多源数据融合的DIM点云滤波及DEM生成

针对已有密集影像匹配(DIM)点云滤波算法通用性差,滤波效果受限于参数设置,且均未利用生成点云的影像信息等问题,该文提出一种融合多源数据的DIM点云滤波算法。首先融合影像和DIM点云高程多源信息;再引入新型分类器对融合影像进行分类,其分类结果作为知识引导用于点云滤波中,即将分类专题图与DIM点云叠加以过滤非地面点,实现点云滤波并生成数字高程模型;最后选用航空影像进行密集匹配和滤波实验。实验结果表明,利用该点云滤波算法生成的DEM与参考DEM呈现高度相关性,可大大减少生产DEM人工后处理的工作量。     

机载LiDAR制作高精度DEM的关键技术分析

介绍了LiDAR数据生产DEM处理流程,选取淮河某一区域的点云数据,重点研究自动滤波技术在高树植被区域、居民区域、光伏区域的滤波效果以及人工分类方法在低矮植被区域的分类效果,计算野外检测点,对DEM同名点高程中误差进行精度评定。实验结果表明,自动滤波技术对高树植被、房屋区域、光伏区域等区域点云,能高效、准确滤掉非地面点,保留真实地面点;人工分类手段用于低矮植被分类效果明显,有效解决了自动滤波在该类区域分类效果不佳的问题;野外检测点和DEM同名点高程中误差满足设计精度要求,以点云数据生产高精度DEM具有可行性。     

基于LiDAR点云的高精度DEM构建方法

对激光雷达测量点云滤波分类出真实地面点,通过不同的方法构建高精度的数字高程模型,包括不规则三角网模型和Grid模型,采用等值线回放法和检查点法分别从定性和定量角度评估DEM的精度。实验表明,线性三角网插值法构建的DEM边界约束最好、精度较高,且效率最高,是Li DAR点云构建高精度DEM的最优方法。     

基于机载LiDAR数据提取城区数字高程模型

地形分析是评估景观、土壤变迁和生态功能不可或缺的一部分,因此研究提取城区数字高程模型(DEM)的方法非常有意义.本文采用机载激光雷达(LiDAR)三维点云数据提取DEM,首先对研究区原始点云用不规则三角网算法进行滤波,获得所有的地表面点云并进行抽稀,然后应用自然领域插值法进行内插生成DEM,最后再与该区参考DEM进行对比分析.结果显示,本文提出的方法能够高精度获取城区数字高程模型.     

一种基于点云数据的DEM生成方法

利用机载激光雷达点云滤波已成为获取高精度数字高程模型的重要手段之一。本文充分考虑规则格网和虚拟格网的优势,利用规则格网进行建筑物区域与非建筑物区域的初步分离;然后,利用虚拟格网进行非地面点的去除,最后,用获得的地面点生成DEM,取得了较好的实验效果,具有一定的实用价值。     

无人机遥感技术制作 DEM 新方法

无人机遥感技术能够快速制作地表模型DSM ,由于测区地物的存在,地表模型不能替代DEM ,本文提出利用激光点云处理软件 Terrasolid软件,通过高程分类算法对点云数据进行分类,通过人机互助快速提取出地面点制作DEM 。     

一种基于平面拟合的LIDAR点云滤波方法

LIDAR点云滤波是将LIDAR点云数据中的地面点和非地面点分离的过程。根据在较小区域内可以近似认为地面为一平面,本文提出了一种应用平面拟合的方法,首先在一个局部区域内拟合出一个近似平面,通过判断LIDAR点是否属于该平面来获取平面点,并通过分类处理从平面点中得到地面点,最后用得到的地面点内插出DEM。滤波前,需要剔除高程异常点,本文应用了高程差约束算法抑制高程异常点,从而较好地保持了原始数据的局部细节信息。     

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。     

基于机载点云数据的智能化成图方法研究

为了提高机载点云数据生产大比例尺地形图的自动化程度,减少人工作业工作量,提出了一种基于机载点云数据的半自动化成图方法。该方法先对原始点云数据进行滤波处理,再将其划分为地面点云和非地面点云。对于地面点云可自动提取等高线并生成高程点;对于非地面点云,先进行分割、分类处理提取建筑物、高架桥等典型地物,再进一步提取其边界,完成制图。该方法能有效完成地形图生产中等高线、高程点、建筑物等要素的自动提取,而其他地形要素还需根据正射影像补充提取。     

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。     

无人机倾斜摄影测量土方计算及精度评定

无人机倾斜摄影技术的不断发展为土方测量中存在的受地形限制，费时耗力等问题提供了解决途径。本文详细阐述了结合PhotoScan软件进行无人机倾斜摄影土方计算的方法，介绍了点云分类方法与非地面点高程值修正方法。通过对地面控制点、点云分类方法和非地面点高程等因素进行分析，提出了地面控制点布设优化三原则，并利用RTK土方计算结果对无人机倾斜摄影测量土方计算结果进行精度分析。结果表明：利用无人机倾斜摄影技术进行土方计算，不仅能够简化内外业工作流程，降低生产成本，同时，通过对地面控制点布设、点云分类方法和非地面点高程改进方法等影响因素进行优化，还能够在一定程度上提高土方计算的精度。     

