激光雷达数据处理、信息提取与应用

用于测绘的激光雷达技术的研究与应用在国际上已经经历了二十多年的发展历程.作为一种多平台主动探测技术,激光雷达已经和光谱成像技术以及合成孔径雷达一起构成当代遥感观测的核心技术体系.文章尝试对基于激光雷达数据的数据处理、信息提取及应用等进行综述,内容涉及点云分割、地物识别、点云滤波以及实际应用的最新研究进展.     

论吐鲁番地区第二次土地调查 地区级数据库设计与实现

吐鲁番地区第二次土地调查地区级数据库建设是新疆维吾尔自治区二次调查地(州、市)级土地调查数据库建设试点项目,是新疆第二次土地调查成果重要组成部分.试点项目在疆内首次综合运用测绘、计算机、数据库及网络通讯等技术,建立了集影像、图形、地类、面积和权属、基本农田、耕地坡度分级为一体的地(州、市)土地调查数据库集群.项目依据第二次全国土地调查要求并结合新疆特点,首次对地(州、市)级数据库建设软件进行了本地化研发改进.数据库的建设首次在新疆范围内实现地方与兵团数据库的合一,首次实现了县级、地区级土地调查数据按分类级别、权属、兵地等方式的统计汇总功能,首次实现实时数据更新和对各类图件的编制,打印出图等功能.实现了测绘技术在土地调查领域中的广泛、深入应用.     

工程测绘中激光雷达测绘技术的应用

文章主要分析了激光雷达测绘技术在工程测绘中的应用,首先介绍了激光雷达测绘技术的概念、工作原理以及分类,接着列举了激光雷达测绘技术在工程测绘中的应用实例,其在基础测绘、精密工程的测量以及数字矿山的构建工作中都发挥了巨大的作用。通过对激光雷达测绘技术的应用研究,以期为我国工程测绘行业提供参考性建议。     

MAPGIS土地利用数据库管理系统在土地利用数据库建设、管理中的应用

MAPGIS土地利用数据库管理系统是以MAPGIS为基础平台,面向县(市)级土地管理部门的系统软件.它包括MAPGIS地理信息系统平台、MAPGIS图形编辑、MAPGIS属性管理和土地利用数据库管理系统.MAPGIS是集数字制图和数据库管理为一体的空间信息系统,利用MAPGIS图形编辑强大的图层功能,可以方便、高效地进行基础数据的采集,它的数据库管理和空间分析查询检索、统计、分析、输出功能,为土地利用数据库的建设提供了强大的技术支持,本文结合MAPGIS土地利用数据库管理系统的特点和土地利用数据库建设、管理的要求,介绍了MAPGIS土地利用数据库管理系统在土地利用数据库建设和管理中的应用.     

浅谈激光雷达在废弃矿山生态修复中的应用

激光雷达(LiDAR)具有穿透力强、测量精度高、抗干扰能力强等特点,越来越多地被应用于自动驾驶、机器人、安防监控、无人机、地图测绘、物联网、智慧城市等高新科技领域。在自然资源调查和监测领域中,激光雷达能够弥补传统遥感技术在废弃矿山生态修复中存在的不足之处,能快速采集监测复杂的环境信息,具有重要的应用价值。本文将针对激光雷达技术的应用原理以及适宜性进行分析,并探究激光雷达在废弃矿山生态修复中的应用潜力,为激光雷达技术在废弃矿山生态修复中的应用实践提供参考。     

对空间数据库更新进展的思考——空间数据库更新专题前言

现势性是地理信息系统的"生命",直接影响着其使用价值与可持续发展.随着地理信息系统建设的不断推进与广泛应用,地理信息系统建设的工作重心已经由初始的数据生产向数据更新与服务进行转变.生产与应用的迫切需求提出了很多新的问题,同时也极大地推动了相关理论、技术及方法的发展.其中,空间数据库更新即是这一背景下提出的新问题,相关的理论和关键技术已经成为当前空间信息科学领域的国际研究与应用前沿.     

新型基础测绘背景下城市地理信息数据成果体系探讨

发展适合高层次应用需求的新型地理信息数据成果,是新型基础测绘理念落地的重要环节和举措.相应地,城市地理信息成果体系也应得到继承和发展.本文在分析城市地理信息数据成果发展需求的基础上,提出城市新型地理信息数据成果体系框架,分别就地理实体数据库及衍生成果,影像与栅格数据成果的数据类型、内容、规格、制作方式等提出一些建议.     

