基于TLS的高压线塔倾斜与曲率变形研究

高压线塔是杆状构筑物,在受到开采等活动影响时,地表移动和变形对高压线塔的安全有重要影响。文中根据地表移动与变形规律,提出一种高压线塔倾斜与曲率变形分析方法。首先运用地面三维激光扫描仪扫描高压线塔,对点云数据进行分层处理,提取各层点云数据切片中心点坐标,计算高压线塔基础倾斜、塔身倾斜与曲率。研究表明,文中使用的三维激光扫描技术和数据处理方法能够较好地分析得出线塔基础倾斜、塔身倾斜与曲率等数据,规避传统监测方法塔基倾斜和塔身倾斜分开分析的弊端,为进一步研究线塔倾斜变形奠定技术基础,为线塔的变形分析提供可靠依据。     

激光雷达和点云切片算法结合的森林有效叶面积指数估算

叶面积指数(LAI)是定量模拟和刻画植被冠层结构、生理过程以及研究森林生态系统碳水循环中物质和能量交换的重要生物物理参数之一。定量分析林冠元素的3维空间分布是准确估算森林叶面积指数的重要基础和关键步骤。本文利用地面激光雷达扫描系统(TLS),获取了不同树种、密度、年龄和空间分布的森林3维点云数据,利用"径向半球点云切片"和"点云法向量重建"算法分别计算森林的角度孔隙率和消光系数,进而得到森林冠层的有效叶面积指数。通过与利用传统光学仪器得到的结果比较发现:单站半球式激光雷达扫描得到森林样方尺度的结果与LAI-2200和数字半球摄影观测所得结果的相关性分别为R2=0.7084(N=9,p0.01)和0.7409(N=14,p0.01)。通过角度分辨率(LBA)和角度孔隙率(AGF)的敏感性分析,建议径向半球切片算法的角度分辨率应参考中心单站TLS半球式扫描所设置的采样间距。本文所采用的径向半球切片算法可以有效地利用单站半球式扫描所获取的3维点云进行森林冠层有效叶面积指数的定量估算。     

三维激光扫描在通信塔垂直度检测中的应用

塔体垂直度是检测通信塔结构安全性的重要指标。传统的单点测量技术较难快速有效地满足通信塔整体垂直度检测要求,三维激光扫描技术具有高速度、高密度、高精度等优势,本文提出利用三维激光扫描技术检测通信塔垂直度。该方法基于塔体模型点云数据求解通信塔各层点云切片的重心,通过计算各层点云切片重心与底层点云切片重心的偏移量来确定塔体垂直度。与全站仪观测法比较,结果表明三维激光扫描技术能达到塔体垂直度检测规范要求,具有一定的应用价值。     

基于LiDAR点云数据的水体轮廓线提取方法研究

提出一种基于机载激光雷达点云数据提取水体轮廓线的方法。采用双层格网模式提取较窄的水体;以朝向水体的边界点作为拟合轮廓线的关键点提取更精确的轮廓线。实验表明,该方法可以较好地提取水体轮廓线。     

一种复杂背景下林木点云精细提取方法

针对地形变化较大、灌木多样等复杂林下主干提取效率低、精度不高等难点,该文提出一种复杂背景下林木点云精细提取方法.首先,进行地面点滤波并切片截取下层点云;然后,计算下层点云的法向量,提取法向量在Z轴的分量,循环剔除不满足条件的点;最后,循环具有噪声的基于密度聚类(DBSCAN)算法进行点云分割,实现林下主干点提取.以香格里拉为研究区,选择2景具有典型代表性的地基激光雷达样地点云数据进行试验,结果表明:研究中样地一提取精度90％,样地二提取精度95％,都取得较高精度.该方法能完整地提取林下主干点,对灌木与树干粘连等复杂环境下的林木提取具有较好的适用性.     

