无人机点云数据的危岩体结构信息提取

针对在隐患地质灾害体信息采集过程中,大多数危岩体处于高陡边坡顶部,传统测量方式难以直接对其进行测量的难题,该文利用无人机摄影测量技术获取高精度遥感影像,基于点云数据构建三维点云模型和空间实体模型,生成研究区高分辨率栅格影像,提取危岩体空间地理信息,数字化量测危岩体结构面产状.实验表明,获取的高精度栅格影像,弥补了研究区高分辨率遥感影像的匮乏.构建的危岩体三维空间实体模型,模型内、外精度符合岩体结构面信息解译精度要求,可以多角度地观测危岩体地质灾害及其所处环境的真实场景,量测危岩体主要参数,提取危岩体空间地理信息.基于最小二乘法平面拟合算法处理三维点云模型,准确计算出结构面产状,为地质灾害防治部门提供基础数据.     

基于机载LiDAR点云的道路提取方法研究

道路是建设数字交通和数字城市的重要组成部分,也是空间地理信息的重要元素。针对传统遥感技术提取道路效率低、自动化程度不高以及易受周围环境影响等问题,基于无人机搭载LiDAR测量系统获取的某城郊结合区的点云数据,提出一种点云数据预处理、道路点云分级提取和道路边界提取算法。该算法首先对获取的LiDAR点云原始数据进行去噪处理,再结合曲面拟合滤波和点云几何特征提取包含道路在内的地面点云,然后利用点云的强度信息初提取道路点云,针对与道路材质相似的停车场等地物点云,在构建TIN的基础上,使用边长和面积约束进一步对道路点云进行精提取,最后使用α-shape算法对道路边界进行提取,并利用算法对实测的点云数据进行道路提取,以准确率和误分率对本文算法进行定量分析,结果表明提出的道路提取算法能够快速准确地提取道路点云。     

融合航空影像的震后机载LiDAR建筑物点云提取

基于机载激光雷达LiDAR(Light Detection and Ranging)数据识别震后建筑物震害,其前提是快速准确地提取建筑物点云。通过分析地震灾区机载激光雷达点云中提取建筑物点云的诸多难点,已有的方法难以达到预期效果,因此提出融合同机航空影像数据的方法,实现了震后灾区建筑物点云的获取。该方法首先在数据预处理的基础上,利用布料模拟滤波CSF(Cloth Simulation Filtering)算法进行点云滤波,得到地面点云和非地面点云(主要是建筑物、植被和车辆行人等),并将航空影像红波段光谱信息赋予非地面点云;然后基于灰度直方图阈值分割的方法剔除植被点;最后对剩余激光脚点利用具有噪声的基于密度的空间聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法进行聚类提取最终的建筑物点,并与参考建筑物点比对,进行精度验证,得到建筑物点云提取的漏检概率、虚警概率分别为15.61%、7.52%,总体精度可达84.39%。结果表明,在一定精度要求范围内,该方法能有效实现地震灾区建筑物点云的提取,可为震后机载LiDAR建筑物点云提取提供技术参考和方法借鉴,为建筑物震害识别做好基础工作。     

无人机倾斜摄影测量技术支持下的裸露边坡表面变化识别

为克服传统人工边坡调查方法效率低、风险高、难度大等缺陷,针对高陡裸露边坡,本文提出了基于无人机倾斜摄影的边坡三维重建和灾害识别分类方法,即利用无人机多视角序列影像重构裸露边坡三维实景模型,并将不同时期的边坡三维模型统一在相同的坐标系内。经试验验证,重建模型精度优于2 cm,基于点云与点云比较算法的三维点云数据变化检测算法,能够分析两个时期点云模型的细微差异,通过在三维实景模型中进行标记,结合PointNet++分类神经网络算法自制点云数据集,成功地实现对标记区域的识别与分类,从而实现边坡滑坡、坍塌、落石等灾害场景的智能化识别。     