三维立体中国土地利用图正式出版发行

正为了积极响应党中央、国务院和国土资源部领导的要求,利用好第二次全国土地调查的数据成果,充分展现我国土地利用现状,满足多元化和人性化的地理空间信息服务需求,中国大地出版社(地质出版社)利用当今最先进的数字技术将三维立体技术与土地利用专题图有机结合,集成了地理信息系统、三维立体制图技术、CTP数字制版技术、光栅材料以及特种印刷技术,将地形特征信息与土地利用专题信息有机结合,科学、直观地反映土地利用的空间分布规律、发展变化过程,多角度、多比例尺、全面系统地展     

空间基准数据转换系统设计与实现

面对我国对境外地理信息建设需求以及国内外测绘基准不一致问题,提出通过建设空间基准数据转换系统解决全球地理信息资源基准一致性的难题.通过收集不同国家的基准数据,首先建立空间基准数据库,该库收集了全球200多个国家和地区556个坐标系统和1194条坐标转换参数;再通过分析和研究各国空间基准框架差异性,建立空间基准数据转换系统,初步实现大地基准和高程基准的统一,为境外地理信息资源统一到我国法定基准框架提供技术支持;最终建立以我国2000国家大地坐标系(CGCS2000)及1985国家高程基准为标准的,包含多国多地区多空间(高程)参考的,转换存储体系和安全高效的空间基准数据转换系统,初步满足经济发展对基准统一的需求.     

工程项目地球大数据监测与分析理论框架及研究进展

空间信息是工程项目建设的基础。测绘、遥感、GPS和GIS等空间信息采集技术在支撑工程项目向更高、更大、更安全等方向发展中发挥了重要作用。随着信息采集技术的迅速发展,大数据技术推动了各行各业迈入了新台阶。海量的空间信息正促进工程项目建设向更智能、更科学、更环保发展。在大数据时代,如何开展工程项目的大数据监测与分析成为了工程遥感监测领域新的研究方向。与此同时,“一带一路”倡议提出以来,迅猛发展的我国境外工程项目对工程项目的投资决策、建设与运营管理都提出了更高的要求。地球大数据技术可以为境外工程项目的前期规划、可行性研究、设计、安全风险评估、施工、后期运营管养及监管提供新技术、新方法和新手段。围绕工程项目大数据监测与分析的理论方法体系与科学问题,面向我国境外工程项目建设中对大数据分析技术的迫切需求,本文系统性的阐述了工程项目地球大数据监测与分析的概念、用户需求、研究内容、主要技术方法和远景目标,以期为未来相关研究工作提供指引。在此基础上,总结了工程项目地球大数据监测与分析的研究进展。研究发现：① 空间信息采集技术的快速发展,使得工程建设比任何时候都能获得更准确、更及时、更丰富的空间信息,工程项目的大数据监测与分析这一新的研究方向应孕而生,可促进工程项目向更智能、更科学、更环保发展;② 工程项目的现状调查、规划、可行性研究、勘察设计、施工和运营与监管等各个环节都对地球大数据监测技术有大量的需求;③ 地球大数据技术在我国工程项目建设中应用的相关研究还处于较为初级的具体技术服务阶段,还难以为工程项目投资决策提供支持,特别是境外工程项目的相关研究尚处于起步阶段,而我国境外工程项目建设存在基础数据匮乏、项目总体规划和模拟水平较低、监管能力弱和人文政治鸿沟风险高等问题,迫切需要开展地球大数据监测与分析,提高投资决策科学水平,降低境外投资风险。     

利用高精度DLG进行机载LiDAR点云精度评定研究

LiDAR作为一种主动式获取高精度地表几何信息的地形图测绘技术,其获取的点云具有较高的相对精度与绝对精度,可作为无控或稀少控制条件下（无人机）航空影像高精度几何定位的地理参考数据。影像几何定位所能达到的精度依赖于几何参考数据自身的精度,因此评价LiDAR点云的精度对于将其作为地理参考实现航空影像高精度几何定位,具有较强的理论价值与实践意义。本文提出了利用高精度数字线划图（DLG）作为几何参考评定机载LiDAR点云精度的方法。首先,通过比对DLG中高程注记点的高程与LiDAR点云中对应位置处的高程,实现LiDAR点云高程精度评定;然后,通过统计LiDAR墙面点在平面上的投影点到DLG房屋矢量轮廓线的距离,实现LiDAR点云平面精度评定。实验结果证明,本文试验区域LiDAR点云平面和高程精度分别可达到7.2 cm和8.3 cm,可作为大比例尺无人机航空遥感控制数据的有效选择。     

