共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
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
3.
主要针对机载LiDAR点云数据滤波方法展开了研究,通过结合具体的LiDAR应用实例,对点云滤波流程作了详细的阐述,并对滤波实验和算法性能评价作了系统的研究分析,以期能为有关方面的需要提供有益的参考和借鉴。 相似文献
4.
在地形图测绘中,等高线的获取有多种手段,但其方法都较为传统,费时费力,精度也不尽如人意。随着机载激光LiDAR的出现,利用其高精度的点云数据快速获取等高线是一种很好的途径。本研究利用机载LiDAR系统采集的点云数据,通过对点云数据处理,分别使用Global Mapper,GeoTIN,JX-4C,Tindem,VirtuoZo和TerraS-can等六种软件生成等高线,通过分析、比较,找出最为科学、合理的方法。结果表明,在采用Tindem生成等高线时,设置合适的参数,就能生成符合地形要求、质量最佳的等高线。 相似文献
5.
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。 相似文献
6.
7.
基于点云分类常用的近邻聚类法和物体表面分割等方法,本文提出了一种基于最大网格密度的近邻聚类的方法。该方法首先对原始点云进行低点提取,设置格网的大小,在此基础上对点云数据进行去噪并进行主成分分析,再对点云空间进行均匀格网化,使具有最大密度的格网为聚类中心,加入高程、强度以及法向量等特征对分割后的点云实现了不同地物的分类,提高了运算效率,降低了错分率。 相似文献
8.
基于LiDAR点云数据的水体轮廓线提取方法研究 总被引:3,自引:0,他引:3
提出一种基于机载激光雷达点云数据提取水体轮廓线的方法。采用双层格网模式提取较窄的水体;以朝向水体的边界点作为拟合轮廓线的关键点提取更精确的轮廓线。实验表明,该方法可以较好地提取水体轮廓线。 相似文献
9.
LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息,是发射激光脉冲沿途遇到的所有目标回波信号的总和,揭示了地物的几何和物理属性,是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LIDAR全波形数据分解成波宽、振幅、回波次数三个独立的属性,并分别将这三个属性与高程进行格网化,生成一幅含有四个图层的图像。然后使用SVM分类器对这幅图像进行分类,成功分出了房屋、地面、高大植被,分类精度96.2482%,kappa 0.9281。 相似文献
10.
11.
12.
遥感影像纠正的地面控制点选取 总被引:2,自引:0,他引:2
地面控制点的选取是进行遥感影像纠正的重要步骤,它不但占用遥感影像处理的大量作业量,而且直接影响成图的精度和质量。作者根据生产经验,全面、系统地总结出了控制点选取的诸多要素以及注意事项,能够在各种精度的遥感影像生产中带来一定的指导作用。 相似文献
13.
14.
一种基于LiDAR点云的建筑物提取方法 总被引:2,自引:0,他引:2
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。 相似文献
15.
道路场景中路灯数量大、类型多,大场景中路灯详细信息获取是一项繁重的工作。本文提出先验样本集辅助的、基于骨架线缓冲区判别的路灯点云提取及种类识别算法:先根据路灯在车载LiDAR点云中的表达特征,构建路灯模型,并构建路灯先验样本集;再依据数学形态学的理论和方法,提取车载LiDAR点云场景中的杆状地物,在路灯模型及语义规则约束下,得到候选路灯;然后根据候选路灯的参数信息,及已获取路灯的统计信息,从样本集中筛选候选样本;最后基于最小二乘理论的匹配算法,对路灯先验样本与候选路灯点云进行匹配筛选,并基于路灯骨架线信息构建的双重缓冲区,对候选路灯进行判别分析,实现路灯的提取和种类识别。试验表明,该算法对于遮挡少、数据相对完整的路灯提取准确度为95.2%,对于遮挡严重、点云密度低、数据完整性差的路灯提取准确度为78.0%,验证了该算法对大场景中路灯详细信息提取的稳健性。 相似文献
16.
17.
针对车载LiDAR数据构建格网,提取行道树点云并分割树干点云,首先以格网为单位,进行滤波处理提取非地面点云;再对提取的点云进行降噪处理;然后基于格网对处理后的点云块进行聚类,依据行道树与其他地物的形态以及投影等差异从聚类单元中提取行道树,并对相连树进行分割;最后针对提取的单株行道树依据分层投影的原理,分割行道树树干点云与树冠点云.采用一段车载LiDAR数据进行算法实验并与人工提取方式对比验证算法提取的有效性与准确性. 相似文献
18.
19.