机载激光雷达技术在滑坡调查中的应用——以三峡库区张家湾滑坡为例

机载激光雷达(light detection and ranging,Li DAR)技术具有受天气干扰小、能穿透一定厚度植被获取地表信息和数据处理过程相对简单等优势。通过与定位定向系统(position orientation system,POS)集成,机载Li DAR点云数据可快速生成精细数字高程模型(digital elevation model,DEM)。DEM是滑坡调查与监测的一种基础图件,其精细程度可直接反映地表形态的微小变化。通过DEM可在三维环境下准确地对滑坡特征参数进行定量分析。利用Li DAR技术对湖北省秭归县张家湾滑坡进行了识别与参数提取的研究和应用。首先,利用航带平差法和不规则三角格网加密对获取的点云数据进行检校与滤波处理,制作出高精度DEM成果;然后,通过DEM生成的山体阴影图、坡度图和地表粗糙度图,实现了对滑坡体的定性与定量分析;最后,完成对分析结果的评估。结果表明,机载Li DAR生成的高精度DEM可以清晰地识别出滑坡,并能够准确地对各种滑坡要素进行定量提取和分析。     

无人机载激光雷达在地质环境调查中的应用

通过无人机载激光雷达对宁东煤炭基地马莲台煤矿地表塌陷区进行扫描测绘,获取到了高时间分辨率、高空间分辨率和测量精度均匀的地表点云数据,并对点云数据进行了处理和三维建模;同时对项目区布设的检测点进行水准联测,与无人机载激光雷达所测的点云数据进行对比分析,对无人机载激光雷达的精度有了进一步了解。此次项目总结了无人机载激光雷达的工作流程和数据处理方法,对无人机载激光雷达的推广应用起到了积极的示范指导作用。     

改进K均值聚类的点云林木胸径提取

针对现有胸径提取精度不够高、自动化程度低等不足,基于地基激光雷达胸径切片点云数据,该文提出了一种改进K均值聚类的林木胸径提取方法.利用约束条件优化初始种子点的选择原则,避免随机种子点选择造成聚类结果陷入局部最优;采用拐点法自适应确定聚类目标类别数目,提高单木胸径点分割的自动化程度;根据点云与类别中心统计参数识别并剔除非目标对象点,通过圆模型参数求解实现胸径值计算.结果 表明:改进后的K均值聚类能快速实现林木胸径点的批量化提取,无须林木数目、样地大小等先验知识,具有自动化程度高、抗噪性强的优势.该研究对地基激光雷达在林业资源调查及生产管理应用具有一定的实际应用参考价值.     

基于语义特征的堤防外坡激光脚点分割

在缺乏影像等辅助数据的情况下,本文直接利用激光雷达LiDAR点云数据,提取水系边缘,并在此基础上实现基于语义分割的堤防外坡激光点云提取方法。分两步进行边坡的提取:首先获取LiDAR数据中水体边缘轮廓线,进一步获取堤防边坡的下缘线;然后以下缘线为增长基线,通过最小二乘平面拟合,利用区域增长的方法,将边坡平面提取出来,从而获取边坡脚点。     

机载LiDAR和高光谱数据融合提取冰川雪线

以西藏那曲县境内的“中习一号”冰川为研究区,对2011年8月获取的机载激光雷达点云进行预处理和滤波分类,提取研究区数字高程模型(digital elevation model,DEM);将DEM数据分别与同期获取的机载高光谱栅格数据和提取出的冰川矢量数据进行三维地形模拟,利用DEM数据对高光谱最大似然法分类结果进行正射纠正,从而获取研究区的数字正射影像(digital orthophoto map,DOM);最后结合研究区DOM和机载点云数据提取“中习一号”冰川的雪线.结果表明:融合机载高光谱和机载激光雷达2种数据的优势,能更方便地提取出冰川雪线,而且能很好地显示雪线的高度.     

面向机载LiDAR点云数据的双线河水体DEM构建方法

机载激光雷达(LiDAR)系统可以快速获取高精度的地面点云数据，可以快速生成数字高程模型(DEM)。但是基于原始水体点云数据直接构建DEM效果较差，针对这个问题，论文提出了一种双线河水体点云填充方法，对缺失的河道内点云数据进行填充，并设计开发了河流优化填充模块，实现了双线河水体具有上下游特征的DEM构建效果。     

