基于不规则三角网的渐进加密滤波算法研究

在基于点云的地面变形分析中,往往会获取与地面变形监测无关的点云数据,如植被、建筑物和电力线等。为了更好的分析地面变形的程度,需要对非地面点进行剔除。本文应用了一种基于不规则三角网(TIN)的渐进加密滤波算法,并在TerraScan中对该算法进行验证。结果证明该算法非常适用于地表变形监测中滤波处理。     

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。     

基于TIN渐次加密的LiDAR点云数据滤波

传统的滤波算法通常是针对具有连续表面的简单区域来进行,因此带有一定的局限性,且不能解决复杂城区地形准确提取的难题。因此,本文提出了一种改进的基于TIN渐次加密的LiDAR点云数据滤波方法,该方法先对原始点云利用多尺度虚拟网格筛选地面种子点;然后,对种子点构建初始TIN表面,在此基础上进行向上加密;最后,得到的TIN三角网则为真实地形表面。实验结果表明,该方法能有效地滤除建筑物、植被和其他地物,并较好地保持地形特征。     

基于TIN的LiDAR数据滤波算法研究

研究利用区域生长滤波算法将原始激光点云数据直接构建不规则三角网(TIN),并选择地面最低高程点作为初始种子点,根据设定的高差阈值对种子点的邻域进行区域生长滤波处理。通过对试验区机载LiDAR点云数据的滤波处理结果与基于坡度滤波和基于移动窗口的高程滤波算法进行对比分析,结果显示该方法具有一定的优越性。     

地形自适应车载LiDAR点云滤波

针对车载LiDAR点云进行地面点滤波时,基于常规TIN、坡度等滤波算法不能根据局部地形变化自动调整阈值的问题,该文结合城市点云特征和地形起伏度,提出地形自适应的车载LiDAR点云滤波方法。该方法通过引入地形自适应参数进行区域增长阈值的动态调整,实现地面点、非地面点的自动精确滤波。通过实测数据试验,结果表明该方法可适用于车载LiDAR城市点云中地面点和非地面点的较精确分类,解决低矮浅丘、低矮灌木等地物点不容易正确分类的问题。     

FME在空间数据处理中的应用

利用FME工具语义转换功能可以实现数百种数据格式的互换,几乎可以避免属性信息的丢失,这是一般GIS软件无法做到的。介绍FME Workbench、FME函数以及其语义转换功能,根据目前空间数据处理面临的普遍问题,利用ArcGIS内置的FME Workbench组件,通过实例实现CAD和shp格式数据的互操作,以及shp到CAD格式的无损转换,为空间数据的处理提供一个很好的     

基于FME的点云数据生成公路纵横断面解决方案

为解决传统公路纵横断面测量效率不高、精度较低的问题,提出了一种以LiDAR为外业数据采集手段,利用FME编写解决方案实现内业数据自动处理并完成纵横断面提取的方法,并在实际工程应用中进行了可行性验证。首先介绍了传统测量手段的不足和新技术的优势,再分析了纵横断面测量的相关要求,然后利用FME编写了一套从DWG设计线、桩号和左右宽数据、点云LAS数据中自动提取纵横断面数据的程序,最后分析了该方法在测量效率、精度、流程等方面的优势,为基于点云数据的公路纵横断面测量提供了有益参考。     

基于原始LiDAR点云TIN模型的建筑物自动提取

提出一种基于原始LiDAR点云不规则三角网模型的多层结构建筑物激光点自动提取方法。利用TIN模型的空间特性对地面、非地面(建筑物、非建筑物)激光点进行判断,最终获得各个独立建筑物的激光点数据。通过对3组不同特征的城市区域的实验验证,结果表明本文方法能精确地完成建筑物激光点的自动提取,且不需要任何人工干涉或其他辅助数据支持。     

基于FME的DWG数据到ArcGIS转换的应用研究

本文针对工程实践中DWG数据到ArcGIS转换的实际需要,基于转换工具FME,采用FME Workbench构建转换模块对DWG数据转换的方法,研究了利用FME Workbench构建转换模块的关键技术和对转换后GIS数据的检查。通过以阜新腰梅力板的DWG数据为例,实现了对DWG数据到ArcGIS的Geodatabase数据的转换,并对转换后的数据进行检查、整理。结果证明,本文所采用的转换方法良好,节省了工作时间、提高了工作效率。     

基于扩展属性的DGN数据入库方法研究

通过对DGN数据入库常规方法中存在的问题进行分析,提出利用MicroStation软件自定义扩展属性功能和FME软件将DGN图形数据转换入库到ArcGIS的Geodatabase数据库的数据入库方法,设计了基于该方法的作业流程,通过工程项目的实施表明该方法较好地解决了DGN数据图形、属性一体化建库的问题。     

基于渐进三角网的机载LiDAR点云数据滤波

机载LiDAR点云数据滤波是获取高精度数字高程模型的关键,也是目前LiDAR点云数据处理领域研究的重点和难点之一。提出了基于渐进三角网的机载LiDAR点云数据滤波方法,首先以规则格网和不规则三角网组织数据,采用区域分块法或数学形态学法选取种子地面点建立初始稀疏三角网,通过不断向上加密三角网提取地面点。试验结果表明,该算...     

