多级移动曲面拟合LIDAR数据滤波算法

为提高城市区LIDAR数据滤波精度, 提出了一种多级移动曲面拟合滤波方法。建立区块网格搜寻及索引机制完成对离散LIDAR点云的标示; 通过建立二次多项式完成参考曲面的拟合, 不同窗口大小获得不同层次的拟合曲面; 设置自适应阈值, 完成地面点与非地面点的判断。精度评价结果表明, 该滤波算法误差在1m以内, 能够满足实际应用的需求。     

一种基于移动曲面拟合的机载LIDAR点云数据滤波方法

针对机载LIDAR点云数据滤波问题,在分析张小红教授提出的移动曲面拟合法滤波的基础上,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于移动曲面拟合的机载LIDAR点云数据滤波方法,并通过实验验证了该方法的可行性和适用性。     

利用凝聚层次聚类的多视影像重建算法

无序多视影像的三维重建由于缺乏先验信息而可能导致重建结果发生漂移。提出一种稳健的重建算法,以匹配点对数量作为影像间的相似性量度,利用层次聚类算法对影像集进行分层分组,通过自下而上的顺序,对各层中的每一组子影像集进行重建;然后利用公共点将相邻子影像集间的重建结果进行融合,直到完成整个影像集的重建。最后通过3组具有代表性的影像集的重建试验,验证了算法的有效性。     

多级移动曲面拟合的自适应阈值点云滤波方法

为了提高机载激光雷达点云滤波算法的精度、效率以及自适应性,提出了一种多级移动曲面拟合的自适应阈值点云滤波方法。首先,对点云数据进行预处理即剔除粗差,然后通过格网化分割建立格网索引,利用每个格网的邻域格网中的最低点建立曲面方程,计算真实高程与拟合高程的差值并设置自适应性阈值进行滤波,最后采用多级滤波策略,即逐级改变格网大小并自动设置邻域和阈值,直到滤波结果达到精度要求。使用国际摄影测量与遥感学会（ISPRS）提供的测试数据对算法进行验证,第1、2类误差和总误差平均值分别为7.33%、10.64%、6.34%。将该算法与ISPRS公布的8大经典滤波算法进行比较,结果表明该方法的适应性强,滤波结果具有较高的准确性。     

TLS三维点云聚类滤波算法应用研究

现有地面三维激光扫描点云数据滤波算法较少,针对地形复杂区域的点云滤波效果更是不甚理想,因此对二维聚类算法进行改进,提出三维点云聚类滤波算法,并对其在地形复杂区域的TLS数据滤波中的应用进行研究。以重庆鸡冠岭危岩体的TLS数据为例,分别采用曲率平滑滤波方法和文中提出的点云聚类滤波方法处理,并对两种方法处理过的数据进行形变量计算和分析。实验证明,针对植被覆盖茂密、地形复杂的山体,该方法的点云滤波效果较好,且处理速度有较大提升,能为点云后期形变量计算提供较好的基础。     

基于移动曲面拟合算法和加权平均算法的DEM内插算法改进

分析了移动曲面拟合与加权平均算法的特点,提出了移动曲面拟合法与加权平均法相结合的方法,使它们能够相互取长补短,并在复杂的曲面拟合运算前对搜索到的参考点进行判断和预处理。通过从一组原始数据中随机提取的部分数据对不同内插方法进行测试,得出了各内插算法的精度,结果表明本文提出的内插算法有一定的优越性。     

一种基于分层自适应移动曲面拟合机载LiDAR点云数据滤波方法

为提高机载Li DAR数据滤波精度,提出了一种分层自适应移动曲面拟合法滤波。通过改进均值限差法,对原数据进行"粗滤波";之后以Mean Shift算法进行数据分类,建立虚拟格网索引结构,通过二次多项式进行曲面拟合,以自适应阈值进行"精滤波"。实验结果表明:该方法的适应性强,滤波结果具有较高的准确性。     

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。     

聚类算法研究

建立了一种新的聚类算法——模糊投影寻踪聚类(fuzzy projection pursuit cluster, FPPC)算法,实现了投影寻踪聚类(projection pursuit clustering,PPC)算法与模糊聚类迭代(fuzzy clustering iterative,FCI)算法的良好融合。FPPC算法首先建立了一种新的投影指标函数,该函数由投影值标准差和投影点广义欧氏权距离平方和构成,能避免传统PPC中选取惟一参数密度窗宽时完全依赖经验来决定的问题;然后采用投影技术对高维数据进行降维处理,执行FCI步骤来对低维样本集进行初次聚类运算;接着通过寻找最优投影方向的过程,对样本集进行PPC的二重聚类。在FPPC求解过程中,运用了由混沌理论、文化算法与差分进化算法融合而成的混沌文化差分进化算法进行优化处理。实验仿真表明,FCI与PPC双重迭代聚类的FPPC算法拥有更优的聚类精度及有效性。     

移动轨迹聚类方法研究综述

轨迹数据是人类移动行为的表征,能够映射出人的出行模式和社会属性等信息。怎样有效挖掘轨迹数据蕴藏的人类活动规律一直是研究的热点。通过轨迹聚类发现行为相似的类簇,从而探究群体的移动模式是轨迹挖掘和深度应用常见的方法之一。本文首先根据轨迹数据的特点,将轨迹数据模型分为轨迹点模型和轨迹段模型,并据此定义相应的相似性度量：空间相似性度量和时空相似性度量;然后,对两类模型的聚类方法进行了综述,并总结不同聚类算法的优缺点,以期为不同应用选取聚类算法提供科学依据;最后对移动轨迹数据聚类方法研究的发展趋势进行了讨论。     

