基于TIN渐次加密的LiDAR点云数据滤波

传统的滤波算法通常是针对具有连续表面的简单区域来进行,因此带有一定的局限性,且不能解决复杂城区地形准确提取的难题。因此,本文提出了一种改进的基于TIN渐次加密的LiDAR点云数据滤波方法,该方法先对原始点云利用多尺度虚拟网格筛选地面种子点;然后,对种子点构建初始TIN表面,在此基础上进行向上加密;最后,得到的TIN三角网则为真实地形表面。实验结果表明,该方法能有效地滤除建筑物、植被和其他地物,并较好地保持地形特征。     

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。     

基于机载LiDAR点云滤波的矿区DEM构建方法

机载Li DAR数据是进行矿山高植被覆盖区地面塌陷调查的有效工具。利用湖南某矿区的机载Li DAR点云数据,提出了一种基于区域分割的渐进三角网滤波构建DEM的方法。首先,对原始机载Li DAR点云数据进行重新组织,以提高邻域点计算效率;其次,结合高程差计算区域统计值,按照地形情况分割测区内的地面点和非地面点,利用地面点构建初始稀疏TIN模型;然后,通过计算其他点与TIN的距离,渐进加密三角网,提取地面点;最后,剔除孤立点,生成格网间距为1 m的DEM。研究结果表明:基于区域分割的渐进三角网滤波构建的DEM能够较为精细地表达地形信息,特别在高植被覆盖区域,能够提取出高精度的真实地表DEM,可更加准确地表达出矿区高植被覆盖区的地表塌陷位置和范围等信息。     

地形自适应车载LiDAR点云滤波

针对车载LiDAR点云进行地面点滤波时,基于常规TIN、坡度等滤波算法不能根据局部地形变化自动调整阈值的问题,该文结合城市点云特征和地形起伏度,提出地形自适应的车载LiDAR点云滤波方法。该方法通过引入地形自适应参数进行区域增长阈值的动态调整,实现地面点、非地面点的自动精确滤波。通过实测数据试验,结果表明该方法可适用于车载LiDAR城市点云中地面点和非地面点的较精确分类,解决低矮浅丘、低矮灌木等地物点不容易正确分类的问题。     

基于TIN的山区点云滤波研究

针对地形复杂、起伏较大的山区激光点云滤波精度低的难题,在深入理解不规则三角网(TIN)渐进加密算法基础上,首先对原始点云数据进行去噪和滤波处理,然后定量分析和比较不同参数阈值下的滤波效果。结果表明,参数阈值对基于TIN的滤波算法结果影响较大,需要结合具体的研究区域设置合适的阈值,普适性和自适应性强的滤波算法仍是点云滤波研究的重要内容。     

顾及地形断裂线的LiDAR点云滤波方法研究

针对山区LiDAR点云的特点,对TIN滤波算法的三个重要环节进行了改进:1利用一种简单、快速的随机化格网搜索算法来获取更多的精确初始地面点;2提出一种地形预测角的判断准则来提高地形断裂线附近区域的滤波精度;3对每个激光脚点设置加密优先级,并在滤波过程中动态调整优先级大小,优先级高的激光脚点先进行判断,加密优先级的引入提高了TIN滤波算法对地形的适应性。最后,采用两块分布有大量地形断裂线的山区数据进行实验验证,并与传统的TIN滤波算法进行比较分析,结果表明,改进后的TIN滤波算法可以有效地保留山区的地形断裂线特征,提高了算法在山区的滤波精度。     

TLS三维点云聚类滤波算法应用研究

现有地面三维激光扫描点云数据滤波算法较少,针对地形复杂区域的点云滤波效果更是不甚理想,因此对二维聚类算法进行改进,提出三维点云聚类滤波算法,并对其在地形复杂区域的TLS数据滤波中的应用进行研究。以重庆鸡冠岭危岩体的TLS数据为例,分别采用曲率平滑滤波方法和文中提出的点云聚类滤波方法处理,并对两种方法处理过的数据进行形变量计算和分析。实验证明,针对植被覆盖茂密、地形复杂的山体,该方法的点云滤波效果较好,且处理速度有较大提升,能为点云后期形变量计算提供较好的基础。     

大钝角剖分与最小二乘法约束迭代算法优化TIN模型研究

TIN模型通过从不规则分布的数据点生成的连续三角面来逼近地形表面,就表达地形信息的角度而言,TIN模型的优点是它能以不同层次的分辨率来描述地形表面。但在相关软件对离散数据生成TIN模型时会出现边缘失真现象,特别是当一些离散数据出现凹区域时,凹区域地形逼近失真现象相当明显。而在这些凹区域大多生成的三角网以钝角三角形居多,本文对离散数据TIN模型生成DEM时存在凹区域地形逼近失真现象进行了研究。提出一种大钝角剖分与最小二乘法约束迭代算法优化TIN模型。首先对原始TIN模型中大于100°小于1800的钝角三角形进行遍历记录,然后利用最小二乘法约束迭代算法进行优化,通过此算法优化后的TIN模型生成DEM数据,分别从小区域面积稳定性与剖面拟合实际地形进行了试验与精度对比,试验显示这种算法是可行的。     

