基于点云滤波原理快速检查编辑等高线以构建数字高程模型的技术方法

传统等高线数据的质量检查存在费时费力、工作量巨大、人工干涉较多、易出错漏等问题。点云数据直观反映了地面形态的空间分布特征,包括点的邻接关系、高程渐变和突变现象、点的斜率变化等[1]。通过量测点云的正面、剖面、断面等,可快速检测出高程异常点,指导修正地形数据,对实际工作中地形数据的生产、检查与修正有很大的借鉴意义。     

基于LiDAR点云的等高线批量自动提取

等高线是地图上最广泛的地貌表示方法之一,目前,生产实际中,大范围区域的等高线通常使用传统的航测内业方法获得,即经过空三加密后在立体采集设备上采集,不仅费时费力,还要受到天气等多种因素的影响。利用Li DAR技术进行等高线提取,能大幅度提高航测成图作业的生产效率,减少生产环节,缩短生产周期,本文在EPS软件的基础上,对基于Li DAR数据的等高线提取方法进行了改进,并针对大数据量批量处理研究,实验结果证明,使用本文的方法进行大范围等高线自动提取,在保证精度质量的前提下大幅度提高了等高线制作的效率。     

基于等高线表面估计法的LIDAR数据DEM提取

本文采用了一种新的利用LIDAR数据提取数字高程模型(DEM)的方法。该方法首先由原始LIDAR数据内插生成数字表面模型(DSM),然后根据DSM等高线闭合及相交情况,将等高线分为非地面等高线和地面等高线,最后内插地面等高线生成当前DEM,并采用迭代逼近的方法进行精化,生成最终的DEM。实验证明该方法可以适用于有一定起伏的地形表面,而且该方法原理简单,计算量小,切实可行。     

基于等高线的DEM生成算法研究和实现

数字高程模型是近年来发展起来的为地理信息系统提供空间分析和辅助决策的数据基础。随着科学技术特别是计算机技术的迅速发展，DEM在数据获取方法、数据存储和数据处理速度等方面已经取得突破性进展。通过系统介绍生成DTM过程中等高线的离散化方法，DELAUNAY三角网的特性和基于等高线数据的TIN的建立，以及对产生的问题的一些解决方法。     

基于LiDAR点云数据的可视域计算研究

当前GIS软件中通视分析建立在DEM数据基础上,而DEM中不含植被和建筑物信息,从而会造成通视分析误差。通过Li DAR点云数据获取高精度植被和建筑物高度,提出一种顾及地物的插值算法,生成同一网格大小的DEM与DSM,在其上分别进行通视域分析,并将分析结果进行对比,发现DEM比DSM更容易扩大视域范围,从而产生了分析误差,验证了利用DSM进行通视分析的可行性。     

机载LiDAR和高光谱数据融合提取冰川雪线

以西藏那曲县境内的“中习一号”冰川为研究区,对2011年8月获取的机载激光雷达点云进行预处理和滤波分类,提取研究区数字高程模型(digital elevation model,DEM);将DEM数据分别与同期获取的机载高光谱栅格数据和提取出的冰川矢量数据进行三维地形模拟,利用DEM数据对高光谱最大似然法分类结果进行正射纠正,从而获取研究区的数字正射影像(digital orthophoto map,DOM);最后结合研究区DOM和机载点云数据提取“中习一号”冰川的雪线.结果表明:融合机载高光谱和机载激光雷达2种数据的优势,能更方便地提取出冰川雪线,而且能很好地显示雪线的高度.     

基于机载LiDAR点云的岛礁提取方法

提出一种从机载LiDAR点云数据中提取岛礁点云数据的方法.通过研究机载LiDAR点云中岛礁、海面和噪声数据的局部几何特征,首先对原始数据进行重新组织,提高计算效率.其次对原始数据进行基于高程差的区域平坦度计算,设置阈值过滤大部分海面点与噪声点.最后针对点云数据的疏密程度进行八邻域点云密度过滤,过滤残余离散海面点与噪声点,全面准确地提取出岛礁点云数据.     