网格总分并行式Delaunay三角网建模方法

针对大规模点云数据,提出了Delaunay三角网构建的一种算法,算法通过自适应网格空间分割,实现了海量点云数据的规模均衡网格化逻辑分割;对网格内的顶点按距中距离进行排序,通过各网格由外而内的插入法建立三角网;按先总后分的方式优先保障网格之间三角网的生成,避免了分治-综合建模算法复杂而低效的三角网整合过程;建立了网格的拓扑闭包检测机制,针对各个子网格适时启动独立并行的线程对余下的内部点按传统的拓扑插入算法进行独立建模,从而并行高效、由总到分地实现了海量点集数据的三角网建模工作,显著地提高了空间大数据的三角网建模能力。     

Filtering airborne LiDAR data by embedding smoothness-constrained segmentation in progressive TIN densification

Progressive TIN densification (PTD) is one of the classic methods for filtering airborne LiDAR point clouds. However, it may fail to preserve ground measurements in areas with steep terrain. A method is proposed to improve the PTD using a point cloud segmentation method, namely segmentation using smoothness constraint (SUSC). The classic PTD has two core steps. The first is selecting seed points and constructing the initial TIN. The second is an iterative densification of the TIN. Our main improvement is embedding the SUSC between these two steps. Specifically, after selecting the lowest points in each grid cell as initial ground seed points, SUSC is employed to expand the set of ground seed points as many as possible, as this can identify more ground seed points for the subsequent densification of the TIN-based terrain model. Seven datasets of ISPRS Working Group III/3 are utilized to test our proposed algorithm and the classic PTD. Experimental results suggest that, compared with the PTD, the proposed method is capable of preserving discontinuities of landscapes and reducing the omission errors and total errors by approximately 10% and 6% respectively, which would significantly decrease the cost of the manual operation required for correcting the result in post-processing.     

基于车载激光点云的数学形态学滤波方法改进

针对车载激光点云数据空洞插值误差大及利用多尺度数学形态学滤波方法耗时高的问题,提出一种改进的数学形态学滤波方法,该方法按照点云空间分布形态格网化,以控制开运算方向。腐蚀运算过程中,根据格网腐蚀前后高程的变化情况,更新格网高程,以达到空洞精确填充及各格网均含地面点的目的。利用5组点云数据进行了实验,结果表明:该方法能有效提取地面点,运算效率明显优于多尺度数学形态学滤波方法,具有一定的实用性。     

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.     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

平原地区机载激光雷达数据的抽稀算法分析

目前，机载激光雷达点云数据在测绘行业中的应用还存在较多的瓶颈。为了使机载激光雷达点云数据更好地服务等值线等数据的生产，发挥其高效和高精度的优势，本文归纳、总结了国内外现有的LiDAR点云数据抽稀算法，并通过对比分析现有LiDAR点云数据抽稀算法存在的优缺点，如系统抽稀、格网抽稀、TIN抽稀和坡度抽稀等算法，结合平原地区激光点云在实际生产中的应用，研究了更适合平原地区点云数据的抽稀方法，通过大量的数据测试和试生产。结果表明，该方法可以在应用项目精度约束下保证数据质量，减少了后期数据处理应用的难度，提升了后续成果数据的质量，提高了作业生产效率，对机载激光雷达点云数据在测绘行业中的应用推广具有重要的现实意义。     

基于统计数据选取种子点的LiDAR点云迭代滤波算法

经典的渐进三角网滤波算法在LiDAR点云数据处理中应用十分广泛,但其滤波精度很大程度上取决于种子点选取的正确率。本文针对这一问题,在渐进三角网加密算法基础上提出了一种基于小格网高程、均方差和点密度统计数据选取种子点的迭代滤波算法。实验结果表明,本文的迭代滤波算法可有效避免低点等非地面点对种子点选取的干扰,且滤波结果生成的DEM精度较高,具有一定的实用性。     

对渐进三角网点云数据滤波算法的改进

针对渐进三角网滤波算法（PTD）进行拓普康LiDAR点云数据处理过程中易将地物点误判为地面点的缺陷，本文提出两种改进方法。一种是采用局部坡度拟合法对PDT算法进行改进，将点云数据按高程值与拟合坡面法求解的拟合高程值的差由小到大进行排序，将为地面点可能性更大的点优先判定，从而获取更加精确的TIN；另一种是引入薄板样条曲线（TPS）插值法，对PTD算法进行改进，将PTD中候选点判断参数改为TPS法中的弯曲能量增长值，从而减少误判。结果表明，使用以上两种改进算法，综合考虑第1类误差和第2类误差影响，在大部分地形特征下比传统PTD算法表现更优，对低矮植被、桥、斜坡等特殊地物的滤波效果更佳。     

一种从LIDAR数据提取城区DTM的方法

由机载激光扫描系统获取的点云数据,可以直接生成扫描区域的数字表面模型,但要想提取数字地面模型还须对点云数据进行分类处理。提出了一种获取数字地面模型的方法,其主要思路是利用原始的激光数据构建二维三角网,从而构建数字表面模型。通过分析数字表面模型的坡度进行初始的分割,剔出坡度较大的三角形。经过初步的分割之后,通过连通区域分析来获取每个分割区域的特征,提取出裸露地表高程,从而由点云数据构建出数字地面模型。