基于区域多次回波点密度分析的城区LiDAR建筑物提取

以正确提取城区Li DAR点云中建筑物为目标,综合利用不同类别目标点云的回波特征以及地形信息,提出了一种基于区域多次回波密度分析的Li DAR点云建筑物提取方法。首先,将点云构建不规则三角网(triangulated irregular network,TIN),获取封闭的等高线;然后,利用等高线间的拓扑关系得到等高线族区域;最后,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。研究结果表明:该方法既充分利用了建筑物表面与植被间多次回波特性的差异,又不否定建筑物边缘同样存在多次回波的现象;通过封闭的等高线自适应地检测出地物目标的轮廓,弥补了传统Li DAR建筑物提取方法的不足;该方法能够较其他方法更准确地提取建筑物。     

基于等高线族分析的LiDAR点云建筑物模型自动识别及重建

针对传统LiDAR点云建筑物三维重建方法中基于平面假设的面片提取思想的局限性,基于建筑物等高线特性,研究建筑物等高线分族过程,通过对等高线形状的识别达到对建筑物屋顶模型的识别,使得重建的屋顶类型不再局限于平面屋顶形式,提高了重建的自动化程度。     

基于等高线簇分析的复杂建筑物模型重建方法

近年来,基于LIDAR点云数据的建筑物重建模型一直是研究的热点。目前,出现的许多算法对简单建筑物,如平顶房屋、人字行屋顶及其他规则房屋的重建取得了不错的效果,但是,对于结构复杂的建筑物重建问题仍然有待解决。针对这一问题,本文提出了一种利用等高线簇分析从LIDAR数据中自动重建复杂建筑物模型的新算法。该算法是一种自底向上的数据驱动方法,以等高线所反映出的建筑物轮廓特征为基础,充分利用等高线封闭性和明确的拓扑关系,采用等高线形状分析的方法来实现建筑物的检测和模型识别与重建。算法实现分为4个步骤,首先,通过对LIDAR点云数据的DELAUNAY三角化跟踪提取等高线,然后利用等高线的长度,面积等形状参数来提取建筑物等高线,再通过拓扑分析,以及形状匹配的方法对等高线进行分簇,得到同一建筑物不同组成部分的等高线簇,最后,对各簇等高线进行模型参数优化并按拓扑关系进行重组得到完整的建筑物模型。通过对多层次、多曲面等复杂建筑物的重建实验证明了此方法的可行性。     

湘江流域各城市间土地利用变化异同性聚类分析

在遥感和GIS支持下,提取了湘江流域2004年、2013年土地利用信息。以土地利用、经济社会、气候环境指标等为因子,采用质心聚类法,对湘江流域各类城市土地利用变化与经济社会环境因素的关系,及其异同特征进行分析。研究结果表明:(1)湘江流域各城市的土地利用变化可以分为三类:中速变化型、快速变化型和慢速变化型;(2)共同特征为:这三类的雷达统计图基本都呈"扇形",固定资产投资变化率最大,故"扇柄"的端头较尖,其他指标变化率小,故"扇头"较圆。建设用地增加,耕地减少是主线,水域、未利用地和林地呈上下波动的变化趋势。社会和经济的发展对促进土地利用变化起决定性作用;气候环境、人类活动及政策在一定程度上影响了土地利用变化。(3)不同之处为:三类变化率雷达图分别呈"水滴状""犄角状"和"流星状"。建设用地和未利用地变化幅度较大,耕地、水域和林地波动幅度较小。建设用地和耕地变化趋势主要由社会和经济发展所决定,人类活动和自然环境对未利用地的影响较明显,水域受气候和环境的影响较大,人类活动和政策对林地变化起着至关重要的作用。本研究揭示了湘江流域土地利用交替转化规律以及土地利用变化与经济社会、环境因素之间的联系。     

半严格模型在机载LiDAR系统自动检校中的应用研究

机载LiDAR系统检校的目的是消除系统误差的影响,提高原始点云数据的精度。在对飞行条件进行一定假设的前提下,激光扫描直接定位的严格模型可以简化为半严格模型,降低了系统检校模型对于原始观测数据的依赖。考虑到人工交互方式建立条带之间对应关系的缺陷,本文提出顾及点云特征的改进ICP算法获取条带之间的变换关系,建立了机载LiDAR系统的自动检校流程。采用包头检校场的真实LiDAR数据进行试验,结果表明本文提出的系统检校流程可以很大程度上消除系统误差的影响。     

基于代价敏感学习的遥感影像云检测方法

针对云检测任务中云和背景样本不均衡易造成模型泛化能力差的问题,应用代价敏感学习方法,在卷积网络的损失函数中引入代价系数,同时使用F1分数代替总体精度指标进行模型选择,可有效克服样本不均衡问题.以高分一号影像为实验数据,提取了不同下垫面的云,验证了本方法的有效性.     

基于高斯混合模型的遥感影像半监督分类

提出了对每一类地物的光谱特征用一个高斯混合模型(Gauss mixture model,GMM)描述的新思路,并应用在半监督分类(semi-supervised classification)中。实验证明,本方法只需少量的标定数据即可达到其他监督分类方法(如支持向量机分类、面向对象分类)的精度,具有较好的应用价值。     

一种顾及地形复杂度的LiDAR点云多尺度滤波方法

针对复杂地形区域的机载LiDAR数据滤波方法中自适应阈值设置问题,根据地形多尺度效应,提出一种自适应阈值的机载LiDAR点云多尺度滤波方法。该方法采用影像金字塔策略按分辨率从高至低逐级构建LiDAR点云分层格网,滤波过程则从最大尺度格网(顶层格网,最低分辨率)开始,采用局部统计分析的方法自适应地确定高差阈值,同时结合薄板样条内插出下层各格网控制点的高程值,直至最底层格网完成原始激光点云滤波。通过我国某山区城市复杂地形的LiDAR数据实验表明顾及地形复杂度的LiDAR点云多尺度滤波方法能够快速有效地提取高精度DEM,能够满足实际生产需求。