机载Lidar数据的农作物覆盖度及LAI反演

虽然Lidar点云数据已被广泛应用于获取森林各项结构参数,但这些方法并不适合于低矮的灌丛、林地和农作物。本文以玉米为研究对象,提出利用机载Lidar点云数据的强度信息和全波形数据中的距离与扫描天顶角信息,反演农作物覆盖度和LAI的方法。在黑河进行的飞行实验和地面验证表明,该方法具有较高精度,也表明Lidar在低矮自然植被监测和农业应用上有较大潜力。     

机载Lidar数据快速滤波方法

机载Lidar是可以快速获取数字表面模型(Digital Terrain Model,DTM)的一种遥感技术。它能够快速获取大范围地面精确的三维坐标,得到高密度的点云。为了从点云数据中提取地形信息,必须对地面点和非地面点进行分类,称之为滤波。现有算法不适合用于处理大规模数据。本文提出一种快速滤波方法,实验结果表明该方法能够快速准确地提取地形点。与现有的滤波方法相比较,其最大的特点是将二维滤波问题简化为一维滤波,滤波速度快。     

三维激光点云处理软件的若干关键技术

正一、点云处理工作三维激光点云需要处理的工作包括:点云去噪、点云平滑、点云编辑、点云分类、点云着色、目标识别、地物表面重构、影像与点云配准、基于影像与点云的单点测量、模型贴纹理等。地面三维激光扫描仪首先需要解决多测站点云快速拼接问题,包括地面站点云与车载、机载点云的拼接。二、点云处理关键技术1.点云数据存储海量点云的数据存储是点云处理首先需要考虑的一个基础性关键技术。目前比较常规的数据存储     

基于LiDAR数据的城市道路提取与重建

本文借助于GIS强大的空间数据管理和分析功能,以Lidar点云数据为数据源,对交通信息系统基础空间数据进行快速采集和更新。文章并且在前人工作的基础上,提出了一种新的基于四维Hough变换的Lidar数据的提取和分类方法,对提取的道路信息进行重构。实践证明,此方法较之传统Lidar数据分类和提取方法,能够有效地解决其计算量过大、噪声过于敏感、道路边缘方向不平行等问题,实现道路的自动提取。     

无人机Lidar技术在复杂艰险山区高精度制图中的应用

为解决复杂艰险山区高精度制图难题,本文提出了利用无人机Lidar技术获取高精度、高密度点云数据,针对不同地形特点,利用点云回波强度进行聚类,通过聚类结果选取滤波方法,提高分类及滤波精度;同时对密林等无法获取地面点云的特殊区域进行监督分类获取植被高度,结合穿透区的点云进行内插拟合,构建出更符合实际现状的地形数据。试验表明利用本文方法能够明显提高制图精度,满足艰险山区高精度制图要求。     

基于影像的地面激光点云数据分类

为了完成地面激光点云数据的分类工作,不同于传统方法利用点云的几何特性和辐射信息,本文利用非量测相机获取影像数据实现点云的分类。首先,通过相机检校获取相机的参数,从而得到影像内方位元素;然后,将影像与点云进行配准,计算出影像的外方位元素;最后,对上述参数进行优化,实现二维影像与三维点云信息的融合,进而完成点云分类。实验表明该方案可实现地面激光点云数据的分类。     

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。     

激光点云与航空影像融合分类

为了更好地利用激光点云数据和航空影像数据信息,改善影像分类效果,提出了将激光点云数据与航空影像进行融合分类,实现面向对象的融合分类方法。在航空影像的分水岭分割算法中加入激光点云高程信息计算梯度,然后结合两种数据源的特征,建立分层分类的规则集得到地物的分类结果。试验表明,激光点云的高程信息能够改善影像分割效果,也能将地面地物与非地面地物较好地区分,对建筑和植被的分类起到了有效作用。     

机载激光雷达测高试验及精度评价

基于Lidar系统所获取的点云数据,通过过滤将区域内的地形特征信息与地物信息相分离,获得高精度的DSM及DEM,并利用外业GPS实测数据对过滤后的试验区Lidar地形数据精度进行评价,为激光雷达技术应用于较大规模的测绘生产提供参考。     