Volume estimation of small scale debris flows based on observations of topographic changes using airborne LiDAR DEMs

This paper describes a geographic information system(GIS)-based method for observing changes in topography caused by the initiation, transport, and deposition of debris flows using highresolution light detection and ranging(LiDAR) digital elevation models(DEMs) obtained before and after the debris flow events. The paper also describes a method for estimating the volume of debris flows using the differences between the LiDAR DEMs. The relative and absolute positioning accuracies of the LiDAR DEMs were evaluated using a real-time precise global navigation satellite system(GNSS) positioning method. In addition, longitudinal and cross-sectional profiles of the study area were constructed to determine the topographic changes caused by the debris flows. The volume of the debris flows was estimated based on the difference between the LiDAR DEMs. The accuracies of the relative and absolute positioning of the two LiDAR DEMs were determined to be ±10 cm and ±11 cm RMSE, respectively, which demonstrates the efficiency of the method for determining topographic changes at an scale equivalent to that of field investigations. Based on the topographic changes, the volume of the debris flows in the study area was estimated to be 3747 m3, which is comparable with the volume estimated based on the data from field investigations.     

一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法

针对现有的基于机载LiDAR数据的滤波算法未能充分利用数据提供的所有信息及其所采用的数据结构表达复杂、存在信息损失等缺陷,提出了一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法。算法首先以综合利用机载LiDAR数据的高程及强度信息为目的将点云数据规则化为灰度（体素内激光点的平均强度的离散化表示）体素结构,然后基于各体素间的空间连通性和灰度相似性准则,将灰度体素结构分割并标记为若干个3D连通区域,最后依据地面与其它目标的高差特性提取与其对应的3D连通区域。算法优势在于:基于体素结构设计,为3D滤波算法;综合利用了地面目标的几何及辐射特征,对比传统滤波算法可应用于更复杂的场景;滤波结果为3D地面体素形式,可直接用于创建地面3D模型。实验采用国际摄影测量与遥感协会（International Society for Photogrammetry and Remote Sensing, ISPRS）提供的不同密度的机载LiDAR基准测试数据测试了邻域尺度参数的敏感性及提出的算法的有效性,并和其他经典滤波算法做对比。定量评价的结果表明,51邻域为最佳空间邻域尺度;点云密度为0.67点/m²的数据集1的滤波平均完整率、正确率及质量分别为0.9611、0.9248及0.8934;点云密度为4点/m²的数据集2的滤波平均完整率、正确率及质量分别为0.8490、0.8531及0.7404;对比其全经典滤波算法本文算法在高密度点云数据滤波时表现更佳。     

交叉点结构特征约束的机载LiDAR点云与多视角航空影像配准

针对机载点云与航空影像配准精度受点云密度影响较大的问题,本文提出一种交叉点结构特征约束下的机载点云影像配准方法。该方法充分利用激光测距精度较高这一优势,采用点云中的平面结构对影像区域网进行绝对定向约束。首先,利用POS辅助平差后的影像内外方位元素和影像交叉点结构匹配结果,以反投影距离为测度,按照最小二乘准则交会得到交叉点物方结构;然后,在LiDAR点云中自动探测交叉点结构的同名LiDAR平面点;最后,进行交叉点结构特征约束下的航空影像联合区域网平差,得到精确的相机内参数和影像外方位元素。实验结果表明,本文方法在平面和高程方向上均可达到1~2个像素的配准精度。与基于建筑物角特征的配准方法相比,有效克服了点云密度对配准精度的影响,当点云密度较低时,本文方法依然可以取得较高的配准精度。     