基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法

点云滤波是机载LiDAR数据后处理的基础工作,本文提出一种基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法。该方法采用类似影像金字塔的方式构建不同尺度即不同分辨率的虚拟网格,各级网格都以每个方格内最低点作为地面种子点,然后根据坡度阈值以分辨率由低到高的方式逐层对种子点进行平滑处理,最后以最高分辨率即最小尺度虚拟网格地面种子点作为基准种子点对整个数据集进行滤波处理。本文分别采用城区与郊区两块机载LiDAR数据进行了实验。实验表明,该方法能够有效地提取出地面点,运算效率也比较高,具有一定的实用价值。     

A multiresolution hierarchical classification algorithm for filtering airborne LiDAR data

We presented a multiresolution hierarchical classification (MHC) algorithm for differentiating ground from non-ground LiDAR point cloud based on point residuals from the interpolated raster surface. MHC includes three levels of hierarchy, with the simultaneous increase of cell resolution and residual threshold from the low to the high level of the hierarchy. At each level, the surface is iteratively interpolated towards the ground using thin plate spline (TPS) until no ground points are classified, and the classified ground points are used to update the surface in the next iteration. 15 groups of benchmark dataset, provided by the International Society for Photogrammetry and Remote Sensing (ISPRS) commission, were used to compare the performance of MHC with those of the 17 other publicized filtering methods. Results indicated that MHC with the average total error and average Cohen’s kappa coefficient of 4.11% and 86.27% performs better than all other filtering methods.     

基于相干曲面移动拟合的SAR影像高精度配准方法

本文采用斜距-多普勒模型与卫星轨道状态矢量探查影像粗配准点,以粗配准像素中心及其邻域相干系数阵列拟合相干曲面,通过快速求解二元连续相干函数的极值点作为影像精细配准位置,建立主从影像同名像素的坐标映射转换模型。实验分别以我国东部平原地区的ERS SAR影像和西部龙门山地区的ALOS PALSAR影像为例,进行InSAR影像配准与干涉计算,结果表明,SAR影像配准后的相干性提高约5%。     

综合EGM2008和移动曲面模型GNSS高程拟合

全球卫星导航系统（GNSS）高程拟合广泛应用工程建设,不同的拟合方法具有各自局限性,为提高高程拟合的适用性、可靠性和精度,本文提出综合利用EGM2008和移动曲面模型进行高程拟合,通过不同算例进行实验分析表明该方法能有效提高GNSS高程拟合精度.      

An adaptive dual clustering algorithm based on hierarchical structure: A case study of settlement zoning

Traditional dual clustering algorithms cannot adaptively perform clustering well without sufficient prior knowledge of the dataset. This article aims at accommodating both spatial and non‐spatial attributes in detecting clusters without the need to set parameters by default or prior knowledge. A novel adaptive dual clustering algorithm (ADC+) is proposed to obtain satisfactory clustering results considering the spatial proximity and attribute similarity with the presence of noise and barriers. In this algorithm, Delaunay triangulation is utilized to adaptively obtain spatial proximity and spatial homogenous patterns based on particle swarm optimization (PSO). Then, a hierarchical clustering method is employed to obtain clusters with similar attributes. The hierarchical clustering method adopts a discriminating coefficient to adaptively control the depth of the hierarchical architecture. The clustering results are further refined using an optimization approach. The advantages and practicability of the ADC+ algorithm are illustrated by experiments on both simulated datasets and real‐world applications. It is found that the proposed ADC+ algorithm can adaptively and accurately detect clusters with arbitrary shapes, similar attributes and densities under the consideration of barriers.     

多尺度区域生长点云滤波地表拟合法

针对经典的迭代三角网加密算法(PTD)过度侵蚀地形、误差累积的问题,提出了一种基于区域生长的多尺度滤波方法。该方法引入了金字塔策略建立不同层次的点云结构,以上层种子点为基准对下层种子点进行处理:先通过不规则三角网滤除非地面点,然后依据局部地形设置动态阈值,以表面拟合区域生长算法增长受侵蚀的地面种子点,循环迭代逐渐逼近真实地面。通过对ISPRS提供的15个基准数据集进行测试,第Ⅰ、Ⅱ类误差以及总误差分别为2.40%、3.67%、2.84%,Kappa系数为93.74%。结果表明,该算法具有更强的性能,可以获得理想的地面模型。     

自适应移动盒子的机载LiDAR点云去噪算法

针对现有LiDAR点云去噪算法难以实现自适应的问题,该文提出了基于空间盒子结构的自适应移动盒子去噪算法。基于经验模型建立盒子自适应准则,较好规避了现有算法的去噪阈值确定问题;采用聚类分析实现噪声点与有效点的精确标示。基于不同类型噪声的点云数据实验结果表明:与现有去噪算法相比,基于自适应移动盒子的去噪算法具有更好的适应性和去噪效果。     

基于Otsu方法点云粗分类的渐进三角网滤波算法研究

针对传统渐进三角网滤波方法需要针对不同的地形条件频繁调整滤波参数,并且对低矮地物滤波效果较差等问题,结合图像分割中的Otsu方法,提出一种基于Otsu方法点云粗分类的渐进三角网滤波算法。在对原始点云数据粗分类的基础上,以点云类别属性引导滤波过程。实验结果表明,方法简单可行,可以有效地控制低矮点被误分类成地面点的可能性,提高滤波处理结果的准确性。     

DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理,然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果,最终的结果不仅有效去除了噪声点,还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验,结果表明：通过DBSCAN聚类算法处理后得到的点云数据,再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高,点云去噪效果更好。