不同点密度下复杂山区轻型机载LiDAR数据DEM构建

点云的点密度是决定DEM数据构建的关键因素。本文以云南华坪县永兴乡某复杂山地为研究区,采用随机采样算法对点云进行抽稀,获取点云保留率10%～90%共9组数据,并分别进行DEM数据建模及其精度评定。结果表明,点云保留率与DEM精度呈正相关关系,当点云保留率小于30%时,RMSE快速增大,DEM精度误差增大;当点云保留率设置为60%时,RMSE最小,DEM精度最高。该研究对大型机载LiDAR项目中的点云数据存储与使用具有一定的指导与借鉴意义。     

面向滩涂DEM构建的机载LiDAR点云滤波方法

在基于激光点云构建DEM的过程中,用于区分地面点和非地面点的点云滤波处理至关重要。本文面向基于机载LiDAR点云的沿海滩涂DEM高精度的构建需求,提出了一种机载LiDAR点云的改进坡度滤波算法。首先,采用统计异常值剔除法(SOR)去除原始机载LiDAR点云数据中的噪声;然后,利用规则格网的坡度和高程阈值,设计了适用于滩涂点云数据的地面点坡度滤波方法;最后,选取如东市长沙港的滩涂机载LiDAR点云作为试验数据,构建滩涂DEM,并进行精度检验。试验结果表明,利用本文方法处理后的LiDAR点云构建的DEM精度满足国家与行业标准的要求。     

基于地形变化检测的机载LiDAR滤波方法

LiDAR滤波是从其数据中提取数字地形模型(DTM)的一个主要步骤。当前的LiDAR滤波方法大都是通过单一的LiDAR点云数据来进行的,由于点云缺乏真实数据作参考,在滤波时可能会出现较大的误差。因此,提出一种基于地形变化检测的机载LiDAR滤波方法。首先将LiDAR点云数据与已有的DEM数据精确配准并统一到同一坐标系下,然后对LiDAR点云数据进行格网化组织,使LiDAR点云数据与DEM数据中相应的区域对应,最后把已有的DEM数据与LiDAR点云数据叠加进行滤波。为了验证该方法,采用城区和山区2种不同地形特点的数据分别进行试验。结果表明该方法能有效滤除城市和山地环境中的地物,并且保留地形的细节信息。     

一种基于极大曲率的机载LiDAR数据 地形特征提取方法

对于庞大的点云数据来说,从中直接提取多种数据特征是相当困难的。考虑到基于数字化等高线数据和数字地面模型提取地形特征受内插误差影响,提出一种基于极大曲率的地形特征提取方法。对初始地面点云进行极大曲率估计;结合欧氏聚类方法进行地形特征点粗提取;对粗提取特征点进行粗糙度分析,得到精确特征点。顾及离散曲率的特征,即曲率越大越接近特征线,得到可靠的地形特征分割结果。该方法不需要人工干预,直接基于机载LiDAR点云数据进行处理。试验表明采用基于极大曲率分割的方法能从点云中自动提取比较完整并且准确的地形特征点。     

浙江省平地区域机载LiDAR数据处理及DEM制作实践

为了进行平地区域原基础测绘产品高程的更新,我省进行了针对平地区域的机载LiDAR测高项目,为了获取高精度的DSM和DEM成果,在实际生产中开展了机载LiDAR数据处理及DEM成果的制作方法研究。本文将利用TerraSolid软件,从LiDAR点云数据的高程精度控制、点云滤波分类要求和如何利用特征线进行无点云数据区域的DEM精度控制等关键技术方面进行研究。     

机载LiDAR点云数据抽稀算法研究述评

机载LiDAR技术作为一种全新的遥测技术,可以获取高精度和高密度的三维点云地形数据,它所获取的高密度的点云数据存在数据冗余和数据量庞大等一些问题,造成了存储、后处理(如滤波、分类、特征提取和建模)和显示的不便。因此对点云数据进行有效的数据抽稀简化很有必要,抽稀算法需要在数据精度和采样密度之间达到一种最优平衡。本文将现有的LiDAR点云数据抽稀算法概括为随机采样算法、基于高程的算法和基于TIN的算法3类,并分别进行了研究评述,最后探讨了各类方法的优缺点,以为机载点云数据抽稀简化提供参考。     