地面激光扫描数据处理系统的设计与实现

尽管地面激光雷达数据采集的工程应用日益广泛,但激光雷达点云数据的海量特征及数据处理的复杂性,导致地面激光扫描点云数据处理软件系统严重滞后。针对这一现状,本文提出地面激光扫描数据处理系统设计架构及实现方式。首先确立以点云数据引擎及三维交互可视化作为系统的内核,其中点云数据引擎负责大数据的存取,三维交互可视化实现数据处理的计算可视化与成果展示;然后在此内核基础上构建数据交换、点云配准、点云重建、点云分割、模型重建、纹理重建六大数据处理功能层;最后针对系统大数据的处理分析其关键技术,并给出实现方法。     

基于机载LiDAR点云数据的高效自动分类生产技术研究

主要介绍了基于TerraSolid软件相关工具的LiDAR点云数据具体分类流程及利用比利时弗兰德斯(Flanders)约3 000 km~2LiDAR点云数据针对不同地形、地物的特点进行地面点自动分类提取实验,结合实验结果及经验,总结针对不同地形、地物的LiDAR点云数据的高效自动分类生产方式。     

基于TerraSolid软件的Lidar数据处理初探

介绍了Lidar数据处理软件--TerraSolid的主要功能模块,然后讨论了基于该软件进行Lidar数据处理从资料准备、系统设置到工程定义,再到数据读入、航线拼接,直至激光点分类的全部过程,并总结了生产实践中的经验.     

激光雷达点云与摄影测量点云——检测防洪工程的点云技术

机载Lidar和摄影测量可以通过捕获点云对人造复杂结构进行3D建模。虽然两种方法都能获取到点云数据,但由于采集数据的方式有多方面的不同,导致两种点云具有不同的特征。在本文中,作者就对防洪工程的检测实验,评估了在无人机载条件下激光雷达和摄影测量采集的两种点云数据。     

利用机载激光三维点云构建张家界地貌DEM

以张家界地貌为研究对象,以武陵源区218km²为研究范围,采用平均点云密度为每平方米8~15个点的机载激光雷达三维点云数据进行高精度DEM制作。根据张家界地貌的复杂性,使用Terrasoild软件设计了区别于传统方法的分类流程和分类参数,采用自动和人机交互的分类方法完成点云数据的地面点分类,构建了张家界武陵源区不规则格网和规则格网的1:2000的DEM模型,为张家界地貌的定量分析提供了数据基础。     

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。     

机载Lidar技术在高速公路勘测中的应用

机载Lidar系统主要由激光发射系统、POS系统、CCD相机、计算机及存储设备等组成,能够快速获取高精度的地面点三维坐标信息以及影像数据,利用Terrasolid软件能够生产DEM、DOM及DLG产品。本文结合文莱高速公路项目详细阐述了机载Lidar系统在高速公路勘测中的应用。     

正射影像辅助下的LiDAR点云构建DEM方法

提出了结合两类数据的DEM生成方法,该方法先将原始LiDAR点云自动滤波得出粗略地面点,经数据抽稀后提取地面关键点点集,再利用航迹文件和相机文件进行空三加密生成数字正射影像。在此基础上将粗分类点云与正射影像匹配,在少量人工干预下,对点云进行二次分类获得精确地面点点集,构建DEM。实验结果表明该方法是可行和有效的。     

地面激光扫描点云数据预处理综述

地面激光扫描点云数据预处理是激光扫描测量数据内业处理的重要研究内容。本文首先总结了激光点云数据的特点、激光点云数据预处理的关键技术及相应的研究意义。然后总结了海量激光点云的主要存储方式及几种常用的数据组织结构;从拼接精度出发将现有多站点云拼接方法归结为粗拼接法和基于ICP的精拼接法;根据简化压缩算法的特征保持能力将其归为可保持特征的简化法和不能保证特征的简化法两类;确定了去噪和光顺分别研究的噪声类型,总结和分析了当前一些去噪和光顺算法的研究现状。最后对地面激光扫描点云数据预处理作了整体性总结与展望。     

机载激光雷达点云的阶层式分类

激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术。本文介绍了几种激光雷达数据过滤算法,提出了激光雷达点云数据的阶层式分类策略,并将基于航拍影像数据进行着色后的机载激光雷达点云数据作为研究对象,对其应用激光雷达数据过滤算法进行阶层式分类。实验结果表明,此种方法能有效地对大部分地物信息进行过滤和分类。     

星载毫米波测云雷达资料的云特征分析

基于CloudSat卫星资料, 综合地基和天基遥感资料云特征反演算法, 开展了云分类和云相态识别方法研究, 并将所得结果分别与CloudSat数据处理中心(DPC)发布的云分类产品和CALIPSO星上载荷Lidar产品进行了比对分析和个例研讨。