基于车载激光点云数据的行道树提取方法

针对道路车载激光扫描点云数据中行道树与其他地物相互遮掩,存在杆状物分类困难的情况,本文提出了一种基于车载激光扫描数据的行道树自动提取方法。首先,构建格网并地形点云滤波,提取非地面点,从而提升后续算法的运算效率;其次,在非地面点的基础上构建空间体元进行邻域分析,提取树干点云,同时建立树冠分层点云投影面积理论,提取得到树冠点云;最后,使用改进分割算法进一步修正树冠点云归属,实现行道树的单体化。使用两组不同类型道路点云数据进行实验,结果显示本文算法提取行道树的平均提取完整率与正确提取率分别为90.73%、91.22%,较对比方法具有一定优势,为行道树的高效、快速、准确提取提供了新的思路。     

基于车载LiDAR点云的行道树提取研究

针对车载LiDAR数据构建格网,提取行道树点云并分割树干点云,首先以格网为单位,进行滤波处理提取非地面点云;再对提取的点云进行降噪处理;然后基于格网对处理后的点云块进行聚类,依据行道树与其他地物的形态以及投影等差异从聚类单元中提取行道树,并对相连树进行分割;最后针对提取的单株行道树依据分层投影的原理,分割行道树树干点云与树冠点云.采用一段车载LiDAR数据进行算法实验并与人工提取方式对比验证算法提取的有效性与准确性.     

基于机载LiDAR粗糙度指数和回波强度的道路提取

机载LiDAR点云数据能提供回波强度和地面粗糙度指数,为遥感信息自动提取增添了有价值的约束信息。将这些信息引入到道路自动提取之中,结合光谱特征和道路描述因子建立了一种面向对象的道路联合提取方法。首先,由点云数据衍生归一化数字表面模型(nDSM)和粗糙度指数;然后对配准后的多源数据进行多分辨率分割,进而使用粗糙度指数和回波强度、道路描述因子等特征进行分类;最后,去除道路噪声,并获取准确的道路骨架网。实验结果表明,该方法对道路提取的准确度达95%以上。     

激光雷达的立体体元模型在森林冠层间隙率提取中的应用

针对光学森林冠层间隙率提取方法受天气影响较大的不足,本文基于激光雷达点云数据,提出一种立体体元模型方法进行森林冠层提取,并采用点云投影、半球成像两种常用方法与其进行对比。结果表明：不同体元大小提取的间隙率结果在变化趋势基本一致,当体元大小越大时,提取的间隙率结果越小;当与点云投影、DHP两种方法进行对比时,随着体元增大,本文方法提取结果与两种方法提取结果相关性也逐渐增高,当天顶角为0°～80°、10°～65°时,相关系数在0.91以上,表明本文方法可用于森林冠层间隙率提取。     

车载激光点云数据中行道树三维信息自动提取研究

城市行道树三维信息是城市智慧管理的重要基础信息之一,本文研究了一种基于车载激光点云数据的行道树三维信息自动提取方法。首先,根据行道树点云和周围地面点计算树高;然后,针对残缺树冠点云,应用点云不同方位距离对比计算冠幅;最后,根据树干扫描分层点云,运用RANSAC算子拟合圆模型,计算胸径。通过实际测量数据进行验证,本文方法提取出的行道树信息误差较小,精度较高。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

基于LIDAR回波信息的道路提取

机载激光扫描系统在采集三维坐标的同时,也提供回波信息(回波次数、回波强度).本文提出了一种利用回波信息提取道路的方法:逐层加密,TIN提取数字地形模型(DTM),根据点云的回波信息从DTM中提取道路信息,通过搜索孤立点的滤波算法删除其中的噪声点.最后用实测数据对提取的道路信息进行精度分析,验证了该提取方法的有效性.     

顾及点云邻域特征的道路里程推算方法实现

提出车载测量系统获取点云进行公路里程推算方法,基于布料模拟滤波算法分类路面、非路面点云,以点云强度信息为标量并顾及点云邻域几何特征分割地面点云,采用八叉树连通聚类方法提取特征标线点云并以此构造路面中心线,制作ArcToolbox里程桩点提取工具来推算道路里程.实验表明本方法可快速分割标线特征点云并准确提取路面中心线,相比于传统的方法可更加准确地实现道路里程推算和桩点坐标提取.     

机载LiDAR点云数据降维与分类的随机森林方法

探索自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云分类算法在提取依赖邻域结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂,并且缺乏对分类特征参数的重要性评估和选择等问题,本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上,提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征6大类特征参数,并构建多尺度特征参数,运用随机森林的特征选择算法对分类特征集进行优化,然后进行点云分类。试验结果表明,基于随机森林的特征选择方法可以有效地降低特征维度,并且使得总体分类精度达到94.3%（Kappa系数为0.922）,相比于使用全部特征分类和SVM分类方法而言,该方法的总体分类精度均有一定程度的提高;特征的重要性度量结果表明,归一化高度特征在点云分类中所起的作用最大。     

一种基于改进区域增长的行道树点云提取方法

针对城市车载Li DAR数据处理中行道树的提取,首先对点云数据进行分层格网化处理;然后分析行道树在多层格网中的分布形态;最后结合点云的投影密度和高程分布等特征,以空间区域增长的方式提取行道树。实验证明,这种方法能有效地排除其他地物,提取完整的行道树点云。     

