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.     

机载LiDAR技术应用于茂密植被山区地质灾害调查

我国茂密植被山区地质灾害具有高位、高隐蔽性的特点,传统地质灾害排查手段在有效解决隐患的早期识别方面存在一定困难。机载雷达技术不仅可获取地面反射的三维激光点云,同时能够提供高分辨率、高精度的地形地貌二维影像。机载雷达的多次回波技术可“穿透”地面植被,通过滤波算法能够有效去除地表植被的影响,获取真地面高程数据信息,从而可获取相关区域精细准确的地面特征和坡体变形迹象及灾害体形态特征。本文将机载LiDAR技术在广东佛山西樵山公园进行应用实践,研究成果表明,机载LiDAR技术可提高茂密植被山区地质灾害隐患的早期识别能力,对进一步提高综合防灾减灾能力作用显著。     

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。     

一种顾及地形复杂度的LiDAR点云多尺度滤波方法

针对复杂地形区域的机载LiDAR数据滤波方法中自适应阈值设置问题,根据地形多尺度效应,提出一种自适应阈值的机载LiDAR点云多尺度滤波方法。该方法采用影像金字塔策略按分辨率从高至低逐级构建LiDAR点云分层格网,滤波过程则从最大尺度格网(顶层格网,最低分辨率)开始,采用局部统计分析的方法自适应地确定高差阈值,同时结合薄板样条内插出下层各格网控制点的高程值,直至最底层格网完成原始激光点云滤波。通过我国某山区城市复杂地形的LiDAR数据实验表明顾及地形复杂度的LiDAR点云多尺度滤波方法能够快速有效地提取高精度DEM,能够满足实际生产需求。     

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。     

基于机载LiDAR数据的广西困难地区高精度DEM生产研究

数字高程模型(DEM)利用有限的地形高程数据实现对地表形态的数字化模拟,是测绘部门数据生产的重要内容.当前DEM生产主要采用交互式数字摄影测量方式,不仅需要投入大量人力,极为依赖经验,同时生产效率也较为低下.近年来兴起的机载激光雷达(LiDAR)技术为DEM获取提供了一种新的途径.本文以广西植被茂密区和陡石山区的点云数据为例,研究在广西困难地区应用机载LiDAR技术进行高精度DEM生产的可行性,并利用同区域的数字广西地貌成果对所生产的DEM进行精度验证.结果表明,应用机载LiDAR数据进行DEM生产不仅将植被茂密区的生产效率提升了25％,陡石山区的生产效率提升了7倍以上,同时数据精度能够满足1:10000 DEM的要求,在广西传统DEM生产困难地区具有极大的优势.     

机载LiDAR点云密度对DEM精度的影响

机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度＞30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。     

LidarStation在浙江省海岸带区域的DEM生产应用试验

正一、引言与传统的航空摄影测量系统相比,机载LiDAR可以直接获取高精度的地面点三维坐标,具有数据产品生产周期短、自动化程度高、受天气影响小、可以穿透植被等优点,特别适合于进行DEM的生产。目前国际上实用化程度较高的机载LiDAR数据处理软件是TerraSolid,但它在手工编辑时采用二维方式,降低了三维点云的可视化效果,使得点云编辑不     

丹巴地质灾害隐患早期识别关键技术研究

针对西南山区高山峡谷、植被茂密区域的地质灾害事件突发问题,本文基于机载LiDAR技术开展类似区域的地质灾害早期识别问题研究,介绍了机载LiDAR技术特点及基于该技术开展地质灾害早期识别的关键技术与方法。通过实地调查与验证表明该技术比传统光学遥感调查技术和人工排查具有优势,可用于地质灾害隐患的早期识别。     

机载激光雷达点云电力线三维重建方法研究

正机载激光雷达(LiDAR)技术的出现和发展,为地理空间三维信息的获取提供了全新的技术手段。目前,机载LiDAR技术已经得到了广泛的应用,其中,电力巡线是其主要的工程应用领域之一。尽管基于机载LiDAR的电力巡线日臻成熟,但是其中的一些关键数据处理和信息提取方法亟待完善。本文围绕机载LiDAR点云电力线三维重建涉及的机载LiDAR点云数据滤波、单档电     

基于机载LiDAR的DEM生产流程浅析

机载激光雷达(LiDAR)技术在获取高精度DEM方面有很大的优势,通过对LiDAR点云进行分类处理后,基于地面点获得高精度DEM的生产方法,同时比较了不同方法得到DEM的精度。     

