平面约束条件在LIDAR点云滤波中的应用

介绍了一种利用平面约束条件对LIDAR点云数据进行滤波的方法,利用每个数据点的邻域点拟合平面,根据平面约束条件和平面点分类方法得到地面点,最后利用地面点内插该区域的DTM.     

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。     

多级移动曲面拟合LIDAR数据滤波算法

为提高城市区LIDAR数据滤波精度, 提出了一种多级移动曲面拟合滤波方法。建立区块网格搜寻及索引机制完成对离散LIDAR点云的标示; 通过建立二次多项式完成参考曲面的拟合, 不同窗口大小获得不同层次的拟合曲面; 设置自适应阈值, 完成地面点与非地面点的判断。精度评价结果表明, 该滤波算法误差在1m以内, 能够满足实际应用的需求。     

基于自适应和多尺度数学形态学的点云数据滤波方法

数学形态学滤波是从激光雷达(LIDAR)点云数据中识别地面点、创建数字高程模型的一种重要方法.在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题的基础上,提出一种改进的、多尺度的、具有一定自适应性的数学形态学滤波算法.该方法通过构建一个粗糙的地面不规则三角网(TIN)来确定实验区域的地形特征,从而选择恰当的地形坡度参数,用于多尺度数学形态学滤波中高差闻值的计算.将每次迭代前后高差小于阈值的点划分为地面点,同时保留地面点的高程值用于下次的迭代计算.实验结果表明该方法能够有效识别地面点和地物点,并且保留地形的细节信息.     

LIDAR地面点云的简化方法研究

针对LIDAR点云数据量庞大,冗余信息多等不足,提出了一种基于点云局部离散度的LIDAR地面点云简化方法,实现了依比例尺精度要求的LIDAR地面点云的快速简化.     

基于车载激光扫描的城市典型道路面点云提取

针对城市典型道路结构特征，提出一种车载道路面点云数据提取方法。根据高程阈值算法对原始车载激光扫描点云数据进行滤波处理，得到地面点，再使用改进区域生长算法对地面点进行处理，提取得到道路面点云。通过实测车载激光扫描数据进行实验，结果表明，本文提出方法提取道路面点云结果的检测质量q、完整性r以及准确性p均在93%以上，本文方法是行之有效的。     

以窗口化和地形坡度为基础的植被茂密区域点云滤波算法

三维激光扫描仪获得经典地貌的点云数据,需进行滤波剔除地面植被。由于植被茂密区域点云密集或遮挡,地面点极少,无法拟合出地形表面,这部分植被点很难剔除。针对植被茂密区域点云数据的特点,本文提出以窗口化和地形坡度为基础的植被茂密区域点云滤波算法,认为非地形坡度引起的高程差异的两相邻点中,较高的点为非地面点。试验结果表明,本文算法可以很好地去除植被茂密区域中低矮的植被点,保留真实的地面点,提高了植被茂密区域点云滤波的处理精度。     

机载LIDAR点云的城市平顶建筑物提取方法研究

本文以滤波后的机载LIDAR非地面点集作为数据源,提出了基于平面拟合及法向量的区域生长建筑物分类算法,剔除了大量的非建筑物点集,但在这些点云中仍存在少量非建筑物点,为了精确去除非建筑物点,分割出每个建筑物点集,提出了基于点集特征约束的建筑物分割算法,依据点数、点集离地面平均高度及平面面积特征分割每个建筑物,实验结果表明,该算法可完整去除非建筑物点,具有重要的应用价值。     

密集低矮植被区LiDAR点云地面滤波算法

针对地形复杂且低矮植被茂密的矿区LiDAR点云特点,本文提出了一种基于坡度信息并结合平面拟合的地面滤波算法。该方法采用二级格网法逐级选取地面种子点,在每个一级格网中,利用地面种子点通过最小二乘拟合法进行平面拟合并构建地面模型,最后达到区分地面点和非地面点的效果。与传统坡度法和布料模拟法的对比试验表明,该方法能够有效滤除密集低矮灌木,以及较好地保留较大坡度地形。     

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。     

Automatic extraction of building roofs using LIDAR data and multispectral imagery

Automatic 3D extraction of building roofs from remotely sensed data is important for many applications including city modelling. This paper proposes a new method for automatic 3D roof extraction through an effective integration of LIDAR (Light Detection And Ranging) data and multispectral orthoimagery. Using the ground height from a DEM (Digital Elevation Model), the raw LIDAR points are separated into two groups. The first group contains the ground points that are exploited to constitute a ‘ground mask’. The second group contains the non-ground points which are segmented using an innovative image line guided segmentation technique to extract the roof planes. The image lines are extracted from the grey-scale version of the orthoimage and then classified into several classes such as ‘ground’, ‘tree’, ‘roof edge’ and ‘roof ridge’ using the ground mask and colour and texture information from the orthoimagery. During segmentation of the non-ground LIDAR points, the lines from the latter two classes are used as baselines to locate the nearby LIDAR points of the neighbouring planes. For each plane a robust seed region is thereby defined using the nearby non-ground LIDAR points of a baseline and this region is iteratively grown to extract the complete roof plane. Finally, a newly proposed rule-based procedure is applied to remove planes constructed on trees. Experimental results show that the proposed method can successfully remove vegetation and so offers high extraction rates.     

