用于低矮植被分类效果明显,有效解决了自动滤波在该类区域分类效果不佳的问题;野外检测点和DEM同名点高程中误差满足设计精度要求,以点云数据生产高精度DEM具有可行性。     

无人机遥感技术制作 DEM 新方法

无人机遥感技术能够快速制作地表模型DSM ,由于测区地物的存在,地表模型不能替代DEM ,本文提出利用激光点云处理软件 Terrasolid软件,通过高程分类算法对点云数据进行分类,通过人机互助快速提取出地面点制作DEM 。     

资源三号立体数据云区域DEM修正方法研究

针对有云的资源三号立体数据生成的DEM存在的问题进行了分析,提出了DEM的修正方法。首先,利用面向对象图像分割的原理,建立规则提取云区域,并形成云区域矢量文件;然后,利用提取的云区域裁剪外部参考DEM,得到云区域修正的DEM值,并利用栅格运算替换资源三号原DEM中云区域的值;最后,得到研究区无云区域的修正DEM。并利用湖北咸宁地区资源三号立体数据和30 m ASTG DEM数据进行了实验验证,实验证明,本文方法可以有效地去除云区域的错误DEM值,为后期应用提供更可靠的DEM数据。     

一种基于移动曲面拟合的机载LIDAR点云数据滤波方法

针对机载LIDAR点云数据滤波问题,在分析张小红教授提出的移动曲面拟合法滤波的基础上,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于移动曲面拟合的机载LIDAR点云数据滤波方法,并通过实验验证了该方法的可行性和适用性。     

面向复杂山地的机载LiDAR与无人机影像融合应用

本文针对LiDAR点云与无人机影像数据特征的优缺点,利用LiDAR点云与无人机DOM影像融合,将影像数据光谱信息赋给LiDAR点云数据,使其不仅具备精准的空间结构信息,还能得到清晰的纹理信息。为验证融合数据应用的可行性与数据提取的准确性,对融合前后的点云数据进行地面点提取与DEM构建。试验表明：将无人机影像的光谱信息赋给LiDAR点云数据,可以实现LiDAR点云数据从四维度表达到七维度的拓展,融合后点云数据具有清晰的纹理信息,地物类型判读更加容易,地面点分离完整;通过DEM模型的对比分析,融合后点云数据构建的DEM模型表达更加接近真实地表。研究结果为多源点云数据的深化应用提供了一定的技术方法支持作用。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

国家新型基础测绘体系建设试点区域1 m间隔点云数据获取处理与质量分析

地形级地理场景生产是国家新型基础测绘体系建设在山东试点的重要任务之一,作为地形级地理场景的主要组成部分,DEM一般基于机载LiDAR点云数据制作。笔者所在单位选择高密市作为试点区域,采用徕卡CityMapper混合航摄仪获取了试验区优于1 m间隔的点云数据,并对飞行质量和点云质量进行检验,对点云高程和平面位置精度进行检核。试验验证了徕卡CityMapper混合航摄仪数据获取的精准和高效性,为即将全面实施的山东省陆域1 m间隔点云数据获取处理项目提供了技术方案,且为DEM制作和地形级地理场景的生产提供了保障。     

基于知识的LIDAR数据地物提取研究

激光雷达能够直接获取所观测对象表面点的3维坐标以及该点的强度信息。在缺少光谱信息以及其他的辅助数据的情况下,如何有效地从激光扫描所获取的“点云”数据中进行地物点的分类和提取,是目前LIDAR数据处理研究的重点问题之一。提出一种在缺乏其他辅助数据的情况下,基于知识的辅助,直接从激光雷达扫描数据中进行地物提取的方法。实验证明该方法能有效地从LIDAR数据中提取出感兴趣的目标点。     

机载LiDAR数据建筑物顶面点云分割方法研究

建筑物顶部面片的精确分割是机载LIDAR点云数据中建筑物三维重建的关键。本文在LIDAR点云数据法向量分析及曲率计算的基础上,采用曲率最小点作为种子点,以点云法向量角度差和灰度值差作为生长条件,构建了LIDAR点云数据的建筑物顶面面片区域增长分割方法,并进一步对分割面片的邻接点进行处理,用于建筑物三维模型的重建。实验结果表明,本文建立的算法可准确的分割不同结构类型的建筑物顶面,并能够有效区分植被点云。     

一种基于平面拟合的LIDAR点云滤波方法

LIDAR点云滤波是将LIDAR点云数据中的地面点和非地面点分离的过程。根据在较小区域内可以近似认为地面为一平面,本文提出了一种应用平面拟合的方法,首先在一个局部区域内拟合出一个近似平面,通过判断LIDAR点是否属于该平面来获取平面点,并通过分类处理从平面点中得到地面点,最后用得到的地面点内插出DEM。滤波前,需要剔除高程异常点,本文应用了高程差约束算法抑制高程异常点,从而较好地保持了原始数据的局部细节信息。