无地面控制点的车载激光扫描系统外标定方法

车载激光扫描技术能够高效率、高精度、低成本地获取城市三维地理数据,是最先进的三维地理数据获取手段之一。车载激光扫描系统的精确外标定是获取高精度车载激光点云的前提;通常采用建立三维控制场的方法对车载激光扫描仪进行外标定,该方法灵活性差,且需要耗费大量人力物力建立三维控制场。针对此,提出一种无需地面控制点的车载激光扫描系统外标定模型及参数解算方法,该方法利用车载激光扫描系统对同一地物多次扫描的激光点云需重合作为约束条件,使用LM(Levenberg-Marguardt)最优化算法解算标定参数,使用该方法对车载激光扫描系统进行了外标定,并用实测控制点验证了标定后系统的定位精度。     

面向车载激光扫描点云快速分类的点云特征图像生成方法

车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。     

车载激光扫描数据分类支持下的路面数据提取

车载激光扫描系统可以快速采集道路及两旁的建筑物、植被、电杆等地物的点云数据,而点云数据的分类提取是车载激光扫描系统应用的关键。本文选用全景激光移动测量系统获取的激光点云数据,分析了路面点云数据的特征,采用渐进格网法进行了路面点云数据的提取研究;通过试验区的实例验证,取得了较好的分类效果。     

一种车载激光点云数据中道路自动提取方法

针对车载移动测量系统数据采集特点,构建车载激光点云扫描线索引,提出了一种基于扫描线索引的道路路面与路边点云稳健分类法。首先通过分析扫描线上不同地物剖面的空间分布特征,进行剖面激光点生长聚类,形成完整的地物剖面目标点集;然后根据点集的几何特征因子判断点集类型;最后利用相邻多条扫描线上路边点分布规律进行去噪。对车载移动测量系统获取的两份点云数据进行实验,路面与路边提取的平均完整率分别为94.4%、86%,平均准确率分别为98.9%、99.1%。实验分析表明,该方法能有效减少粗糙路面点的错误分类,适应不同的道路路边条件,降低独立地物对路边提取的干扰。     

基于地物特征提取的车载激光点云数据分类方法

车载激光扫描测量方法较传统摄影测量方法具有更多优点,它能快速采集大面积、高精度的三维空间数据,具有广阔的应用前景。针对车载激光扫描数据的分类问题,提出了一种基于地物特征提取的点云数据分类方法,即采用主成分分析(PCA)方法,在提取多种街区地物点云数据几何特征和总结地物对象特征知识规则的基础上,根据选取的主特征设计一套阶层式的分类方法,并利用该方法对一套车载激光点云数据进行了分类试验。结果表明,该方法的分类效果良好,具有一定的实用性。     

基于车载激光扫描数据的目标分类方法

车裁扫描系统可以获取建筑物、道路、隧道等城市物体的表面信息,非常适用于城市物体三维空间信息的快速有效获取。本文从激光扫描数据中进行建筑物特征提取,重点是车载激光扫描数据分类;设计了一种新的车载激光扫描数据分类和建筑物特征提取方法,此方法充分利用激光扫描数据的空间分布特征和城市环境中各种物体自身的几何特征,将所有数据点投影到水平格网中,对每个格网单元,计算其中所有数据点投影前高度值的最大值,根据此最大值来判定该格网单元中数据点的类别,从分类后的数据中提取建筑物特征。应用所设计的数据处理方法处理车载式三维信息采集系统采集的数据,分析得到了结果。     

车载激光扫描数据的高速道路自动提取方法

针对车载激光扫描技术存在数据量大、点云散乱、目标复杂以及地物相互遮挡等问题,该文提出一种从车载激光扫描数据中高速道路自动提取方法。①对激光点云进行基于扫描线的自适应滤波,剔除路面点。②对于滤波后激光点云数据,使用平滑度约束下的欧式聚类算法进行聚类。③对道路边界进行优化追踪,提取出完整的道路边界和道路面。实验结果表明,本文方法能够快速准确地提取高速公路道路边界和路面点云,提取结果的准确率、完整率和检测质量分别为97.52%、94.23%和92.69%。     

BP神经网络的道路场景杆状地物自动分类

针对车载激光扫描数据中杆状地物分类精度不高、自动化程度低的问题，本文提出一种基于BP神经网络的分类方法。首先根据杆状地物点云特征选取10个特征值，获取杆状地物聚类单元的特征向量，构建特征矩阵；然后使用样本集训练BP神经网络模型并保存该分类模型；最后使用BP神经网络分类模型对试验区内的杆状地物进行分类。试验结果表明，该方法对杆状地物的分类精度可达95.34%，验证了文中所述方法对杆状地物分类的有效性。     

基于车载激光扫描数据的电线杆自动识别与定位

本文对车载激光扫描数据进行了研究,将投影点密度(DoPP)与电线杆的几何特点相结合,提出了一种基于激光扫描数据的电线杆自动识别和定位的方法。首先,将车载测量系统获取的激光点云投影到水平面,建立水平格网,设置投影点密度阈值分类出杆状地物所在的格网区域;然后将分类得到的杆状数据拟合成为一条空间直线,以电线杆的几何特性作为期望值和方差,自动识别电线杆;最后,该空间直线与地面网格相交确定电线杆的定位位置。本文算法与T3D Analyst商用软件提取的电线杆进行比较,实验结果表明本文方法行之有效。     