地基激光雷达的玉兰林冠层叶面积密度反演

叶面积密度LAD(Leaf Area Density)是表征冠层内部叶面积垂直分布的重要参数,其分布廓线的准确反演对研究植被碳氮循环、初级生产力和生物量估算等具有重要意义。本文在电子科技大学校内建立实验样区,利用地基激光雷达Leica Scan Station C10和数码相机获取玉兰林高分辨率3维激光点云数据和真彩色影像。利用监督分类将真彩色影像中枝干等非光合组织与叶片分离,再将像素分类信息映射给点云数据,从而提取叶片点云。通过点云数据体元化,并引入2维凸包算法确定垂直方向分层树冠边界,获取激光接触冠层的频率;随机选择不同高度的多个叶片,利用特征值法进行叶片平面拟合,估算出叶倾角,并结合天顶角估算叶倾角校正因子;最后基于体元的冠层分析VCP(Voxel-based Canopy Profiling)方法实现树林冠层LAD反演。结果表明体元化的叶片点云数据能准确确定树林冠层边界和统计接触频率实现LAD反演;反演的LAD变化走势与区域林木冠层叶片垂直分布相吻合,在冠层中下部随着高度的增加叶面积密度也随之增加,在4 m高度处达到最大值1 m2/m3,之后随着高度的增加叶面积密度逐渐降低。根据LAD计算得到的累积叶面积指数LAI为3.20 m2/m2,与LAI-2200实测的叶面积指数相比,相对误差为1.26%。     

多平台点云数据的单木参数提取精度分析

以浙江省海宁市4种代表行道树(广玉兰、无患子、悬铃木、香樟树)为研究对象,结合无人机(UAV)影像和三维激光扫描数据,利用ContextCapture、LiDAR360软件完成点云拼接、滤波、降噪和编辑,通过迭代最近点算法实现点云精细匹配,完成多平台点云数据融合,进而得到数字表面模型与数字高程模型,并制作冠层高度模型;采用分水岭分割算法对不同行道树树种的冠层高度模型进行单木分割,并综合局部最大值法实现单木树高、冠幅的参数提取。结果表明,本文方法进行行道树单木分割的精度高,树高、冠幅参数提取值的效果好,满足行道树几何参数调查要求。     

基于多特征联合分析的车载点云市区道路边界线提取

车载激光扫描系统目前已应用于智慧城市建设、道路资产管理等多个方面。本文针对车载LiDAR点云数据道路边界提取问题,提出基于多特征联合且适应多类道路的边界提取方法。构建点云局部邻域高差梯度、回波梯度与曲率梯度,通过设置阈值提取道路边线。结果表明,该方法在直行道路、曲弯、直弯等代表性道路环境中均取得了较好的结果,验证了算法的鲁棒性,对扩展研究车载LiDAR在道路场景中的应用具有重要价值。     

基于PointCNN的车载行道树点云分割方法

利用点云卷积网络(PointCNN)为语义分割算法基础处理无序点云来提取行道树点云，经过模型建立、样本训练、点云分割等步骤从地物点云中精确分割出行道树点云，并对三个数据集的应用结果作精度评定，其最终结果的误差在有效范围内，并对PointCNN中的参数进行分析，完善算法的应用以适应于道路环境下行道树点云的提取。本次研究中考虑到训练各类型行道树类型，且受非行道树点云目标干扰小，在复杂道路环境下的数据分割工作有很好的效果。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

一种基于机载LiDAR点云的林间道路提取方法

基于林间道路的形态特征和支持向量机原理(SVM),提出一种从机载LiDAR点云数据中提取林间道路的方法。首先,选取末次回波去噪、栅格化,生成数字表面模型(DSM)和强度信息模型(DIM);然后,通过支持向量机对坡度信息进行分类,得到道路潜在区域;再对道路潜在区域进行强度信息的分类,得到含有少量噪声的初始道路区域;最后,利用形态参数对初始道路区域进行去噪、精化,得出最终道路区域。实验证明,该方法能较好地提取出道路区域。     

车载激光点云领域比较的道路边线提取方法

对车载激光扫描获取的高速公路信息进行研究,提出直接利用三维激光点云数据的平面和高程信息,通过点云与其邻域比较进行道路边线提取的方法。该方法提取不需要其他辅助数据,能直接从点云中自动提取出道路边线信息,对点云数据自动提取具有一定借鉴意义。     

利用机载LiDAR点云数据提取城区道路

提出一种从机载LiDAR点云中提取城区道路的方法。首先,利用机载LiDAR点云的高程和强度属性,对末次回波点云进行去噪、滤波和分类后获取初始道路点云;然后使用基于边长和面积阈值的约束Delaunay不规则三角网方法精化初始道路点云;最后采用α-Shapes方法从精化后的道路点集中提取道路轮廓,并用数学形态学细化方法提取道路中心线。试验结果表明,该方法提取的城区道路正确率和完整性较高。     

移动车载激光点云的道路标线自动识别与提取

对移动车载激光测量LandMark系统获取的路面激光点云数据进行研究,结合激光点云的回波反射率、扫描角,以及量测距离等特征信息与道路标线的属性信息,提出了一种基于车载激光点云的道路标线自动识别与提取算法。从点云中提取道路标线,采用最小二乘线性最优拟合算法对提取的标线点云进行拟合,生成道路标线的CAD轮廓线,实现道路标线的自动化识别。以移动车载LandMark系统的Sick激光扫描仪获取的路面激光点云为例进行实验,实验结果表明该方法的可行性和有效性。     

基于车载激光雷达的行道树提取研究

对车载激光雷达点云数据进行研究,提出了一种分层投影的方法提取行道树,该方法对点云数据进行分层投影,利用不同高程点云投影后表现出的不同特征,采用面向对象的方法对行道树进行提取,最后叠加分析得到行道树点云。实验证明,该方法能够比较完整的提取出行道树点云。