基于平面特征的地面雷达点云配准算法

针对地面LiDAR点云配准中不同坐标系点云数据存在对应的平面特征不同的问题,文章提出了一种基于总体最小二乘的地面LiDAR点云数据配准算法:通过对分割后的点云数据平面拟合,得到相应法向量;根据不同坐标系中LiDAR点云数据对应的平面法向量,利用反对称矩阵和罗德里格矩阵的性质,用3个独立参数代替3个旋转参数,采用总体最小二乘法建立旋转矩阵解算模型;采用总体最小二乘法确定平移参数的计算公式;最后根据转换后特征点云与对应平面点云的重复情况,给出了配准模型的精度公式。实验结果表明该方法精度较高,可以取得较好的点云配准效果,适合于含有大量重复平面特征的点云数据的配准。     

平面特征的多站地面激光雷达点云配准

为了进一步研究建筑物密集区域多站地面激光雷达(LiDAR)点云数据的配准问题,该文提出一种基于平面特征的地面LiDAR数据配准方法:对点云数据进行分割获取平面信息;人工选择典型的平面,对相应的点云数据进行平面拟合,得到相应法向量;利用罗德里格矩阵的性质,建立三维激光扫描数据配准模型。实验结果表明,该方法的配准精度较高、计算速度快,可以取得较好的点云配准效果。     

变窗口均值限差法的点云噪声滤除方法

利用三维点云数据建模的准确与否很大程度上依赖于点云滤波效果的好坏,通过对滤波方法的研究,可以提供尽量准确的地面点云数据.文章利用C#高级编程语言,结合OpenGL三维图形库对三维激光点云数据进行噪声滤波处理;将三维激光点云投影到格网内的拟合平面上,通过变窗口均值限差法对高差、坡度关键参数进行了分析对比,确定出合适滤波参数,模拟表达实际地形的原貌.实验证明,变窗口的均值限差法可以滤除绝大部分噪声,对于紧邻地面的部分噪声,可以通过进一步拟合最小二乘曲面或加入先验信息等方法去除.该方法不仅能够有效去除噪声,而且还能较大程度地保留地形的特征信息.     

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Car(p,q)模型和数学形态学理论的LiDAR点云数据滤波

在分析现有的LiDAR点云数据后处理方法的基础上,本文提出了一种点云数据“分步”滤波方法。首先对LiDAR点云数据进行数学形态学“粗”滤波,得到“地面点假设”和“非地面点假设”。然后引入顾及因果关系的自回归模型（car）对两类点云数据假设进行模型化处理和假设检验,根据假设检验的结果判断地面点和非地面点,最终得到可靠的分类结果。与单纯的“最小二乘拟合预测法”或“数学形态学”方法相比,这种“分步”处理的思想用于LiDAR点云数据分类处理的结果更可靠。     

利用三维激光扫描技术检测建筑物平整度及垂直度

利用地面三维激光扫描仪对某建筑物进行全自动高精度立体扫描，获得目标建筑物表面的三维空间点云信息，经过研究分析提出了一种根据点云提取建筑物中心轴线的方法，采用随机采样一致性算法（RANSAC）拟合直线，并采用整体最小二乘算法拟合平面。通过分析拟合平面及拟合直线的几何特征来检测建筑物的平整度和垂直度，实测数据分析结果表明，三维激光扫描技术在建筑物立面平整度及垂直度检测中具有较高的可行性和适用性。     

基于地面激光雷达点云的层析合成孔径雷达建筑物三维重构精度评定方法

层析SAR技术可以根据获取的二维SAR影像来进行城市建筑物的三维重建,在不久的将来有望成为城市多维精密监测的重要技术工具。目前,层析SAR城市建筑物三维点云的精度还没有有效的验证方法。本文提出一种基于地面LiDAR三维点云数据来验证层析SAR三维点云数据精度的方法,通过将层析SAR和LiDAR的建筑物点云分割成不同立面,进而逐个面进行立面边界提取,并以LiDAR三维点云数据作为基准,将二者的建筑物几何特征进行对比,从而验证层析SAR城市建筑物三维点云的精度。实验选取盘古七星酒店层析SAR三维点云数据与LiDAR三维点云数据进行对比分析,结果表明基于LiDAR三维点云来验证层析SAR城市建筑物三维点云精度方法的有效性和适用性。     