格网邻域滤波在车载激光点云道路边线提取中的方法研究

结合城市车载激光扫描点云道路数据与地物点各自的特点和空间分布,用路面点云控制道路两侧地物点云进行滤波,从而实现道路路面点和地物点的分离,并根据城市道路中含有高出路面边缘的路缘石的结构特性设置阈值来提取路缘石,通过设置合适的格网及其邻域格网中点的密度特性进一步滤波路缘石,生成道路边线。     

地面与车载激光点云在地下车库测图中的融合应用

地下空间利用日益受到人们关注，地下空间测量受诸多因素的影响，如地下空间无GPS信号、遮挡物较多、传统手段效率低等问题。针对这一问题，本文提出了一种融合车载激光扫描系统和地面三维激光扫描的数据获取方案。该方案首先利用地面三维激光扫描和车载移动激光扫描的优势，采用一种多源点云数据融合技术，高效地获取了地下空间的完整点云数据；然后通过地下车库数据采集试验，验证了该方案的有效性和可靠性，为今后大范围开展地下空间测图提供技术支持。     

Extraction of buildings and trees in urban environments

In this article, two methods for data collection in urban environments are presented. The first method combines multispectral imagery and laser altimeter data in an integrated classification for the extraction of buildings, trees and grass-covered areas. The second approach uses laser data and 2D ground plan information to obtain 3D reconstructions of buildings.     

三维激光扫描技术在矿山表面积计算中的应用

基于三维激光扫描技术进行表面积计算的原理为:获取的目标表面海量点云数据,采用一定的数学计算方法,便可求得场区的表面积。该方法弥补了传统方法计算物体表面积只能获取表面离散点坐标,对于因堆积物表面形状复杂而无法测量到的离散点,只能通过插值计算得到的缺陷;解决了随着计算范围增大或地面起伏变化工作量不断增大,计算误差会随着地面起伏的增大的问题。结合项目实例,本文提出了一种采用三维激光扫描技术进行废弃矿山修复治理区的三维信息采集和表面积核算方法,并对该方法表面积计算的技术原理、表面积计算的技术路线及项目实施过程中遇到的难题及解决方案问题进行了详细阐述,为后续相关项目实施提供了一定的参考依据。     

基于机载激光扫描数据提取建筑物的研究现状

机载激光扫描系统是集成了GPS、惯性导航系统(INS)和扫描激光测距系统并利用飞机作为运行平台,来获取地面的三维位置,进而快速生成数字表面模型(DSM)。随着机载扫描激光测距系统的不断完善和发展,获取城市DSM数据也变得越来越快速,而且方便和经济可靠,地面激光点的密度也大大提高。目前国外激光扫描系统的激光点密度一般都达到了1～20点/m2,因此利用机载激光扫描系统获取的城市DSM提取建筑物也渐渐受到重视。利用激光扫描数据提取建筑物可以分为两大类,第一类是单纯以获取的机载激光测距数据来提取建筑物,第二类是融合激光测距数据和其他相关信息的建筑物提取,如融合航空影像、融合IKONOS高分辨率卫星影像来提取建筑物。本文对国际上利用机载激光扫描测距数据进行建筑物提取的最新研究进展进行了一些分析,同时也给出了应用我国研制的机载激光扫描数据提取建筑物的试验研究和初步结果。     

全波形机载激光雷达绝对辐射定标与不确定性分析

为揭示全波形激光雷达回波在森林等植被区域多回波信号的特征和对目标识别分类的影响，以激光雷达方程为模型基础，利用朗伯体目标为地面参考，提出了将激光雷达波形参数标定为后向散射截面、后向散射系数和漫反射率等物理量的方法，实现了机载小光斑全波形机载激光雷达数据绝对辐射定标。对两个不同实验区的LMS-Q680i数据标定结果表明，漫反射率与参考反射率相对误差总体分别小于10%和5.5%，误差标准差分别为0.044和0.077，有效消除了条带间差异。推导了多回波的激光雷达方程组，比较了相同系统在不同观测条件下的定标常数变化，重点分析了全波形激光雷达在穿透性目标上的多回波现象造成的能量衰减，及其对辐射定标结果的影响，证明了多回波现象是造成多回波信号减弱的主要原因。该现象是当前技术体制下激光雷达观测过程本身存在的缺陷，对基于激光雷达辐射信息的目标识别分类带来了一定的挑战，也是多光谱、高光谱激光雷达辐射信号定标必须解决的问题。     

加入地物倾角分析的LiDAR回波强度校正

LiDAR回波强度数据的校正处理可以提升其在地物分类识别方面的利用价值。本文研究发现倾斜地物(如三角形、拱形房顶等)的自身倾角会改变激光反射角进而影响回波强度,而现有归一化校正模型缺乏对地物倾角的计算分析。随后结合LiDAR数据的采集方式和特点,以及倾斜地物的结构特征,提出了一种加入地物倾角计算的改进型归一化校正算法。首先,对激光点的回波强度值进行基于传输距离值的初步校正;然后,以平面距离值、高程、回波强度值差异为参考,判定激光点是否属于同一倾斜地物,若满足条件,则计算出激光点的趋势角,并依据制定的判定规则确定趋势角的正负;最后,将趋势角计算结果与扫描角数值结合计算出对应的反射角,并重新对回波强度值进行计算校正。实验表明,蓝铁皮材质的三角形、拱形房顶的回波强度值范围和均方差缩小,且采集的8种地物样本的回波强度均值的差异性与激光反射率测量结果基本一致,说明该算法能够有效识别具有一定面积且材质均一的倾斜人工地物并计算修正其自身倾角对回波强度带来的影响,从而进一步提高基于回波强度值的地物可分性。