基于点云强度的公园乔木检测方法

利用树干石灰涂层在激光点云中的高反射特性,本文提出一种基于点云强度的公园乔木检测方法。首先,使用三维激光扫描仪采集点云,并对点云进行去噪以及地面滤波。接着,对非地面点进行阈值分割,高强度部分包含了涂有石灰的树干。最后,对高强度点实施欧式聚类算法,通过尺寸与点数的约束,得到树干的聚类单元。通过实验证明,该方法具有自动化程度高、检测率高、误检率低等优势,满足公园调查的技术要求。     

基于Car(p,q)模型和数学形态学理论的LiDAR点云数据滤波

在分析现有的LiDAR点云数据后处理方法的基础上,本文提出了一种点云数据“分步”滤波方法。首先对LiDAR点云数据进行数学形态学“粗”滤波,得到“地面点假设”和“非地面点假设”。然后引入顾及因果关系的自回归模型（car）对两类点云数据假设进行模型化处理和假设检验,根据假设检验的结果判断地面点和非地面点,最终得到可靠的分类结果。与单纯的“最小二乘拟合预测法”或“数学形态学”方法相比,这种“分步”处理的思想用于LiDAR点云数据分类处理的结果更可靠。     

利用无人机激光点云数据更新地形级实景三维地理场景

随着实景三维建设工作的不断推进,对地形级实景三维地理场景的现势性要求日益提高。为解决地理场景更新的及时性和高效性,本文利用无人机获取遥感卫星监测变化图斑点云数据,通过TerraScan点云分类滤波算法批量提取地面点,并采用CloudCompare拉普拉斯平滑算法进行平滑处理,进一步消除离散噪点,输出数字高程模型,最终实现地形级实景三维地理场景更新。试验结果表明,该方法自动化程度高,精度可靠,更新后的实景三维地理场景准确、自然真实。     

基于城区机载雷达数据的双重滤波算法

机载激光雷达扫描技术能快速且高精度地获取地面点的3维坐标,而激光雷达数据处理的首要任务就是点云的滤波,也即是将地面点和非地面点进行分离.传统的滤波方法大都是基于一定的地形条件或是小规模数据量进行的.针对城区的3维点云处理提出了一种双重滤波方法:先构建三角网,根据三角面片的角度信息过滤出一部分点云,将剩余点划分成规则格网;然后通过移动最小二乘曲面拟合法,将高差大于一定阈值的点滤除,从而获得地面点云.     

一种局部稀疏地面点云与已有DEM的融合方法

机载LiDAR采集的点云数据中会存在一些局部区域地面点稀疏的情况，利用这些稀疏地面点构建DEM时会出现“三角面片化”的问题，严重影响DEM的质量。为此，本文提出了一种局部稀疏地面点云与已有DEM的融合方法：将稀疏点云作为高精度控制点，在尽量保持原始DEM的地形形态特征的前提下，通过高斯核函数加权迭代插值算法对DEM进行高程局部改正，实现稀疏点云与DEM的一致性融合。试验分析表明，融合后的点云数据得到了较好的补充，由此构建的DEM地形形态自然，在精度上相对于融合前的稀疏地面点云有一定改善，在弱精度区域的可靠性有显著提升。     

以窗口化和地形坡度为基础的植被茂密区域点云滤波算法

三维激光扫描仪获得经典地貌的点云数据,需进行滤波剔除地面植被。由于植被茂密区域点云密集或遮挡,地面点极少,无法拟合出地形表面,这部分植被点很难剔除。针对植被茂密区域点云数据的特点,本文提出以窗口化和地形坡度为基础的植被茂密区域点云滤波算法,认为非地形坡度引起的高程差异的两相邻点中,较高的点为非地面点。试验结果表明,本文算法可以很好地去除植被茂密区域中低矮的植被点,保留真实的地面点,提高了植被茂密区域点云滤波的处理精度。     

面向复杂山地的机载LiDAR与无人机影像融合应用

本文针对LiDAR点云与无人机影像数据特征的优缺点,利用LiDAR点云与无人机DOM影像融合,将影像数据光谱信息赋给LiDAR点云数据,使其不仅具备精准的空间结构信息,还能得到清晰的纹理信息。为验证融合数据应用的可行性与数据提取的准确性,对融合前后的点云数据进行地面点提取与DEM构建。试验表明：将无人机影像的光谱信息赋给LiDAR点云数据,可以实现LiDAR点云数据从四维度表达到七维度的拓展,融合后点云数据具有清晰的纹理信息,地物类型判读更加容易,地面点分离完整;通过DEM模型的对比分析,融合后点云数据构建的DEM模型表达更加接近真实地表。研究结果为多源点云数据的深化应用提供了一定的技术方法支持作用。     

结合强度信息的LIDAR数据滤波方法

机载激光扫描系统可以直接生成扫描区域的数字表面模型,但是为了提取数字地面模型还须对LIDAR数据进行滤波处理。本文分析了用坡度法对机载LIDAR数据进行滤波的不足,并结合LIDAR数据中的强度信息,提出了一种结合强度信息的LIDAR数据滤波方法。与坡度法相比,该方法提高了滤波的精度和效率。试验结果表明该方法计算速度快,并能够有效地滤除LIDAR数据中的地物。