利用机载LIDAR双次回波高程之差分类激光脚点

机载LIDAR技术已经引起了测绘界的浓厚兴趣,有可能给测绘领域带来一场新的技术革命。机载LI-DAR技术的硬件设备在国外已相对成熟,而机载LIDAR的数据后处理算法仍然处于研究发展阶段,还有诸多问题没有得到解决,其关键之一就是机载LIDAR数据的滤波与分类。本文首先对已有的滤波分类方法进行了综合评价,并指出了各自的局限。然后提出利用两次回波信号的高程数据来实现对机载LIDAR数据的分类。首次分类后得到植被激光脚点点集和地面及房屋激光脚点点集。而房屋上的激光脚点要高出地面上的激光脚点数米之多,简单利用阈值法就可以进一步分类出房屋激光脚点和地面激光脚点。也可以先经过滤波处理将地面激光脚点去掉,然后利用两次回波信号的高程数据来分类自然植被激光脚点和人工地物激光脚点。实验证明所提方法简单有效,算法简单实用,特别适用于分类植被激光脚点。     

基于等高线的表面估计滤波方法

提出一种基于等高线的滤波方法,它先由LIDAR数据生成数字表面模型,并内插出等高线,再根据DSM等高线的特征,如闭合性、首尾点距离、等高线的长度及等高线间距离等,通过设定阈值自动提取出属于自然地面的等高线线段,以获得初始的自然地面点,然后内插生成初始数字地面模型,最后使用迭代逼近法生成最终的(精确的)数字地面模型,即比较初始DTM与DSM,差值小于预设阈值的点视为DTM点,而差值大于预设阈值的点则标记为无数据点,最后,这些无数据点由选择的DTM点内插出.通过与现有表面估计的滤波方法的对比实验以及所提取地物轮廓线与航片的叠加对比试验,证明新方法可适用于地表起伏较大的地形,地物提取精度高、计算量小、效率高.     

LIDAR数据不规则建筑物的矢量化

基于LIDAR数据的建筑物边界提取可以结合其它遥感数据,也可以单纯利用点云数据.利用单纯激光数据提出一种对不规则建筑物边界判断及矢量化的方法,可以有效识别出边界线的线型,并对各种弧形进行矢量化.     

再次改正LIDAR点云高程的方法

讨论对LIDAR点云的高程值进行再次改正的必要性和改正方法,提出构建Delaunay三角网对LIDAR点云的高程值进行再次改正的方法,实例改正结果表明,改正后的LIDAR点云的高程精度能够大幅度提高。     

基于多分辨率方向预测的LIDAR点云滤波方法

为了快速提取LIDAR点云中的地面点,生成高精度的DTM,提出了一种基于多分辨率方向预测的LIDAR点云滤波方法。该方法首先构建多种分辨率数据集,然后基于方向预测法以分辨率由低到高的顺序逐层进行数据集的平滑处理,最后以最高分辨率数据集的平滑结果为基准标记原始LIDAR点云。本方法通过分析反距离权重插值模型的不足,利用改进的模型进行裸露地面点的插值,得到高精度的DTM。实验表明,本文方法能有效地滤除地物,并保持原有的地形特征,算法效率高,具有一定的实用价值。     

结合强度信息的LIDAR数据滤波方法

机载激光扫描系统可以直接生成扫描区域的数字表面模型,但是为了提取数字地面模型还须对LIDAR数据进行滤波处理。本文分析了用坡度法对机载LIDAR数据进行滤波的不足,并结合LIDAR数据中的强度信息,提出了一种结合强度信息的LIDAR数据滤波方法。与坡度法相比,该方法提高了滤波的精度和效率。试验结果表明该方法计算速度快,并能够有效地滤除LIDAR数据中的地物。     

一种应用于城市区域的自适应形态学滤波方法

数学形态学滤波是从激光雷达数据中识别地面点、创建数字高程模型的一种重要方法,在应用中取得了较好的效果,但也具有一些明显不足。在分析现有方法优劣及城市地形特点的基础上,提出一种应用于城市环境的自适应形态学滤波算法。该方法采用分层识别策略：首先通过分割得到地面主体部分;之后利用正规化高度值寻找其余地面区域;最后估计地物覆盖区域地面点取值。采用三个不同分辨率、不同地形/地物特点的数据集进行了实验,结果表明该方法能有效识别地面和地物点,并解决了窗口尺寸限制、粗差误判等问题。