融合LiDAR数据与高分影像特征信息的建筑物提取方法

建筑物是城市环境中的主要地物类型,从高分影像等数据中自动提取建筑物对于提升土地利用变化检测、城市规划与土地执法等业务的质量与效率具有重要意义。本文针对现有建筑物提取方法存在的边界提取不精确的问题以及采用手工特征表达图像信息的局限性,融合LiDAR数据与高分影像两种数据源的特征信息,提出一种基于SegNet语义模型的建筑物提取新方法。首先,对LiDAR数据预处理得到数字表面模型（DSM）、数字地形模型（DTM）、归一化数字表面模型（nDSM）,利用高分影像NDVI值去除nDSM中部分树木点,得到结果影像nDSM_en;其次,分别获取LiDAR数据回波强度、表面曲率以及高分影像NDVI值 3个特征构建特征图像训练SegNet语义模型,利用训练得到的模型完成建筑物初始提取;最后,采用阈值法分割nDSM_en得到影像对象,利用影像对象约束建筑物初始提取结果,完成建筑物精提取。在以ISPRS 官方提供的标准数据集（数据采集的地理区域为德国Vaihingen,采集时间2008年7—8月）为样本的实验中,本文方法在像素层次的平均查全率、平均查准率和提取质量分别为96.4%、94.8%和91.7%;针对面积大于50 m ²的建筑物对象,上述3个指标均为100%。实验结果表明：本文提出与实现的建筑物提取方法更好地利用了反映建筑物与非建筑物本质差异的特征信息,有效地实现了2种数据源的相对优势互补,提高了建筑物的检测与提取精度。     

机载LiDAR点云密度和插值方法对DEM及地表粗糙度精度影响分析

机载LiDAR点云是获取高质量数字高程模型(Digital Elevation Model, DEM)的主要数据源,而地表粗糙度作为DEM的主要派生产品,在地学研究中发挥了重要作用,但点云密度和插值方法对DEM及地表粗糙度精度影响程度并没有明确结论。为此,本文利用不同地形条件下的林区机载LiDAR点云为实验对象,将原始点云随机缩减为不同的采样密度,利用5种常用插值方法(克里金(Ordinary Kriging, OK),径向基函数(Radial Basis Function, RBF),不规则三角网(Triangulated Irregular Network, TIN),自然邻域(Natural Neighbor, NN)和反距离加权(Inverse Distance Weighting, IDW))构建各个测区不同采样密度条件下的DEM,并通过空间特征和统计特征两方面对DEM及其地表粗糙度精度分析。结果表明:(1) DEM插值算法的精度随点云密度缩减而降低,且数据量缩减至原始数据量的30%后,不同算法精度区别较为明显,其中,RBF和OK精度最优,IDW精度最低;(2) DEM误差与...     

基于微分形态学断面的机载LiDAR数据滤波新方法

提出一种基于微分形态学断面的机载LiDAR点云数据滤波新方法。该方法由点云数据构建规则格网,去除粗差点;对构建的每一个格网进行多尺度分解,获取初始地面点及地物点;分别利用曲面逼近及微分形态学断面构建DTM（digital terrain model）,通过阈值函数判别二者之间的残差,确定最终地面点。使用国际摄影测量与遥感学会提供的测试数据进行实验,并与8种经典滤波算法比较分析,表明该方法能够有效去除地物点和保留地面点,并降低总误差。     

采用动态负载均衡的LiDAR数据生成DEM并行算法

随着高性能计算的发展,并行技术已经广泛应用于LiDAR数据的分析处理。本文针对现有LiDAR数据生成DEM并行算法所存在的负载不均衡问题,设计并实现了动态负载均衡的LiDAR数据生成DEM并行算法。该算法采用主从式并行策略,管理进程负责LiDAR点云的高效自适应条带划分,计算进程负责LiDAR点云生成DEM的计算。本文设计了任务量的动态调度策略:首先,由所有进程并行创建任务量由大到小排列的待处理任务队列;然后,管理进程根据计算进程的反馈对待处理任务进行动态分配,以达到负载均衡。在24 核集群环境下,用30 GB(约12 亿点)LiDAR数据对本文算法进行测试,生成分辨率为1 m的格网DEM,算法加速比峰值达到15.16;同时,与静态调度策略进行对比实验,结果显示本文的动态负载均衡策略可更好地保证进程间的负载均衡,有效地提高了LiDAR生成DEM并行算法的整体效率。     

����³�����Ͼ����LiDAR���ƴֲ�̽�������

????3?????????????????LiDAR??????????????????????????LiDAR??????????????飬????????????????????????????????????????С???巽???????????3??????????????????3?????????????3???????????????????????????裬?????????????μó?????????б????????????????????????????????????????????????????????????????й???????????У?????????????в??????С??detMCD?в????????????С????????????????????????????????????????????????????????????????????????????????????С???????????????????????????????????????TIN?????????????,???????????????????????????Ч???LiDAR?????????е????????????????????????