共享近邻聚类算法点云面线提取

针对激光点云数据进行建筑物建模或矢量信息提取中快速识别建筑物面和棱线信息的要求,该文提出基于共享近邻聚类算法进行建筑物面和棱线的快速提取方法。首先,计算点云中每个数据点的单位法向量和点到基准面的距离,利用基于网格的共享近邻聚类算法对点云进行分类确定建筑物面点云;然后,自动判别相交平面,提取建筑物棱线,并与RANSAC算法对某建筑物面的提取结果进行比较。结果证明,该方法自动化程度高,建筑物面和棱线提取快速、准确,提取结果能够应用于三维建筑物自动建模和测绘出图。     

机载激光雷达数据提取DEM的关键技术分析

结合激光雷达数据的特点,着重分析利用激光LiDAR数据提取DEM的几个关键技术：预处理技术、滤波技术、DEM构建与质量评价技术。通过分析,为快速、高效、准确地获取DEM基础数据提供一个技术方案。     

基于多尺度维度特征和SVM的高陡边坡点云数据分类算法研究

为解决复杂场景下高陡边坡点云数据的植被过滤问题,首先研究了高陡边坡上植被和岩石激光点云的多尺度维度特征;然后利用支持向量机(support vector machine,SVM)构建分类器,针对高陡边坡点云数据提出滤波算法,并编制了三维激光点云滤波软件LIDARVIEW。实验数据表明,复杂场景内不同尺度的植被均得到很好识别,滤波算法分类精度较高;算法不受激光点云的密度、遮挡和复杂地形的影响,且适用于机载雷达点云数据的滤波;植被覆盖率高的岩石分类精度高于93%,植被覆盖率低的岩石分类精度高于97%。算法对山丘区有复杂地貌的高陡边坡地形测量具有重大研究意义。     

基于点云数据的危岩体表面线状特征提取方法

以危岩体的变形监测为研究对象,以三维激光扫描技术为数据获取方法,阐述了从点云数据获取、数据预处理到生成深度图像的方法、步骤、注意事项等,分析了数字图像处理中常用边缘检测算子的优缺点,提出采用Canny算子方法提取得到危岩体表面特征线,进而提取线状特征对应的三维坐标,为危岩体的变形监测提供了一种数据处理方法。     

无人机遥感技术制作 DEM 新方法

无人机遥感技术能够快速制作地表模型DSM ,由于测区地物的存在,地表模型不能替代DEM ,本文提出利用激光点云处理软件 Terrasolid软件,通过高程分类算法对点云数据进行分类,通过人机互助快速提取出地面点制作DEM 。     

采用聚类分析的车载点云地物分类

针对车载激光雷达点云初始聚类中心难以确定的问题,该文提出了一种基于最大网格密度的近邻聚类算法对点云实现分割,并以高程、法向量和投影密度作为约束条件对分割后的点云块进行地物的分类识别。通过对车载激光雷达的部分点云数据进行相关试验,结果表明该方法可以精确有效地实现城市典型地物分类。     

浅析无人机影像工程化处理在测绘保障中的应用

分析了无人机的平台系统、无人机影像传输的原理,研究了影像的快速拼接、点云数据提取、TIN三角网构建、DEM数据和等高线的生成。通过对无人机影像工程化处理,为应急测绘提供实时地理空间信息保障。     

基于剖面和迭代选权曲面拟合的LIDAR点云滤波算法研究

LIDAR数据是目前最为理想的生产DEM/DSM的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。提出了一种剖面的数据表达方式对离散的LIDAR点云数据进行组织,同时对点云数据做初步的分类,在此基础上用迭代选权曲面拟合的滤波算法对地面点和非地面点做进一步的分类,以提高LIDAR点云数据的滤波效果的方法。     

低矮植被的无人机激光雷达测高精度分析

针对无人机激光雷达估测低矮植被高度的精度大小,本文以3m以下低矮树木为研究对象,通过数值模拟方法得到不同航高、不同扫描角情况下激光脚点坐标和点云估测单一树木高度的最大测量误差值;对比实测树高,分析了激光点云估测树高的精度。结果表明,在航高为30m、扫描范围为(-50°,5°)的情况下,无人机激光雷达获取的激光脚点坐标误差和由激光点云估测低矮树高(3m以下)的误差均可以达到cm级;激光点云估测单一树木高度与实测高度的决定系数为0.977,均方根差为5cm,标准均方根差为4%。因此,应用无人机激光雷达数据可以快速、精确获取低矮植被高度信息,进而为反演植被生物量和植被长势信息监测提供重要依据。     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。