基于线性体素分割的机载LiDAR点云数据电力线提取

提出了一种基于线性体素分割的机载LiDAR点云电力线自动提取方法.该方法首先基于八叉树结构对海量三维点云数据进行体素化处理,再对体素点云进行线性检测,并结合马尔可夫随机场(MRF)对线性体素进行分割.然后在分割得到的线性段中,通过杆塔和电力线之间上下文关系的先验知识对杆塔进行精度定位,获取杆塔连接线边集.最后,通过设定的圆柱形搜索框,对边集周围的线性段进行识别,提取出电力线点云.为了验证本文方法的有效性,对江苏省电力设计院提供的在山区复杂场景中采集得到的3块机载LiDAR数据进行试验.结果表明,本文方法能够从LiDAR点云数据中提取出较为完整的电力线,提取的平均质量达到了92.6％,对电力线的风险管理具有较高的应用价值.     

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。     

融合航空影像的震后机载LiDAR建筑物点云提取

基于机载激光雷达LiDAR(Light Detection and Ranging)数据识别震后建筑物震害,其前提是快速准确地提取建筑物点云。通过分析地震灾区机载激光雷达点云中提取建筑物点云的诸多难点,已有的方法难以达到预期效果,因此提出融合同机航空影像数据的方法,实现了震后灾区建筑物点云的获取。该方法首先在数据预处理的基础上,利用布料模拟滤波CSF(Cloth Simulation Filtering)算法进行点云滤波,得到地面点云和非地面点云(主要是建筑物、植被和车辆行人等),并将航空影像红波段光谱信息赋予非地面点云;然后基于灰度直方图阈值分割的方法剔除植被点;最后对剩余激光脚点利用具有噪声的基于密度的空间聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法进行聚类提取最终的建筑物点,并与参考建筑物点比对,进行精度验证,得到建筑物点云提取的漏检概率、虚警概率分别为15.61%、7.52%,总体精度可达84.39%。结果表明,在一定精度要求范围内,该方法能有效实现地震灾区建筑物点云的提取,可为震后机载LiDAR建筑物点云提取提供技术参考和方法借鉴,为建筑物震害识别做好基础工作。     

关于LiDAR数据DEM成果精度影响因素的探讨

通过对原始点云数据精度和点云数据分类误差的研究,抽检不同地表、不同植被覆盖密度、不同植被高度点云分类的数据,分析其对LiDAR的DEM成果精度的影响,对LiDAR数据DEM成果的质量检验与精度评定具有参考价值。     

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LiDAR技术生成DEM的质量检查与解决方案探讨

目前,基于机载激光雷达(light detection and ranging,LiDAR)点云数据生成高精度、高现势性数字高程模型(digital elevation model,DEM)的技术已广泛应用,对生成的DEM数据进行科学、高效的质量控制迫在眉睫。本研究结合实际生产经验,详细介绍包括人工解译判别检查、半自动检查(交互式检查)和基于Python脚本自动检查的三步骤检查法。该方法全面地涵盖了机载LiDAR技术生成DEM的质量检验方法及对应问题的解决方案,有效提高了质量检查的效率和准确性。     

基于中值滤波的LiDAR点云生成地貌要素方法探讨

LiDAR点云的分类处理对地表覆盖的要求较高,植被稀疏或无植被的区域,易于实现自动分类,且生成的等高线较光滑,无需后期人工干预处理;植被茂密区域则无法实现自动分类,生成的等高线也不光滑,后期需对等高线进行大量修编处理。旨在探讨植被茂密区域机载LiDAR点云数据用于1∶10 000 DLG地貌要素更新的方法,提出用中值滤波的算法,对LiDAR点云生成的DEM进行滤波处理,实现等高线的光滑抽稀处理。同时,利用原有高程注记的点位,根据DEM数据重新赋值,实现高程注记的快速更新。     

基于层次分析和神经网络的机载LiDAR点云分类

在机载LiDAR点云数据处理中,由于机载雷达点云数据的离散性、不确定性等原因,导致点云分类上很难得到准确的结果。针对机载LiDAR点云数据分类问题,提出了基于层次分析和神经网络的机载LiDAR点云分类方法。根据机载LiDAR点云的数据特征以及不同地物的属性,采用层次分析法赋予每个点云一个二进制信号,然后采用后向传播神经网络(BP-ANN)对机载LiDAR点云数据分类。实验表明:这种方法能够从机载LiDAR独立数据源中分类出房屋、高大的树、低矮的树、道路等地物点云。