机载LiDAR点云数据自动生成DEM的方法与精度评价

设计了一种点云数据快速处理自动生成DEM的算法,介绍了滤波结果的评价方法以及通过标准DEM评价内插的DEM整体精度的方法;并选用河北承德地区的机载激光LiDAR点云数据进行了实验。结果表明,数据处理结果具有较高的精度,为激光点云数据自动生成DEM提供了一种有效的技术途径。     

机载LiDAR点云数据建筑物提取方法适应性研究

为解决机载LiDAR点云数据建筑物提取精度不高的问题,首先分析了现有的基于机载LiDAR点云数据的建筑物提取方法;然后综合地形、树木、建筑物密度等对建筑物提取的影响,以德国斯图加特市法伊英根的LiDAR点云数据为例进行了建筑物提取实验;最后对提取结果进行了定量精度评定。结果表明,基于影像的机载LiDAR点云数据建筑物提取精度为93.1%;而基于数学形态学图像的处理方法和基于Delaunay三角剖分的方法受建筑物形状和地形等限制较多,提取精度分别为87.6%和81.3%,说明基于影像的机载LiDAR点云数据建筑物提取方法的准确性较高,限制性条件较少。     

顾及地形特征的LiDAR点云数据抽稀算法

针对现有的LiDAR点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题,文章提出一种顾及地形特征的点云数据抽稀算法:利用点云中的局部极值点与点云边界点作为种子点构建不规则三角网(TIN);利用一定原则逐渐选取非种子点中的地形特征点加密TIN;然后采用一种临近三角面的平面测试策略剔除三角网中可能存在的冗余点,得到最终结果。测试结果表明:该算法在保证地形精度的前提下,能够有效地减少冗余点数量;同时,为了提高算法的实用性,该文通过大量试验给出了算法中所需参数的最优配置。     

平原地区机载激光雷达数据的抽稀算法分析

目前，机载激光雷达点云数据在测绘行业中的应用还存在较多的瓶颈。为了使机载激光雷达点云数据更好地服务等值线等数据的生产，发挥其高效和高精度的优势，本文归纳、总结了国内外现有的LiDAR点云数据抽稀算法，并通过对比分析现有LiDAR点云数据抽稀算法存在的优缺点，如系统抽稀、格网抽稀、TIN抽稀和坡度抽稀等算法，结合平原地区激光点云在实际生产中的应用，研究了更适合平原地区点云数据的抽稀方法，通过大量的数据测试和试生产。结果表明，该方法可以在应用项目精度约束下保证数据质量，减少了后期数据处理应用的难度，提升了后续成果数据的质量，提高了作业生产效率，对机载激光雷达点云数据在测绘行业中的应用推广具有重要的现实意义。     

基于机载LiDAR点云数据构建复杂山区高精度DEM方法研究

为解决大范围复杂山区DEM生产困难的问题,提出利用机载LiDAR点云数据构建DEM.本文对机载LiDAR数据处理流程及其在复杂山区的具体应用进行分析,主要利用LiDAR数据处理软件对点云数据进行内业DEM生产并编辑最终得到符合项目要求的数字高程模型数据,结果证明该方法可行.     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息, 对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

Study on Sampling Rule and Simplification of LiDAR Point Cloud Based on Terrain Complexity

It is difficult to obtain digital elevation model (DEM) in the mountainous regions. As an emerging technology, Light Detection and Ranging (LiDAR) is an enabling technology. However, the amount of points obtained by LiDAR is huge. When processing LiDAR point cloud, huge data will lead to a rapid decline in data processing speed, so it is necessary to thin LiDAR point cloud. In this paper, a new terrain sampling rule had been built based on the integrated terrain complexity, and then based on the rule a LiDAR point cloud simplification method, which was referred as to TCthin, had been proposed. The TCthin method was evaluated by experiments in which XUthin and Lasthin were selected as the TCthin’s comparative methods. The TCthin’s simplification degree was estimated by the simplification rate value, and the TCthin’s simplification quality was evaluated by Root Mean Square Deviation. The experimental results show that the TCthin method can thin LiDAR point cloud effectively and improve the simplification quality, and at 5 m, 10 m, 30 m scale levels, the TCthin method has a good applicability in the areas with different terrain complexity. This study has theoretical and practical value in sampling theory, thinning LiDAR point cloud, building high-precision DEM and so on.     