基于移动最小二乘法法矢估计的建筑物点云特征提取

特征提取对建筑物精细建模的品质和精度起着重要作用。为清晰准确地提取建筑物的特征信息,本文针对采用传统的法矢估计方法受噪声影响大、存在误判的问题,提出了一种基于移动最小二乘法矢估计的建筑物点云特征提取方法。该方法首先采用移动最小二乘法进行法矢估计,然后将K邻域法矢夹角的均值作为点的显著性指标进行特征点判别,最后对提取出的特征点集进行下采样,进一步消除冗余信息。试验结果表明,采用移动最小二乘法进行点云法矢估计,其结果更加准确和稳健,从而有效提升了建筑物点云特征提取的精确性和可靠性,对特征点集的下采样能够删除大量冗余特征点,使提取的特征线更加简洁、清晰、完整。     

复杂城区建筑物和植被分类研究

针对城市复杂环境点云数据中建筑物和植被较难分离的问题,提出利用二者高度、面积、坡度等信息先将建筑物分离,再利用建筑物结果作为约束,较为准确地将二者进行分离的方法。首先将倾斜摄影密集匹配点云数据进行插值生成DSM,针对非地面点集,依据建筑物规则特征,将其从地物中首先分割出来。其次,利用最小二乘拟合平面法获得近似建筑物屋顶的拟合平面,经过边界优化得到准确建筑物边界。最终将建筑物作为约束条件,提取植被信息。实验结果表明本文提出的方法较面向对象法有更好的分类结果,且能得到地物三维信息,具有较强实用性。     

密集低矮植被区LiDAR点云地面滤波算法

针对地形复杂且低矮植被茂密的矿区LiDAR点云特点,本文提出了一种基于坡度信息并结合平面拟合的地面滤波算法。该方法采用二级格网法逐级选取地面种子点,在每个一级格网中,利用地面种子点通过最小二乘拟合法进行平面拟合并构建地面模型,最后达到区分地面点和非地面点的效果。与传统坡度法和布料模拟法的对比试验表明,该方法能够有效滤除密集低矮灌木,以及较好地保留较大坡度地形。     

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。     

3DGIS中建筑物三维建模技术综述

在3DGIS中,数据模型和数据结构是一个关键问题,数据获取和建模越来越重要。本文以城市建筑物作为研究对象,阐述建筑物三维建模面临的问题,并对三维建筑物数据获取、建模、纹理映射等方面进行探讨。最后,通过二维数字地图获取几何数据,数码相机拍摄的近景影像作为纹理数据,在OpenGL中建模及贴图得到建筑物的三维模型,取得了较好的效率和效果。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

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。     

一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法

利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。     

Object-oriented semantic labelling of spectral–spatial LiDAR point cloud for urban land cover classification and buildings detection

The urban land cover mapping and automated extraction of building boundaries is a crucial step in generating three-dimensional city models. This study proposes an object-based point cloud labelling technique to semantically label light detection and ranging (LiDAR) data captured over an urban scene. Spectral data from multispectral images are also used to complement the geometrical information from LiDAR data. Initial object primitives are created using a modified colour-based region growing technique. Multiple classifier system is then applied on the features extracted from the segments for classification and also for reducing the subjectivity involved in the selection of classifier and improving the precision of the results. The proposed methodology produces two outputs: (i) urban land cover classes and (ii) buildings masks which are further reconstructed and vectorized into three-dimensional buildings footprints. Experiments carried out on three airborne LiDAR datasets show that the proposed technique successfully discriminates urban land covers and detect urban buildings.     

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。     

基于激光雷达的自然资源三维动态监测现状与展望

激光雷达作为一种主动的三维遥感观测技术,在不同尺度的土地、矿产、森林、草原、湿地、水、海洋等自然资源的三维动态监测中发挥着越来越重要的作用。本文将在简要介绍激光雷达技术发展现状的基础上,重点阐述激光雷达技术在各类自然资源三维动态监测中的应用现状,同时对激光雷达在自然资源调查中的应用潜力和局限性进行综合分析,最后探讨以激光雷达技术为基础的自然资源三维动态监测的未来发展趋势和方向。随着激光雷达技术和平台的不断发展以及激光雷达信息的深入挖掘,将不断促进激光雷达技术在自然资源三维动态监测应用中的纵深发展。然而单一激光雷达数据由于其本身存在的局限性,难以满足自然资源全要素、全流程、全覆盖、高精度、高效率的现代化动态监测的要求,如何将多源、多尺度、多平台遥感数据与人工智能相结合,构建“天—空—地”一体化的自然资源调查监测技术体系,是未来自然资源三维动态监测的发展方向。