ICESat-2机载实验光子云数据自适应去噪及分类算法

第二代星载激光雷达冰、云和陆地测高卫星ICESat-2（The Ice， Cloud， and Land Elevation Satellite-2）搭载了先进光子计数式激光雷达，使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点，其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题，目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题，本文提出一种改进的去噪算法，首先分析光子云内部特征并自适应选择最优参数进行粗去噪，然后进行两次精去噪，最后对光子云进行分类并拟合出地面线及冠层顶线，为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验，实验结果表明：该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%，F1-score为96.3%，日间平均精确度为86.7%，F1-score为91.7%，且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性，可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点，最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。     

基于语义特征的堤防外坡激光脚点分割

在缺乏影像等辅助数据的情况下,本文直接利用激光雷达LiDAR点云数据,提取水系边缘,并在此基础上实现基于语义分割的堤防外坡激光点云提取方法。分两步进行边坡的提取:首先获取LiDAR数据中水体边缘轮廓线,进一步获取堤防边坡的下缘线;然后以下缘线为增长基线,通过最小二乘平面拟合,利用区域增长的方法,将边坡平面提取出来,从而获取边坡脚点。     

地面激光雷达点云数据乔灌分离方法研究

针对当前基于地面激光雷达点云数据的乔灌分离方法在不同环境中很难准确地实现分离的问题,提出了一种粗分离和精分离相结合的方法：先对点云数据进行预处理;结合法向量和支持向量机对此进行粗分离;利用RANSAC算法拟合圆柱、结合格网点云数标准差变化筛选乔灌,以及基于点云数标准差的自适应DBSCAN进行最终的精分离。选取了8块不同生长环境的样地进行测试,其乔木提取株数准确率均高于93%。实验结果表明：该方法能够实现不同环境下的地面激光雷达点云高效准确地乔灌分离,并与现有的传统方法相比,其精度和效率更高、普适性更强,为后续植被参数、林木株数准确提取奠定了基础,具有广泛的应用前景。     

基于机载激光雷达点云数据提取林木参数方法研究

本文通过黑河流域遥感—地面观测同步试验,获取林木参数,对机载激光雷达与实地观测获取的林木参数进行对比分析,论证了本文提出的基于机载激光雷达点云数据提取林木参数的算法是可行的。试验通过机载激光雷达点云数据,研究由点云数据生成冠层高度模型(CHM),提出从CHM中提取单株木参数(树高、冠幅等)的关键算法;同时,通过在试验区布设1个100m×100m超级样地和16个25m×25m的子样地,利用DGPS和全站仪对单株木进行精确定位与树木参数测量。     

定标器表面点云的格网构建分割方法

机载激光雷达安置角偏差对测量结果影响较大。针对安置角偏差标定中的同名点获取问题,设计了一种金字塔形状的定标器和提取定标器顶点的算法流程。对算法流程中的点云分割问题,结合定标器模型参数和格网法向量,提出了一种基于格网构建的分割方法。对实验数据进行处理,得到了很好的点云分割效果。     

多级索引框及移动向量联合的接触网提取方法

电气化铁道接触网的非接触式检测研究对保障铁道的安全运营具有重要意义，检测工作需要大量的精确接触网点云数据支持，目前存在接触网部件间不易分割导致难以提供精确接触网点云数据支持的问题。针对该问题，本文提出了多级索引及移动向量联合的接触网提取方法。首先利用多级索引框简化铁道场景数据；然后通过轨迹线构建提取通道获取支柱底部中心点集，以计算沿轨移动向量；最后进行二级索引框的姿态调整，实现接触网的准确提取。本文设计了参数分析与对比试验，在10 km铁道场景中进行试验分析。结果表明，本文算法对接触网提取的查准率、查全率、F1均在约99%,均优于参照算法，表明本文算法能够适应复杂场景。     

改进ICP算法的激光雷达点云配准

针对传统ICP算法在激光雷达目标点云配准中存在匹配时间长,以及受初值影响导致该算法应用在无人车SLAM技术中容易存在定位精度不高和稳健性较差的问题,本文提出了一种结合KD-tree算法的NDT-ICP算法。首先,通过Voxel Grid滤波对激光雷达获取的点云数据进行预处理,利用平面拟合参数的方法去除地面点云;然后,利用NDT算法进行点云粗匹配,缩短目标点云与待匹配点云距离;最后,通过KD-tree邻近搜索法提高对应点查找速度,并通过优化收敛阈值,完成ICP算法的精匹配。试验结果表明,本文提出的改进算法相比于NDT算法和ICP算法,在点云配准速度和精度上有明显提高,且在地图构建上精度和稳健性更好。     

采用聚类分析的车载点云地物分类

针对车载激光雷达点云初始聚类中心难以确定的问题,该文提出了一种基于最大网格密度的近邻聚类算法对点云实现分割,并以高程、法向量和投影密度作为约束条件对分割后的点云块进行地物的分类识别。通过对车载激光雷达的部分点云数据进行相关试验,结果表明该方法可以精确有效地实现城市典型地物分类。     

