机载激光雷达全波形数据与系统点云差异的定量分析

目前常用的小光斑机载LiDAR波形数据与系统点云数据的来源相关性较大,波形数据的优势难以严格定量地评价和比较。LeicaALS60机载LiDAR系统记录的全波形数据与点云数据相对独立,点云数据来自硬件系统脉冲探测方法,而波形数据是未加处理的原始回波序列。本文对原始波形数据进行分解获取发射脉冲的全部回波,与系统探测点云进行了定量对比,并选取典型林区和城区数据,得到波形在两种地物类型中垂直信息获取能力的定量表征参数。结果表明,波形数据对不同地物类型均能丰富垂直结构信息和提高点云垂直分辨率,且这种提高在林区表现优于城区人工建筑和裸地;激光对树木冠层的穿透能力更明显地表现在回波波形信息中,相较于传统点云激光雷达,全波形LiDAR在森林垂直参数获取方面潜力更大。     

采用模糊C均值方法进行激光点云分类

LiDAR波形数据的分解可以获得地物的几何坐标属性和物理属性信息。基于几何特征的点云分类方法较多,而对于波形特征分类方法的研究较少。本文首先对全波形数据进行分解得到了振幅、波宽属性,并结合振幅邻域特征提取振幅方差,得到了具有3个属性的激光点云数据;然后采用模糊C均值聚类方法进行了激光点云数据的分割。试验使用Riegl vz-400激光扫描仪采集到的数据验证了算法的可行性,可成功将研究区域中的树木、地面、建筑等进行分类。     

机载LiDAR全波形数据分解的研究与应用

近年来,新兴机载全波形Li DAR技术在摄影测量与遥感领域受到广泛关注。其相比传统机载Li DAR的优势在于它对后向散射回波信息进行了完整的数字化记录。波形分解是波形数据处理的重要环节,通过波形分解不仅仅可以得到高质量的三维点云产品,还能够提高DEM的生成精度并辅助点云的精确分类,随着研究的不断深入,全波形数据将在更多领域发挥更大的实用效益。     

利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。     

机载Lidar数据的农作物覆盖度及LAI反演

虽然Lidar点云数据已被广泛应用于获取森林各项结构参数,但这些方法并不适合于低矮的灌丛、林地和农作物。本文以玉米为研究对象,提出利用机载Lidar点云数据的强度信息和全波形数据中的距离与扫描天顶角信息,反演农作物覆盖度和LAI的方法。在黑河进行的飞行实验和地面验证表明,该方法具有较高精度,也表明Lidar在低矮自然植被监测和农业应用上有较大潜力。     

机载激光雷达波形数据横向高斯分解方法

针对机载激光雷达波形数据分解易受噪声影响,高斯组分个数及叠加波初始参数估计不精确等问题,提出了一种横向高斯波形分解方法。该方法首先对波形进行滤波平滑处理,剔除背景噪声后,将检测到的波峰划分为不同的类型,分别估计其初始参数;然后横向逐步迭代分解估计初始高斯分量,在去除无效的初始高斯分量后,利用列文伯格-马夸尔特（Levenberg-Marquardt）算法进一步优化参数;最后解算得到分解点云。实验结果表明,该方法能有效地检测各种类型的回波信号,对叠加波形具有良好的适应性,并能在一定程度上保护弱波。相比系统点云,本文方法解算的点云在数量和细节上更具有优势,反映了更加丰富的地物垂直结构信息以及在森林参数获取方面的应用潜力。     

基于分组LM算法的全波形LiDAR高斯分解

LM(Levenberg-Marquardt)算法是全波形机载激光雷达(Li DAR)数据高斯分解中求解模型参数的一种方法。针对其结果在一定程度上依赖初值、雅克比矩阵出现非数值导致无结果等问题,本文提出分组LM算法,以广义高斯混合函数为模型,模型参数初始化后,将参数分组并使用LM算法依次对各组参数进行优化,并生成点云。为验证结果的可靠性,以系统点云为参考,与基于改进的EM(Expectation Maximum)算法全波形分解法做对比。结果表明,本方法不仅得到较高质量的点云,而且得到回波位置和宽度等信息。     

基于LiDAR波形分解的点云SVM分类方法研究

LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息,是发射激光脉冲沿途遇到的所有目标回波信号的总和,揭示了地物的几何和物理属性,是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LIDAR全波形数据分解成波宽、振幅、回波次数三个独立的属性,并分别将这三个属性与高程进行格网化,生成一幅含有四个图层的图像。然后使用SVM分类器对这幅图像进行分类,成功分出了房屋、地面、高大植被,分类精度96.2482%,kappa 0.9281。     

光谱遥感数据波形分析法的应用

本文利用傅立叶波形分析算法处理了光谱反射率数据,把不同地物的光谱分解为特征意义明确,信息内涵丰富,对各种地物可分辨性强的各次谐波分量。诸谐波分量的参数——波幅和初相唯一地决定了其对光谱曲线的贡献和构形位置。试验表明傅立叶波形分析算法可以成为处理各种成像光谱仪获取的超维图像的有效工具。     