基于LiDAR的海岛岸线自动提取研究

为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。     

结合全景影像的车载街景点云数据增强方法

提出了一种结合全景影像的车载街景点云数据增强方法,首先结合基于密度的聚类方法 DBSCAN(density-based spatial clustering of applications with noise)分割算法和地物典型特征实现点云数据的分类及单体目标提取;然后对单体目标点云,通过构不规则三角网(triangulated irregular network,TIN),逐一进行缺失区域检测及相应边缘提取;最后提出了基于全景影像局部仿射变换的区域增长密集匹配方法,用于生成缺失空洞区域的真实三维点,实现点云数据的增强。实验表明,该方法能够实现车载街景点云数据缺失区域的填补,且点云增强的结果真实、可靠。     

一种从LIDAR数据提取城区DTM的方法

由机载激光扫描系统获取的点云数据,可以直接生成扫描区域的数字表面模型,但要想提取数字地面模型还须对点云数据进行分类处理。提出了一种获取数字地面模型的方法,其主要思路是利用原始的激光数据构建二维三角网,从而构建数字表面模型。通过分析数字表面模型的坡度进行初始的分割,剔出坡度较大的三角形。经过初步的分割之后,通过连通区域分析来获取每个分割区域的特征,提取出裸露地表高程,从而由点云数据构建出数字地面模型。     

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。     

一种基于分层约束的露天矿DEM构建方法

针对边坡的台阶状地形特征是露天矿地形表达的关键和难点问题,该文基于边坡台阶要素的空间关系建立边坡层次关系模型,采用一种逐层加入扩展点和约束线的方法生成扩展约束TIN模型,将某露天煤矿作为实验区,实现了露天矿DEM的动态建模。结果表明:提高了边坡坡面的层级可视化效果,保持了地形结构的完整性,实现了边坡实体单元的分层次表达,能够获得不同水平层次的DEM数据。基于边坡特征分析的分层约束方法为露天矿DEM的构建提供了一种思路,可为边坡监测、灾变分析和灾情预测等领域提供精确的地形数据。     

一种改进的LiDAR数据过滤方法

Lidar的数据过滤是数据预处理的重要步骤,也是获取高精度数字高程模型的关键。现有很多典型的过滤算法都是基于地面种子点逐渐恢复地面的,比如自适应TIN过滤法、迭代线性预测法,分层恢复过滤法等。初始地面种子点选择的好坏将直接反映到过滤结果的精度上,尤其是对丘陵地区的地形恢复,影响更大。本文对基于种子点的TIN三角网加密法(TS过滤算法)进行了深入剖析,并在种子点选择方法上提出了一种基于移动窗口法和最小残差法的混合式种子点选择方法,有效地提高丘陵地区地形恢复的准确度。     

Generalization of DEM for terrain analysis using a compound method

This paper reports an investigation into the generalization of a grid-based digital elevation model (DEM) for the purpose of terrain analysis. The focus is on the method of restructuring the grid-based surface elevation data to form a triangulated irregular network (TIN) that is optimized to keep the important terrain features and slope morphology with the minimum number of sample points. The critical points of the terrain surface are extracted from the DEM based on their significance, measured not only by their local relief, but also by their importance in identifying inherent geomorphological and drainage features in the DEM. A compound method is proposed by integrating the traditional point-additive and feature-point methods to construct a drainage-constrained TIN. The outcome is then compared with those derived from other selected methods including filtering, point-additive or feature-point algorithms. The results show that the compound approach is capable of taking advantage of both point-additive and feature-point algorithms to maximally keep the terrain features and to maintain RMSE at an acceptable level, while reducing the elevation data points by over 99%. The analytical result also shows that the proposed method outperforms the compared methods with better control in retaining drainage features at the same level of RMSE.     

基于改进的坡度滤波算法的LiDAR数据滤波

以规则格网来组织数据对坡度滤波方法进行改进,通过比较格网最低点与邻域最低点的坡度得到初始地形,再通过比较格网点与邻域格网最低点的判断获得数据点的地形信息,试验结果表明,对坡度的滤波方法有很大改进,也改善了滤波效果。     

基于点删除的地形TIN 连续LOD模型的建立和实时动态显示

介绍了一种对于地形不规则三角网(TIN)建立层次细节(LOD)模型和实时动态显示的方法按照给定的条件通过重复执行顶点删除和局部三角化，对TIN中的点和三角形数据结构进行调整，建立地形TIN的连续LOD模型。在显示的过程中，根据视点的远近从上述LOD模型自适应地获取和显示所需三角形，实现地形TIN的实时动态显示。     

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。     

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.