机载LiDAR点云数据精细化滤波方法研究

针对机载LiDAR点云数据在自动化滤波过程中因建筑、植被底点剔除不完全导致DEM成果粗糙、等高线不平滑等问题,提出了一种精细化滤波方法。先对LiDAR点云数据进行滤波处理生成参照DEM,再利用同区域的正射影像辅助判别,选取需要滤波区域点云进行局部纠正;分别选取平坦区域和山地区域进行实验,并对精度验证和等高线成果进行了对比。实验结果表明,经过精细化滤波后的DEM和等高线成果在保证精度指标的前提下,成果质量明显提高。     

浅谈基于LiDAR数据提取DLG等高线的流程

利用已有LiDAR数据成果探索更新1∶10 000基础地理信息数据中高程点、等高线要素的试生产工作总体技术路线、生产作业流程以及生产过程中出现的问题、解决问题的经验和技巧。     

基于航空LiDAR数据提取建筑物边界的方法研究

激光测距是一项高效、精确的实现地表信息采集的技术。城市区域的高密度激光点云数据的获取使提取兴趣目标对象(建筑物、植被等)成为可能。本文提供一种利用航空激光雷达(LIDAR)数据提取建筑物边界的有效方法,该方法首先通过基于曲面拟合的滤波算法销减地形的影响,然后利用地物的纹理信息区分建筑物与非建筑物要素,最后通过一系列后处理,如小区域去除、矢量化等,最终提取出所需要的建筑物边界。实验表明本文提供的方法用于建筑物边界的提取效果理想。     

基于机载LiDAR点云数据构建复杂山区高精度DEM方法研究

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.     

基于LiDAR数据生成光滑等高线

首先通过曲面拟合修正部分粗糙地面点的高程,然后建立三角网跟踪等高点,采用加权二次多项式消除毛刺,最后采用顾及等高距的样条函数内插等高线。实验表明,本文方法能够在损失较小的精度下生成不相交的光滑等高线,视觉效果好。     

基于渐进三角网的机载LiDAR点云数据滤波

机载LiDAR点云数据滤波是获取高精度数字高程模型的关键,也是目前LiDAR点云数据处理领域研究的重点和难点之一。提出了基于渐进三角网的机载LiDAR点云数据滤波方法,首先以规则格网和不规则三角网组织数据,采用区域分块法或数学形态学法选取种子地面点建立初始稀疏三角网,通过不断向上加密三角网提取地面点。试验结果表明,该算...     

利用地形开度算子自动提取激光雷达点云断裂线

基于机载激光雷达（LiDAR）点云生产高质量的数字高程模型（DEM）,需要地形特征线的约束。本文针对现有断裂线提取算法仅仅考虑了地表的局部变化,错提取率高的现状,从人工解译的角度出发,引入地形开度（topographic openness）作为一种定量描述地表整体变化的地形特征,提出了基于地形开度的断裂线自动提取算法。首先将原始地面点按高程采样成距离图像,然后通过地形开度算子获取地表的主体结构变化,最后结合形态学算子和边缘提取算子提取断裂线种子点并跟踪断裂线矢量。试验结果表明,该算法无需人工干预,能够快速提取较完整的断裂线。     

机载激光雷达点云数据质量评价体系分析与探讨

结合机载LiDAR数据的特点,着重分析了点云数据的质量评价体系.从原始的激光点云数据和点云数据产品两方面出发,通过明确评价指标,着重从定量的角度论述了如何对激光点云数据进行质量评价,为相关评价机制的完善提供了有益的参考.     

基于机载LiDAR点云数据的城区道路提取

对于利用机载LiDAR点云数据提取城区道路提出一种新的思路。首先利用机载LiDAR点云数据的高程和强度属性对城区道路进行初始提取,获得初始道路点云;其次采用距离分割法和基于RANSAC算法的分割方法精化初始道路点云,有效剔除停车场等与道路相似的区域;最后采用数学形态学细化方法提取道路中心线。实验结果表明,该方法可以较正确和完整地提取城区道路。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

基于LiDAR数据的DEM和矢量自动提取探讨

近年来LiDAR技术发展迅速,应用潜力巨大.基于TerraSolid软件环境,简要介绍了LiDAR数据的分类,在此基础上,重点讨论了LiDAR数据的DEM和矢量自动提取的相关问题.由LiDAR数据生成的DEM精度较高.但矢量自动提取还未到实用阶段.     

基于低空摄影测量的机载LiDAR点云修复方法

针对机载LiDAR点云存在数据缺失造成的空洞问题,研究利用低空摄影测量技术,探索机载LiDAR点云空洞修复的方法。利用低空摄影测量手段获取的遥感影像可以生成高精度的修复点云,并通过将修复点云融合到原始LiDAR点云中,实现对机载LiDAR点云空洞的修复。该方法操作简单、效率高,适用于大面积机载LiDAR点云数据的批量修复,能够为城市三维精细化建模提供重要的数据支撑。