复杂地形云阴影识别

云阴影检测在遥感科学领域是一个重要研究方向,在许多方面有重要应用。单纯采用光谱阈值法识别云阴影会面临较多困难,难以准确识别,而采用时间序列法,则需耗费较多机时,过程较为繁复。在准确识别云像元的基础上,应用几何学方法识别云阴影是较为准确、实用的方法。目前,应用几何学方法计算起伏地形条件下的云阴影分布和变化特征的研究较少,本文提出了一种基于几何学方法的复杂地形条件下的云阴影识别方法,可以计算云像元对应阴影在复杂地形上的位置。模拟和实验表明,所提出的算法在识别复杂地形条件的云阴影方面具有较好效果,克服了几何法识别云阴影模型的原有缺陷。     

三维激光扫描技术在水利工程地形测绘中的应用

地形测绘是水利工程规划和建设的基础工作,如何有效提高地形测绘的工作效率,一直是广大测绘工作者的研究方向。本文结合青海省海西州那陵格勒河水利枢纽工程,探讨如何利用三维激光扫描技术快速、准确地完成水利工程地形测绘工作。通过对点云数据处理,总结出一些操作经验、数据处理要点以及注意事项。     

机载LiDAR测深点云滤波与分类方法研究EI北大核心CSCD

机载LiDAR测深(airborne LiDAR bathymetry,ALB)技术在海岸带、海岛礁等复杂浅水海域的水下地形测量中具有效率高、精度高、机动性强等优势,但受复杂海面、水体环境等多种因素的综合影响,ALB点云中存在大量噪点,直接影响ALB数据成果质量及其应用。为此,论文针对海面异常点导致的海底虚假地形、海底点云过度滤波导致的真实地形细节损失以及如何深度挖掘ALB信息进行高效底质分类问题,分别从海面异常点检测、海底点云滤波和海底点云分类3个方面进行了详细研究。     

集成RTK的三维激光扫描技术测量地形的方法

针对标靶扫描、全站仪辅助等因素造成扫描作业过程的复杂繁琐,提出了集成RTK的三维激光扫描技术测量地形的整体方案。采用网络RTK同轴同步测量扫描站坐标;两级拼接策略：地物点粗拼接与基于面搜索的ICP精确配准;采用测块四角或周边RTK点进行点云绝对定向;采用自主研发的点云测图平台进行地形测绘。通过几种典型地形的实验验证,该方案使得扫描作业效率提高了约5倍,与现行全野外数字测图方法比较,作业效率提高了约3倍。     

一种新的基于云模型的宗地地价评估方法

利用云模型发生器和云不确定性推理实现地价影响因素语言值的定性定量转换,在此基础上,结合多元线性回归模型,对地价影响因素量化值和地价进行回归分析,提出了一种新的宗地地价评估方法,并进行了实例分析.     

地面三维激光扫描地形测量数据粗差剔除算法及实现

本文基于地面三维激光扫描技术用于地形测量时点云数据的特点,得到引起结果存在粗差的障碍物上的点云具有坡度大于实际地形上坡度的特征,并据此提出了一种实用的粗差提取算法。对算法的原理、实现过程和其中重要参数的确定进行了分析,并编程实现了算法。最后,应用实例对粗差提取效果进行了检验,证明了算法的可行性和可靠性。     

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。     

恐龙谷南缘微地貌地形特征要素提取及分析

地形特征信息是地学研究中的重要依据,用于描述地形变化的总体样貌,决定了基础地形地貌形态特征。本文对禄丰恐龙谷南缘环状微地貌的地形特征进行提取及分析。首先,采用无人机测量技术获取测区影像数据,通过影像数据处理构建测区0.5 m分辨率的DOM数据与点云数据,并基于TerraSolid软件平台搭建滤波规则对点云数据进行分类、抽稀压缩处理,提取测区地面点,以地面点数据为基础数据构建测区2 m分辨率的DEM;然后,通过叠加ArcGIS空间分析中最大值提取与正负地形提取,完成地形特征点的提取分析;并结合ArcGIS中水文分析、平面曲率与坡型组合的方法,完成地形特征线提取分析;最后,在eCognition 9.0中通过面向对象的方法,实现地形面状特征提取。试验结果表明：①提取鞍部点的最佳分析窗口为11×11。②通过鞍部点位及两种方法提取脊—谷线,其中水文分析提取脊线更为细致,整体连贯性更为突出且从山体两侧脊线分布密集,试验区山体崎岖处提取鞍部点,即说明恐龙谷南缘整体受亚热带低纬度高原季风气候影响,山体受一定程度风化侵蚀。③恐龙谷南缘地形面状特征中裸岩、裸地两者面积占比较大,两者相加后占测区总面积64.2%,结合实地干湿分明的气候特点和实际勘察植被相对低矮的特征,在一定程度上说明该区域表层土壤疏松,需注意水土流失引起的生态问题。     

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。     

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。