基于城市防洪排涝LIDAR数据处理及易涝区提取方法研究

由LIDAR技术获取点云并处理制作的DEM成果,以其特有的高精度特点不仅能满足易涝区域数据提取,还能直观展现精确的城市地表起伏形态。结合台州市第一次地理国(市)情普查项目专题——"防洪排涝"对城市易涝区域的LIDAR点云及DEM数据提出的要求,研究了将LIDAR点云制作成为DEM技术的快速实现方法,论述了基于LIDAR DEM提取城市易涝区域数据的技术手段。     

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。     

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。     

LIDAR标准数据格式(LAS)的解析与处理

LIDAR(Light Detection And Ranging)是近年来兴起的一种快速获取地物目标三维信息的主动遥感技术。LAS格式是测量与遥感(ASPRS)协会下属的LIDAR委员会制定的标准LIDAR数据格式,该格式是目前最常用的LIDAR数据存储格式,可以比较好地解决多属性离散激光点云数据的存储问题。具有结构严谨、便于扩展等优点。LAS格式先后有1.0,1.1,1.2,1.3四个版本。本文研究的内容是基于1.2版本,在对LAS格式进行解析的基础上,采用C++语言开发相应的读写功能,实现对数据的读取、修改、转换等常规处理。     

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.     

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。     

LAS格式解析及其数据的读取与显示

LAS格式是机载激光雷达测量系统（LIDAR）的标准数据格式。2009年7月14日,美国摄影测量与遥感（ASPRS）协会下的LIDAR委员会发布了LAS格式最新标准1．3版。现对1．3版与目前较为常用的1．0版进行了解析与比较,同时简要介绍了已发布的LAS2．0版,最后以VC＋＋作为开发平台,应用内存映射与OpenGL技术实现对LAS文件中的点集数据进行快速读取显示,并通过试验验证了读取和显示效果。     

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。     

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。     

融合航空影像的机载激光扫描数据分类与特征提取

机载激光扫描测距技术（LIDAR）在快速数据采集、建模、分析和使用等方面得到广泛应用。然而,目前的激光扫描数据处理技术,尤其是点云数据后处理技术方面,仍然存在许多有待改进之处。本文从硬件系统和原始数据处理入手,研究了点云数据的数据预处理、点云数据分类、点云与影像匹配以及基于匹配结果的特征提取的理论与方法。本文的主要工作在于： 1,系统总结了当前主要的机载激光扫描系统测距原理和系统组成,并给出了自2008年以来,世界上的主要机载LIDAR系统的参数对比。 2,以Leica公司的ALS50系统为例,总结了使用该系统数据采集、数据内业处理的流程。同时,研制了一个自动化处理的软件用于原始数据的自动化处理,提高用户处理效率。 3,从GPS差分数据结果出发,总结了数据处理过程的三个重要模型：载体航迹线推算模型、点云定位计算模型以及机载激光扫描角度反算模型。并以IPAS和ALSPP软件输出结果为依据,进行了模型的计算和验证。 4,将在图像直方图分割领域的两种方法：全局迭代算法和最大类间方差算法引入点云数据的分类过程。针对点云数据一般具备多对象的特点,引入多阈值的直方图分割方法。大范围区域点云的高程直方图与小范围区域点云的直方图表现不一致,因此本文提出一种多子区的直方图分割方法,实现大范围点云分类。 5,将在模式识别和对象跟踪领域应用广泛的Mean Shift算法引入到点云数据分类过程中,总结提出了基于Mean Shift算法的点云数据分类方法。 6,提出一种新的分类方法：基于三维数学形态学的点云数据分类方法。在点云数据三维数字图像表达的基础上,扩展形态学膨胀和腐蚀运算的空间适用性,将二维的膨胀和腐蚀运算扩展到三维空间。对点云数据三维数字图像进行膨胀运算,然后通过聚类分析,得到连接成片的像素（点云片）,并以此为依据,分类点云数据。 7,总结了点云数据与航空影像进行两种匹配方法：粗匹配和三维数学微分纠正。并提出了一种拟合选取特征点方法用于粗匹配过程。 8,基于点云和影像的融合结果,扩展了Mean Shift算法的应用范围,尝试对多维异源点云数据进行目标分类。该方法可将光谱和回光强度信息一起参与Mean Shift算法的计算。 9,在目标分类的基础上,使用二维形态学方法对分类后的点云进行了分割处理和边缘特征提取。经过点云分割,可得到每个对象的点云以及对象的二维边缘特征。 10,基于点云与影像的融合结果,考虑LIDAR系统采用激光的特定光谱特性,提出基于融合结果的影像水体提取方法。通过由点云形成的不规则三角网对水体区域进行大致定位和提取,并采用Mean Shift算法对水体进行精化,得到精确的水体边缘。本文的创新点主要在于： 1,提出一种点云的扫描角度计算验证模型。基于航迹线数据和点云数据,该模型可以反算激光扫描角。 2,提出一种新的点云数据分类方法：基于三维数学形态学的点云分类方法。 3,提出一种融合点云的航空影像水体特征提取方法。     

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。     

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.     

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。     

三维激光扫描系统点云数据向AutoCAD数据格式的转换

Cyra三维激光扫描系统是一种先进的测绘仪器,但由于它所采集的数据量过于巨大,当需要将它采集的点云数据在AutoCAD平台进行处理时,普通的个人电脑还无法运行如此海量的数据,以在辽宁省阜新市热电厂采集的管线数据为例,采用数据分割、稀化等手段,解决点云数据在AutoCAD平台上无法正常应用的问题,总结出一种切实可行的技术方法。     

机载LIDAR技术在城市建筑物高度分级中的应用

机载LIDAR技术解决了如何快速、准确地获取地物高度的难题,同时为地物高度信息的应用提供了有效的技术手段。本文根据地理国情普查中建筑物分类指标体系,分析离散点云数据高程关系和分类过程,实现了一种基于点云阶层式分类的城市建筑物高度分级的技术方法,并在Terrascan软件环境下验证了该方法的可行性和快速性。     

机载激光雷达点云数据的实时渲染

提出了一种实时绘制大规模LIDAR点云数据的方法。该方法通过构建一棵顺序四叉树使点云均匀分布在四叉树节点上,来实现快速的数据筛选。阐述了顺序四叉树的快速建立,并通过一个试验系统验证了文中所提方法的有效性。试验表明,使用目前普通配置的计算机,通过自适应控制绘制的数据量,可以实时绘制约1GB的原始点云数据。     

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.     

机载激光雷达数据的地物分类方法及处理方式

机载激光雷达技术衍生于传统的工程测量中的激光测距技术,是传统雷达技术与现代激光技术结合的产物,是遥感测量领域的一门新兴技术。随着机载激光雷达数据的不断发展,其在基础测绘、城市三位建模、铁路、电力等领域有着越来越广泛的应用,然而机载激光雷达数据刚扫描完的数据全部存放到一个点云层,不利于后期数据的分析、应用。因此,本文以处理吉林省白城市激光点云数据的方式为例,介绍了机载激光雷达点云数据的处理方式及地物分类的原则。     

基于深度学习的移动激光点云数据自动分类方法研究EI北大核心CSCD

随着物联网、大数据、人工智能等技术的快速发展,智慧城市成为国内外学者研究的热点领域。城市三维地理空间信息的获取与处理是建设智慧城市的基础,也是亟待解决的关键技术之一。目前,移动激光点云分类多为人工和半自动方式,数据解译的自动化程度低,导致点云利用率下降,制约了移动激光点云在高精地图、自动驾驶和智慧城市等领域的应用。