共查询到19条相似文献,搜索用时 93 毫秒
1.
正机载激光雷达(LiDAR)技术的出现和发展,为地理空间三维信息的获取提供了全新的技术手段。目前,机载LiDAR技术已经得到了广泛的应用,其中,电力巡线是其主要的工程应用领域之一。尽管基于机载LiDAR的电力巡线日臻成熟,但是其中的一些关键数据处理和信息提取方法亟待完善。本文围绕机载LiDAR点云电力线三维重建涉及的机载LiDAR点云数据滤波、单档电 相似文献
2.
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。 相似文献
3.
针对机载LiDAR点云存在数据缺失造成的空洞问题,研究利用低空摄影测量技术,探索机载LiDAR点云空洞修复的方法。利用低空摄影测量手段获取的遥感影像可以生成高精度的修复点云,并通过将修复点云融合到原始LiDAR点云中,实现对机载LiDAR点云空洞的修复。该方法操作简单、效率高,适用于大面积机载LiDAR点云数据的批量修复,能够为城市三维精细化建模提供重要的数据支撑。 相似文献
4.
5.
《测绘科学技术学报》2018,(5)
机载LiDAR点云数据是遥感大数据的重要组成部分,其海量化的趋势日益显著。本文设计并实现了基于NoSQL的海量机载LiDAR点云分布式存储模型,解决了海量机载LiDAR点云数据的高效存储问题。通过建立基于虚拟格网与线性八叉树的海量机载LiDAR点云数据组织结构,设计了基于虚拟格网号与Morton码的海量机载LiDAR点云数据标识唯一编码;提出了基于HBase的海量机载LiDAR点云数据存储策略,实现了键值和表结构的优化设计;最终实现了海量机载LiDAR点云数据的高效存储和快速查询。 相似文献
6.
7.
8.
9.
张天巧 《测绘与空间地理信息》2021,44(5):74-76,85
介绍了城市区域机载LiDAR航摄和倾斜摄影的工程实践,展示了机载航摄的现状和发展方向,详细阐述基于机载LiDAR航摄和倾斜摄影的技术融合的优势及应用,提高了城市实景三维模型的生产效率和精度,为建设智慧城市打下良好的基础. 相似文献
10.
机载LiDAR系统是一种主动式的对地观测系统,主要由中心控制单元、POS系统、激光扫描测距系统和数码相机组成。可以精确、快速地获取地面3维数据以及与其匹配的影像数据,从而生成高精度的4D产品。文中论述了LiDAR工作原理,介绍了机载LiDAR系统的组成,LiDAR数据的处理流程。最后,探讨了机载LiDAR系统在水利行业中的应用。 相似文献
11.
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。 相似文献
12.
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。 相似文献
13.
机载LiDAR数据逐航带平差与航带区域网平差对比 总被引:1,自引:0,他引:1
机载LiDAR系统获取的点云数据在经过预处理解算后仍会残余部分系统误差,因此,在利用点云数据生成DEM等相关数字产品之前,必须检查并改正这部分系统误差。以此为主要目标,本文对机载LiDAR数据的逐航带平差与航带区域网平差展开研究,并以Microsoft Visual Studio 2008 C++为开发平台、基于实测数据对比了两者在完成多航带构成的测区平差时的精度,结果表明:机载LiDAR数据的航带区域网平差方法相较于LZD算法可有效降低逐航带平差导致的误差累积,精度更高。 相似文献
14.
尝试应用机载LiDAR技术测绘1:10 000比例尺地形图3D(DLG、DEM、DOM)产品,给出了机载LiDAR测绘3D产品的技术流程,并选择荒漠地区作为试验区,验证了此种技术方法在荒漠地区测绘3D产品的可行性,分析了成果精度。试验证明,该方法可以满足荒漠区域的1:10 000比例尺3D基础数据生产要求,且具有外业工作量小、自动化程度高、成图快、高程精度高、受外界环境影响小等优点,同时也总结了该方法中有待完善之处。该方法为荒漠地区3D基础测绘数据获取提供了有益借鉴。 相似文献
15.
选择新疆焉耆县北大渠乡北大渠村房屋密集区作为研究区,通过三角翼搭载轻型机载LiDAR进行了低空(170m)交叉航线高密度点云数据采集,对点云数据进行拼接、校正、纹理信息增强,在点云上对房屋进行矢量化,并对结果进行精度检查。点云数据房角点采集率为83.3%,中误差为4.8cm。采用机载LiDAR测量房角点能够大大减少外业房角点测量的工作量。机载LiDAR的应用鲜有纹理信息的提取,本次测试通过对高密度点云数据进行有效的处理,提取了点云数据纹理信息,为机载LiDAR数据纹理信息的应用提供了参考,并对其精度有了明确的认识,可为后期相关工作的开展提供借鉴。 相似文献
16.
龚明杰 《测绘与空间地理信息》2022,45(1):198-199
为解决大范围复杂山区DEM生产困难的问题,提出利用机载LiDAR点云数据构建DEM.本文对机载LiDAR数据处理流程及其在复杂山区的具体应用进行分析,主要利用LiDAR数据处理软件对点云数据进行内业DEM生产并编辑最终得到符合项目要求的数字高程模型数据,结果证明该方法可行. 相似文献
17.
蔡悦 《测绘与空间地理信息》2020,(3):157-159,164
为解决山区测绘的高程问题,本文利用机载激光雷达采集了山区点云并通过点云滤波的手段获取了山区地表点的高程数据,通过实验验证和分析可知,机载激光雷达在山区的地表点云有着很高的精度和密度,能够很好地满足山区地形测绘的要求。 相似文献
18.
19.
Forest structural diversity metrics describing diversity in tree size and crown shape within forest stands can be used as indicators of biodiversity. These diversity metrics can be generated using airborne laser scanning (LiDAR) data to provide a rapid and cost effective alternative to ground-based inspection. Measures of tree height derived from LiDAR can be significantly affected by the canopy conditions at the time of data collection, in particular whether the canopy is under leaf-on or leaf-off conditions, but there have been no studies of the effects on structural diversity metrics. The aim of this research is to assess whether leaf-on/leaf-off changes in canopy conditions during LiDAR data collection affect the accuracy of calculated forest structural diversity metrics. We undertook a quantitative analysis of LiDAR ground detection and return height, and return height diversity from two airborne laser scanning surveys collected under leaf-on and leaf-off conditions to assess initial dataset differences. LiDAR data were then regressed against field-derived tree size diversity measurements using diversity metrics from each LiDAR dataset in isolation and, where appropriate, a mixture of the two. Models utilising leaf-off LiDAR diversity variables described DBH diversity, crown length diversity and crown width diversity more successfully than leaf-on (leaf-on models resulted in R² values of 0.66, 0.38 and 0.16, respectively, and leaf-off models 0.67, 0.37 and 0.23, respectively). When LiDAR datasets were combined into one model to describe tree height diversity and DBH diversity the models described 75% and 69% of the variance (R² of 0.75 for tree height diversity and 0.69 for DBH diversity). The results suggest that tree height diversity models derived from airborne LiDAR, collected (and where appropriate combined) under any seasonal conditions, can be used to differentiate between simple single and diverse multiple storey forest structure with confidence. 相似文献