一种利用船载LiDAR点云数据提取精细化河流水涯线的方法

提出了一种基于船载激光雷达点云数据河流水涯线精细化提取方法。该方法首先对点云数据进行粗格网划分,结合河流水涯线格网的密度、高程、边缘性和连续性多重约束条件,利用连通区域标记和边缘检测等组合算法,快速确定河流水涯线粗边缘;然后对粗提取结果进行细格网划分;并在此基础上提出距离约束下的单行格网局部高程最低点提取算法,实现河流水涯线精细化提取。针对上海某地区长度约为1.56 km河流的船载激光雷达实测点云数据,对提出方法的有效性进行了实验验证。实验结果表明该方法能够提取出精细可靠的河流水涯线。     

基于面片裁切技术的点云轮廓线生成算法

随着点云在各个领域的广泛应用,对点云处理相关技术的研究更为活跃。目前,研究的热点主要集中在点云去噪、配准、分割、增强、特征提取和重建等方面。其中,特征提取起着承前启后的作用,具有十分重要的研究价值。基于面片裁切技术的点云轮廓线生成算法。首先,对点云数据进行面片提取,通过面片生长、融合生成特征面片,并根据提出的面片双向索引法快速构造特征线,最终实现点云平面轮廓线的生成。实验证明,本算法可快速、准确、有效地实现点云轮廓线的生成。     

激光雷达点云平面拟合过滤算法

在分析激光雷达点云空间分布特征的基础上,提出了基于斜率的激光点云平面拟合过滤算法,并利用该算法对机载激光雷达点云的特征提取进行了实验研究.结果表明,此算法能有效地拟合激光点云的连续平滑的水平平面、倾斜平面和垂直平面,在DTM、建筑屋顶和垂直墙壁等特征提取中具有较好的效果.     

基于机载LiDAR的电塔点云提取与重建

基于机载激光雷达点云,提出一种综合点云预处理、地面点滤波、电塔点云定位获取以及电塔结构线建模的电塔点云提取与重建方法.该方法首先对电力线路点云进行去噪等预处理,再使用渐进三角网滤波去除地面点,然后在电力线路分段的基础上,通过高程连通性定位电塔所在分段,再将电塔分段点云投影到水平面上并结合密度聚类算法和高程差特性对电塔聚...     

机载LiDAR点云建筑物边界线规则化算法研究

针对单一参数的Alpha-Shape算法无法适应密度差异较大的点集数据以及提取的边界信息具有锯齿形状的问题,结合Alpha-Shape算法与D-P算法进行轮廓线的粗略提取,利用最小二乘方法以及建筑物边界线之间向量、长度等特征确定建筑物关键点;通过寻找建筑物主方向,实现建筑物边界线规则化。实验选取国际摄影测量与遥感协会提供的典型区域的LiDAR点云数据进行建筑物边界线提取,并与传统Alpha-Shape算法提取建筑边界线结果进行比较,结果表明本文算法在建筑物边界线信息提取方面更准确、更稳定。     

封面说明

正无人机激光雷达林业资源参数提取Application of UAV lidar technology in forest resources inventory封面图片为美国加州内华达山脉森林区域的无人机激光雷达数据及其单木分割结果。无人机激光雷达数据由北京大学郭庆华团队自主研发的八悬翼无人机激光雷达系统采集,该系统集成了长距离激光雷达扫描仪、GNSS和IMU定位定姿系统,可实时、动态地采集海量高精度点云数据。利用该团队自主研发的点云滤波、归一化和单木分割等激光雷达数据处理算法,可实现森林点云中每木点云的分割,及树位置、树高、胸径、树冠表面积及体积等森林结构参数的自动提取。     

一种自适应的坡度阈值地面点云分割方法

针对城市道路斜坡地形场景中地面欠分割或过分割的问题,提出了一种自适应的激光雷达地面分割算法。首先将激光点云按照水平角度分辨率进行有序组织,然后求取同一水平角度下前后扫描圈间激光点云的距离和局部坡度,最后采用自适应水平距离、局部高度和全局高度阈值区分地面点和非地面点。结合40线激光雷达进行多场景实例分析,结果表明本文算法分割的准确率更高,处理每帧数据均用时约1ms,满足无人驾驶汽车的实时性需求。提出了一种自适应的激光雷达地面分割算法,实现了对激光雷达地面点云的准确分割。