国家新型基础测绘体系建设试点区域1 m间隔点云数据获取处理与质量分析

地形级地理场景生产是国家新型基础测绘体系建设在山东试点的重要任务之一,作为地形级地理场景的主要组成部分,DEM一般基于机载LiDAR点云数据制作。笔者所在单位选择高密市作为试点区域,采用徕卡CityMapper混合航摄仪获取了试验区优于1 m间隔的点云数据,并对飞行质量和点云质量进行检验,对点云高程和平面位置精度进行检核。试验验证了徕卡CityMapper混合航摄仪数据获取的精准和高效性,为即将全面实施的山东省陆域1 m间隔点云数据获取处理项目提供了技术方案,且为DEM制作和地形级地理场景的生产提供了保障。     

机载LiDAR点云生成多尺度DEM方法

为了利用机载激光雷达点云生成高保真、多尺度的数字高程模型(DEM),提出了一种基于综合生成策略的方法:首先,利用点云数据中的地面点生成高分辨率、高保真的DEM作为基础DEM;然后,通过迭代的方式对上一层较高分辨的DEM进行综合获取较低分辨率、高保真的DEM。实验表明,本文方法不仅具有可行性,而且生成的多尺度DEM具有高保真的特性。     

基于LiDAR的农田地形环境三维重建方法

为克服传统农田土地平整测量方法耗时费力的特点，提出采用LiDAR技术对农田地形进行重建的探索性研究。通过HDL-32E型激光雷达等搭建了系统的硬件平台，应用C++语言编写了系统数据的采集程序；在此基础上对激光雷达所采集数据进行了标定，研究了农田地形重建系统中不同坐标系的转换方法；同时基于最小值去噪法设计了更适用于农田地形点云去噪的均值限差去噪法。通过对比在农田起伏较大区域不同坡度范围内RTK与激光雷达所测单元个数，对系统精度进行了评价；最后实现了车载农田地形重建系统的界面显示、应用与精度评估。结果表明，在10°~15°、25°~30°大坡度范围内激光雷达所获农田地形更为丰富，精度更高。该方法重建的农田地形模型点云数据和原始农田地形点云数据投影面积逼近度可达93%，验证了本文研究方法应用于农田地形环境重建的可行性，同时为今后的土地精细平整工作提供了理论参考与依据。     

机载LiDAR点云获取与高精度DEM建设关键技术探讨

结合广东省机载LiDAR点云获取与高精度DEM建设项目，介绍了项目总体技术路线，针对项目难点，从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨，并提出解决方案，为同类项目的设计与实施提供参考。     

机载激光雷达点云数据质量评价体系分析与探讨

结合机载LiDAR数据的特点,着重分析了点云数据的质量评价体系.从原始的激光点云数据和点云数据产品两方面出发,通过明确评价指标,着重从定量的角度论述了如何对激光点云数据进行质量评价,为相关评价机制的完善提供了有益的参考.     

一种机载LiDAR数据漏洞检测方法

获取机载LiDAR数据时易受地形起伏、航摄高度、地物镜面反射等因素的影响,导致LiDAR数据出现漏洞,若对其不进行检测处理,将严重影响LiDAR数据的生产与应用。鉴于此,本文利用点云的位置与属性信息,基于等比例内缩和点云格网化算法,检测机载LiDAR数据中存在的漏洞区域,有效支撑了LiDAR数据的质量检测和补摄工作。试验结果表明,该方法检测到的漏洞区域完整、精确,等比例内缩算法与等值内缩算法相比,减弱了地形起伏对漏洞检测精度的影响,且更科学合理。