公路路面LiDAR数据空洞插补的MLSPF方法

数字交通发展要求开展公路路面数字化，路面数字化主要采用车载或机载激光扫描，但由于遮挡等原因，路面扫描容易产生大小不一的数据空洞。为了处理激光扫描点云数据中空洞，文中提出公路路面空洞插补的移动最小二乘平面拟合方法，即将公路细分为许多格网区域，并视单个格网近似为平面，采用格网内实测点云拟合最佳平面方程，由平面方程插值完成公路路面数据空洞的填补，获得路面数字化初步模型。开展大量实验研究，并与具有代表性的最近邻插值法、克里金插值法、反距离加权插值等算法进行对比，结果表明本方法在计算效率与精度等两个方面都具有优势，是一种可行可靠的方法。     

车载激光点云领域比较的道路边线提取方法

对车载激光扫描获取的高速公路信息进行研究,提出直接利用三维激光点云数据的平面和高程信息,通过点云与其邻域比较进行道路边线提取的方法。该方法提取不需要其他辅助数据,能直接从点云中自动提取出道路边线信息,对点云数据自动提取具有一定借鉴意义。     

先验知识引导的车载激光扫描点云道路信息提取

文章研究利用先验知识从车载激光扫描点云数据中提取道路信息:使用改进的不规则三角网渐进加密滤波方法对点云滤波;将地面点投影到水平面上,利用行车轨迹提取道路主轴线;然后生成高程差分特征图像,以主轴线为基准进行平面生长获得道路面;并根据反射强度,进一步获得道路边界和道路标识线等信息.最后使用两景车载激光扫描点云数据验证了方法的可行性和有效性.     

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。     

基于层次分析和神经网络的机载LiDAR点云分类

在机载LiDAR点云数据处理中,由于机载雷达点云数据的离散性、不确定性等原因,导致点云分类上很难得到准确的结果。针对机载LiDAR点云数据分类问题,提出了基于层次分析和神经网络的机载LiDAR点云分类方法。根据机载LiDAR点云的数据特征以及不同地物的属性,采用层次分析法赋予每个点云一个二进制信号,然后采用后向传播神经网络(BP-ANN)对机载LiDAR点云数据分类。实验表明:这种方法能够从机载LiDAR独立数据源中分类出房屋、高大的树、低矮的树、道路等地物点云。     

基于机载LiDAR点云数据的城区道路提取

针对利用机载LiDAR点云数据提取城区道路问题,本文提出一种新的思路。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;然后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,该方法可以较完整地提取城区道路。     

机载LiDAR点云数据的建筑物重建研究

提出了利用机载LiDAR点云数据进行复杂平面建筑物重建的方法。首先,将提取出的建筑物点云聚类到不同的平面点集;然后,对各个平面点集进行平面拟合,采用平面相交确定平面边界,并解算出各平面边界角点的三维坐标,从而重建建筑物模型。某区域的机载LiDAR点云数据的实验结果表明,该方法能有效地重建出较复杂的平面建筑物。     

面向车载激光扫描点云快速分类的点云特征图像生成方法

车载激光扫描是空间数据快速获取的一种重要手段。车载激光扫描点云数据的分类和特征提取是目标识别与三维重建的基础。本文以车载激光点云数据为研究对象,提出了一种适合于其快速分类与目标提取的点云特征图像生成方法。该方法首先将扫描区域进行平面规则格网投影,通过分析格网内部点云的空间分布特征（平面距离、高程差异、点密集程度等）确定激光扫描点的定权,从而生成车载激光扫描点云的特征图像。利用生成的点云特征图像,可采用阈值分割、轮廓提取与跟踪等手段提取图像分割的建筑物目标的边界,从而确定边界内部点云数据,实现目标分类与提取。本文以Optech公司的车载激光扫描数据为实验对象,验证了本文提出方法的可行性和实用性。实验结果表明,该方法能快速有效分离出车载激光扫描点云中的地面数据、建筑物数据等。     

