浅谈利用LiDAR数据结合DTM生成等高线的方法

以一个数字城市项目用 LiDAR 点生成等高线为例,介绍了如何利用 LiDAR 点生成等高线及其相关要素的方法,主要包括 DTM 数据采集、LiDAR 数据的运用方式和生成等高线的过程。     

LiDAR数据提取等高线的方法研究

介绍LiDAR系统的特点,以及用高精度LiDAR数据提取等高线的方法,并在生产中通过大面积提取等高线进行验证。     

基于LiDAR点云自动生成等高线的方法研究

在地形图测绘中,等高线的获取有多种手段,但其方法都较为传统,费时费力,精度也不尽如人意。随着机载激光LiDAR的出现,利用其高精度的点云数据快速获取等高线是一种很好的途径。本研究利用机载LiDAR系统采集的点云数据,通过对点云数据处理,分别使用Global Mapper,GeoTIN,JX-4C,Tindem,VirtuoZo和TerraS-can等六种软件生成等高线,通过分析、比较,找出最为科学、合理的方法。结果表明,在采用Tindem生成等高线时,设置合适的参数,就能生成符合地形要求、质量最佳的等高线。     

一种LiDAR数据提取等高线的优化算法

在等高线提取技术中,LiDAR虽然较传统航空摄影测量具有明显优势,然而目前已有算法和软件基于LiDAR点云自动提取的等高线存在大量多余的短齿线和孤立环。本文提出了一种以短齿线和孤立环消除为核心的LiDAR数据提取等高线的优化算法,并基于FME软件平台设计程序加以实现,最后通过试验案例验证了算法和程序的可行性与有效性。     

结合机载和地面LiDAR数据的建筑物重建技术

机载LiDAR数据虽然能够快速地获取建筑的顶面信息,但是不能够有效地获取建筑物的侧面信息。地面三维激光扫描仪能够有效地获取建筑物的立面信息,但获取建筑的顶面信息较困难。针对机载和地面LiDAR数据在精细建模中存在的问题,采用机载地面LiDAR数据相结合的方式对建筑物进行精细的建模,实验结果表明,采用该法能够实现建筑物的精细建模。     

基于中值滤波的LiDAR点云生成地貌要素方法探讨

LiDAR点云的分类处理对地表覆盖的要求较高,植被稀疏或无植被的区域,易于实现自动分类,且生成的等高线较光滑,无需后期人工干预处理;植被茂密区域则无法实现自动分类,生成的等高线也不光滑,后期需对等高线进行大量修编处理。旨在探讨植被茂密区域机载LiDAR点云数据用于1∶10 000 DLG地貌要素更新的方法,提出用中值滤波的算法,对LiDAR点云生成的DEM进行滤波处理,实现等高线的光滑抽稀处理。同时,利用原有高程注记的点位,根据DEM数据重新赋值,实现高程注记的快速更新。     

机载LiDAR点云数据精细化滤波方法研究

针对机载LiDAR点云数据在自动化滤波过程中因建筑、植被底点剔除不完全导致DEM成果粗糙、等高线不平滑等问题,提出了一种精细化滤波方法。先对LiDAR点云数据进行滤波处理生成参照DEM,再利用同区域的正射影像辅助判别,选取需要滤波区域点云进行局部纠正;分别选取平坦区域和山地区域进行实验,并对精度验证和等高线成果进行了对比。实验结果表明,经过精细化滤波后的DEM和等高线成果在保证精度指标的前提下,成果质量明显提高。     

机载多光谱LiDAR数据的地物分类方法

机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。     

机载LiDAR系统在道路勘测中的数据获取及应用

从道路的机载LiDAR数据获取出发,解析各步骤的原理以及若干优化方法,同时给出了机载LiDAR系统在道路、城市中的多项意义,对于推进机载LiDAR技术的应用有一定的启示作用。     

浅谈基于LiDAR数据提取DLG等高线的流程

利用已有LiDAR数据成果探索更新1∶10 000基础地理信息数据中高程点、等高线要素的试生产工作总体技术路线、生产作业流程以及生产过程中出现的问题、解决问题的经验和技巧。     

基于LiDAR的海岛岸线自动提取研究

为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。     

利用影像辅助LiDAR点云数据的建筑物提取方法研究

机载LiDAR作为一种新兴的对地观测技术,能够快速地获取地表三维信息。如何从海量LiDAR点云数据中提取建筑物是数据处理中的一项关键工作。本文结合LiDAR数据和航空影像的数据特点,提出了一种航空影像辅助的LiDAR点云建筑物提取方法,首先,采用面向对象方法从航空影像中提取建筑物的轮廓;然后,以建筑轮廓信息为参考,从LiDAR点云中提取建筑物的点云数据;最后,通过实验证明该方法的有效性与可行性。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素，在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取，以及提取精度评定各环节存在的一些问题，提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上，首先利用改进的区域生长算法滤波地面点，并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点；再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面；最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算，通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明，综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息，对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。     

Individual tree crown delineation using localized contour tree method and airborne LiDAR data in coniferous forests

Individual tree crown delineation is of great importance for forest inventory and management. The increasing availability of high-resolution airborne light detection and ranging (LiDAR) data makes it possible to delineate the crown structure of individual trees and deduce their geometric properties with high accuracy. In this study, we developed an automated segmentation method that is able to fully utilize high-resolution LiDAR data for detecting, extracting, and characterizing individual tree crowns with a multitude of geometric and topological properties. The proposed approach captures topological structure of forest and quantifies topological relationships of tree crowns by using a graph theory-based localized contour tree method, and finally segments individual tree crowns by analogy of recognizing hills from a topographic map. This approach consists of five key technical components: (1) derivation of canopy height model from airborne LiDAR data; (2) generation of contours based on the canopy height model; (3) extraction of hierarchical structures of tree crowns using the localized contour tree method; (4) delineation of individual tree crowns by segmenting hierarchical crown structure; and (5) calculation of geometric and topological properties of individual trees. We applied our new method to the Medicine Bow National Forest in the southwest of Laramie, Wyoming and the HJ Andrews Experimental Forest in the central portion of the Cascade Range of Oregon, U.S. The results reveal that the overall accuracy of individual tree crown delineation for the two study areas achieved 94.21% and 75.07%, respectively. Our method holds great potential for segmenting individual tree crowns under various forest conditions. Furthermore, the geometric and topological attributes derived from our method provide comprehensive and essential information for forest management.     

基于3D Mapping软件的LiDAR点云数据的等高线提取

基于Geoway 3DMapping软件,对LiDAR点云处理后生成的2×2 m间隔的DEM数据进行滤波,提取1∶10000的等高线数据。经过实验,研究总结出提取等高线的最优方法、步骤及生产中的常见问题和解决方法,提取的等高线成果地貌形态逼真,等高线连续性好、形态美观、精度高,符合规范要求,为提高成图质量和作业效率提供了良好的技术保障。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

基于空-地多源数据融合的建筑物精细建模研究

针对建筑物精细建模的精度问题,对同一试验区建筑物群的机载LiDAR顶面数据、航空正射影像数据和车载LiDAR立面数据进行试验研究,通过精确提取各建筑物群的顶面和底面矢量轮廓线,对矢量轮廓线间的水平间距进行定性与定量分析,研究结果对空-地多源数据融合进行建筑物精细建模提供可靠的技术支持。     

车载联合机载LiDAR点云数据的建筑物立面精细分割

从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。