顾及语义的机载LiDAR点云格网化方法

传统的点云格网化方法采用纯数字拟合内插的方法,基本不顾及平面坐标和高程之间存在的潜在关系———语义信息。将语义信息纳入点云格网化生成的高程格网具有更高的语义一致性,更适合用于3维可视化和真正射影像的生成。以静态水体为例,研究了顾及语义的机载L iDAR点云格网化方法。最后通过实验验证了该方法的有效性。     

基于车载激光点云的数学形态学滤波方法改进

针对车载激光点云数据空洞插值误差大及利用多尺度数学形态学滤波方法耗时高的问题,提出一种改进的数学形态学滤波方法,该方法按照点云空间分布形态格网化,以控制开运算方向。腐蚀运算过程中,根据格网腐蚀前后高程的变化情况,更新格网高程,以达到空洞精确填充及各格网均含地面点的目的。利用5组点云数据进行了实验,结果表明:该方法能有效提取地面点,运算效率明显优于多尺度数学形态学滤波方法,具有一定的实用性。     

利用 LiDAR 点云提取有地形约束的光滑海岸线

针对传统海岸线提取算法误差大、在地形突变区域形变大的缺点,提出了一种基于离散 LiDAR 点云提取有地形约束海岸线的方法.首先,通过离散点云构建约束三角网,减少内插规则格网的误差并且保证海岸线不穿越地形结构;其次,进行顾及地形结构的点云高程修正,在数据源上缓解海岸线的平滑问题;最后采取二次多项式法消除毛刺,利用动态阈值张力样条函数内插生成光滑海岸线.     

大数据量机载LiDAR点云的快速区域分割处理

针对大数据量机载LiDAR点云数据整体处理时效率低下、分块处理时容易破坏地物空间结构特征的问题,提出了一种顾及点云覆盖区域地形地貌特征的快速区域分割方法。首先构建离散点云的虚拟格网,利用格网邻域内的高程突变实现区域边界上的各类障碍物自动检测;其次为提高分割处理效率,在点云覆盖区域矩形初始分割的基础上,利用流水模型及坐标轴向的方向约束对矩形分割边界线进行自动更新;最终实现了大数据量点云的快速区域分割处理。实验证明,该算法能够合理避开各类典型地形及地物障碍,实现区域分割边界线的自动化生成,算法的适应性与处理效率较高,能够较好地应用于大数据量点云数据的快速处理与应用。     

分段能量函数优化的复杂场景点云滤波

为了提高复杂场景点云滤波的精度与效率,该文提出一种基于分段能量函数优化的滤波方法。剔除噪声并将点云格网化,设计分段能量函数,利用能量最小化求取每个格网对应的地面高程。若格网内最低点高程与该高程值差距在量化误差范围内,则将该点设为地面种子点。根据种子点构造狄洛尼三角网,取与其距离在阈值范围内的点为地面点。通过多种地形场景下的点云滤波实验验证,滤波的总体误差为3%,低于gLiDAR,且具有参数设置简单、同时兼顾精度与效率的优势。     

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。     

隧道点云格网化方法分析研究

面对海量点云数据,如何根据点云特征和应用目的选择合适的格网化方法十分重要。分析了主要的格网化方法,并根据地铁隧道实测点云数据进行实验分析。结果表明,不同点云格网化方法存在很大差异,克里格法整体效果较好,最小曲率法存在伪趋势现象,加权反距离插值边缘表现失真,三角剖分法存在断层现象,应用时要根据需要选择合适的格网化方法。     

一种基于点云数据的DEM生成方法

利用机载激光雷达点云滤波已成为获取高精度数字高程模型的重要手段之一。本文充分考虑规则格网和虚拟格网的优势,利用规则格网进行建筑物区域与非建筑物区域的初步分离;然后,利用虚拟格网进行非地面点的去除,最后,用获得的地面点生成DEM,取得了较好的实验效果,具有一定的实用价值。     

一种基于改进区域增长的行道树点云提取方法

针对城市车载Li DAR数据处理中行道树的提取,首先对点云数据进行分层格网化处理;然后分析行道树在多层格网中的分布形态;最后结合点云的投影密度和高程分布等特征,以空间区域增长的方式提取行道树。实验证明,这种方法能有效地排除其他地物,提取完整的行道树点云。     

融合激光点云与影像点云的精细化DEM生成

针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题,本文在经典ICP算法的基础上,提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块,并基于点云密度选取融合范围,将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果,保持激光点云的精度并保留更多的细节特征,实现激光点云与影像点云的高质量融合。