融合航空影像的LiDAR地物点云分类

点云滤波分类是LiDAR后续应用的基础工作,在点云滤波的基础上,以航空影像为辅助条件,结合点云高程信息,设计一套地物点云的分类方法。该方法首先融合航空影像与LiDAR数据,将对应RGB值赋予每个点,根据植被的光谱特征提取出部分植被点云;然后再根据文中定义的点云高程纹理,在剩余地物点云中提取出建筑物点,最后根据回波次数信息分离出剩余植被点,完成地物点云的分类。采用北京凤凰岭地区一组机载LiDAR数据进行实验。实验结果表明,该方法能够有效地将地物点云进行分类并且满足一定的精度要求,具有一定的实用价值。     

多回波点云数据解算单株木叶面积指数

以行道树无患子为研究目标,采用地面激光扫描(TLS)技术提取单木分回波点云数据。获取全波形数据、单目标数据、首次回波数据、其余次回波数据,建立基于多回波点云的算法,利用消光系数法提取不同投影分辨率0.01 m、0.02 m和0.03 m的的单株树叶面积指数(LAI)。利用2维影像数据数字半球影像(DHP)和LAI2200提取对应单株树的叶面积指数,进行比较分析,以检验其精度。结果表明:点云投影的分辨率与激光回波都对LAI有极显著影响,其中分辨率为0.02 m和0.03 m的估算结果与LAI2200所得估算结果相近,且差异不显著;单目标回波数据用于LAI的解算,可以同LAI2200的2维影像数据结果进行相互验证。使用单目标回波数据,0.02 m投影分辨率可以最大程度的保证单株LAI的精度,其与LAI2200测定的数据进行截距为0的线性回归,斜率达到0.827。本研究所做多回波地面激光数据计算叶面积指数的算法拓展了地面激光扫描的应用领域,为立木生长量信息准确提取和树木精确建模提供了重要的技术参考。     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。     

利用车载LiDAR点云数据提取城市道路边界

随着高精地图产业的兴起,精确提取道路边界点云数据成为研究的重点。本文首先将车载LiDAR扫描系统获取的城市道路数据根据采集轨迹进行分段,对每一段路段点云进行滤波处理;然后通过分析点云的高程与平面信息,采用点云分割算法分离路面与非路面点云,再对处理后的路面点云进行投影;最后运用边界特征估计提取算法获取道路边界点云。通过对两种典型路段进行试验分析表明,该方法用于提取城市道路边界点云效果较好,精确性与稳健性高,对今后道路边界线的提取起到借鉴作用。     

利用三维激光扫描数据进行建筑物立面点云分割算法分析

三维激光扫描技术在当今社会的应用越来越广泛，但由于点云数据量大，处理效率低下，如何快速高效地将大量点云数据进行重建与识别成为解决问题的关键。点云分割技术能够将立面点云中的特征信息与背景点云分离开来，为地物特征信息的提取和识别工作提供了重要的技术支持。本文通过编程实现了多种点云分割算法，对建筑物立面进行分割处理，详细分析了不同算法的分割精度及适用范围。     

一种基于点云法向量的基准特征提取与倾斜分析方法

针对目前将三维激光扫描技术应用于变形监测领域存在基准特征难以提取、点云数据分析缺乏适用的方法等问题，本文提出了一种基于点云法向量的基准特征提取与形变分析方法。首先利用局部平面拟合方法获得点云的法向量，并沿点云法矢方向探测基准点；然后利用三次B样条曲线对探测的正确基准点进行拟合；最后根据拟合曲线计算基准高程和对径点倾斜角分析基准特征形变信息。对某化工厂的罐体点云数据进行基准特征提取结果表明，该方法可以快速、全面地获取监测对象的整体信息，且能够正确分析监测对象的基准形变。     

基于EPS平台的地面三维激光扫描点云数据处理方法探讨

三维激光扫描技术是通过大量密集的扫描点,以模拟形式体现目标实体对象表面丰富的形体信息,不能获取的点云数据直接读取目标对象的矢量化信息,并进行点云数据处理。笔者在工作中,以EPS2008软件平台为基础,利用VBScript脚本进行二次开发,实现了点云数据分层提取、点云线状地物提取、点云特征轮廓提取、点云数据断面提取和点云高程提取等功能。本文针对已经实现的功能进行探讨,指出每种方法的特点和应用范围。     

改进的EM模型及其在激光雷达全波形数据分解中的应用

随着数据存储能力和处理速度的提高,小光斑机载激光雷达系统已经可以通过数字化采样来存储整个反射波形,而不仅仅是由系统提取出来的三维坐标(即离散点云).分析波形数据最重要的优点之一是可以在后处理过程中让使用者自己来提取三维坐标.一般的分解方法基于非线性最小二乘的多项式拟合,或者有设备厂商提供的简单阈值法,无法获得高精度的分解结果.本文使用改进的EM脉冲检测算法得到回波脉冲的位置和宽度,证明是一种性能可靠、精度较高的波形分解算法.     

基于曲率特征的点云去噪及定量评价方法研究

由于仪器测距、测角误差，物体反射率，人为操作，遮挡及环境变化等原因，扫描获取的点云数据中存在大量的噪声点。为了高效去除噪声并保持原始点云数据的特征信息，本文提出了基于移动最小二乘曲率特征的点云去噪算法。首先采用移动最小二乘法（MLS）精确计算点云的曲率信息，然后根据曲率信息进行点云去噪，最后利用基于信息熵理论的定量评价方法验证本文方法的可行性。