基于车载三维激光扫描的道路线提取研究

近年来,随着空间信息获取技术的发展,激光扫描技术在城市三维数据采集中应用越来越广泛,本文以车载激光扫描点云数据为研究对象,利用点云数据空间分布特征和反射强度信息,结合道路标线的几何特征,提出一种快速有效地从离散点云中提取道路标识线的方法。该方法首先利用车载激光点云数据中的高程信息和反射强度信息对原始点云进行滤波。然后将分割后的点云数据投影到二维平面中,利用反射强度信息和点云空间分布信息生成点云强度特征图像,利用标线规则的几何形状,对连通区域进行道路标识线的提取。最后,基于道路标识线的语义信息,利用Hough变换对检测到的标识线进行分类和连接,从而提取完整、准确的三维道路标识线点云数据。通过居民区和高速公路扫描数据处理案例,实现了高速公路虚实标识线和干扰因素较多的居民区界线的自动提取,验证了上述道路标识线提取方法的可靠性,应用效果较好。     

图像语义分割辅助的车载激光点云道路提取方法

针对车载激光扫描系统获得的点云数据量大,难以获得有效特征进行分割分类提取道路的现状,提出一种深度学习图像语义分割辅助的激光点云道路提取方法。采用二维图像语义分割、数据融合配准粗分类、三维霍夫变换点云平面分割拟合和局部优化点云细分类的四步工作流程对车载激光点云进行道路提取。在2段不同的城市道路点云数据中进行提取与评测,获取的道路数据正确率与完整率均达到99%以上,提取质量优异,可满足实际应用需求。经实验分析,该方法可有效提取不同道路情况的道路点云,对点云数据的原始条件约束较少,相比其他方法在普适性和鲁棒性上都有大幅的提升。     

利用既有知识渐近数学形态学提取LiDAR数据中道路信息方法研究

为了避免由于内插和构网或是局限于局部分析所带来的地形失真,本文根据道路先验知识的获取只需对实验道路进行统计学分析,无论从技术上,还是仪器设备上都简单、方便、快捷;在各种LIDAR数据滤波与分类方法的基础上,提出了一种在原始离散点集中提取道路信息的基于既有知识数学形态学分类方法。实验结果显示,为探索LIDAR数据在交通工程中的应用,加快道路的信息化建设,提供了一种可供借鉴的方法。     

基于互信息的LIDAR与光学影像配准方法

本章论述了基于互信息的是单幅影像与LIDAR数据的配准方法。本方案是基于两幅图像灰度值的配准方法,即利用LIDAR数据生成的强度图像,实现与航空影像的配准。虽然两种传感器得到图像的灰度值有较大差异,且不成线性关系,通过引入互信息,可以将穷举的搜索问题变成基于相似性测度函数的优化问题。实验表明互信息准则对于航空影像与LiDAR数据之间是有效的。     

机载激光雷达(LiDAR)测量在公路三维测设中的应用

精密数字地面模型(DTM)是进行公路三维测设的基础。吉林省东部山区地形复杂,植被茂盛,传统全野外测量获取DTM难度大、周期长、精度低。从2011年起,我院开始利用机载Li DAR技术获取DTM数据产品,成功应用于7条高等级公路的勘测设计中,证明了在四季分明的广大北方地区机载Li DAR在公路三维测设中具有较好的实用性和应用前景。     

平面约束条件在LIDAR点云滤波中的应用

介绍了一种利用平面约束条件对LIDAR点云数据进行滤波的方法,利用每个数据点的邻域点拟合平面,根据平面约束条件和平面点分类方法得到地面点,最后利用地面点内插该区域的DTM.     

结合影像的LIDAR数据三维建筑物提取

随着LIDAR技术的出现,三维建筑物的提取也受到越来越多的重视。由于LIDAR数据分布的不连续性和不规律性,直接从机载激光扫描测距数据中进行建筑物提取较为困难。本文提出了一种结合灰度影像的LIDAR数据三维建筑物提取方法,分三个步骤:首先对灰度影像进行建筑物二维提取;然后将处理后影像和LIDAR数据粗匹配,初步确定LI-DAR数据中的三维建筑物区域;最后利用一组阈值操作进行三维建筑物的精确提取。实验结果表明该方法简单实用,适应性强。     

机载激光雷达点云的阶层式分类

激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术。本文介绍了几种激光雷达数据过滤算法,提出了激光雷达点云数据的阶层式分类策略,并将基于航拍影像数据进行着色后的机载激光雷达点云数据作为研究对象,对其应用激光雷达数据过滤算法进行阶层式分类。实验结果表明,此种方法能有效地对大部分地物信息进行过滤和分类。     

埃尔米特插值函数在公路平面线形设计中的应用

三次样条函数在公路平面线形设计中有广泛的应用,但由于没有统一的函数表达式且计算量大,因而在应用上不便。埃尔米特插值函数的特点决定其能很好地逼近被插值函数,且计算过程简便。公路平面线形实例设计表明,三次埃尔米特插值函数用于公路平面线形设计中,能够满足路线设计规范(JTJ011-94)的要求,其设计结果与三次样条函数设计结果接近。本研究建立了公路平面线形设计的埃尔米特插值函数方法,可供公路平面线形设计工作参考。     

基于机载LIDAR技术快速建立3维城市模型研究

传统的3维数据获取方法已不能满足城市日益加快的发展速度,机载LIDAR技术作为一种方便、快捷、高效的3维数据获取方法,正在逐步得到广泛认同.目前,机载LIDAR硬件和系统集成发展已比较完善,研究重点主要集中在数据后处理及应用等方面.本文结合国际上最新研究进展,系统介绍了机载LIDAR数据的后处理过程,提出了一种实用的3维城市模型,实现了基于LIDAR数据3维城市模型的快速重建,使该技术能更好地服务于城市信息化建设.     

Microzonation of seismic and landslide prone areas for alternate highway alignment in a part of western coast of India using remote sensing techniques

West coast of India is a narrow and linear, a portion from Bombay to Goa in this track is known as Konkan coast. Remotely Sensed geocoded data from IRS-1B has the potentiality in identification of localized patches of change in environmental parameters, which includes changes in lineament pattern, vegetation anomaly, rock debris and occurrence of landslides. Ground protuberances in this terrain are important surface manifestations of probable seismic activity. In these areas quaquaversal drainage pattern is inferred. Landslides are also expected in places near NH-17 (National Highway — 17) which may affect the socio-economic scenario of area. Alternate highway alignment is planned based on least hazard potentiality of the terrain. Weathered Basalts inferred, near the bank of Amba river, were not recommended for tunnel construction. Anomalous clay patches need more care for road construction. Inferred joints, fractures and faults were found in some places which were marked as hazardous locations. Some areas were marked hazardous for road construction due to the presence of palaeochannels but the same were marked as potential areas for ground water exploration.     

Most similar neighbor imputation of forest attributes using metrics derived from combined airborne LIDAR and multispectral sensors

In the context of predicting forest attributes using a combination of airborne LIDAR and multispectral (MS) sensors, we suggest the inclusion of normalized difference vegetation index (NDVI) metrics along with the more traditional LIDAR height metrics. Here the data fusion method consists of back-projecting LIDAR returns onto original MS images, avoiding co-registration errors. The prediction method is based on non-parametric imputation (the most similar neighbor). Predictor selection and accuracy assessment include hypothesis tests and over-fitting prevention methods. Results show improvements when using combinations of LIDAR and MS compared to using either of them alone. The MS sensor has little explanatory capacity for forest variables dependent on tree height, already well determined from LIDAR alone. However, there is potential for variables dependent on tree diameters and their density. The combination of LIDAR and MS sensors can be very beneficial for predicting variables describing forests structural heterogeneity, which are best described from synergies between LIDAR heights and NDVI dispersion. Results demonstrate the potential of NDVI metrics to increase prediction accuracy of forest attributes. Their inclusion in the predictor dataset may, however, in a few cases be detrimental to accuracy, and therefore we recommend to carefully assess the possible advantages of data fusion on a case-by-case basis.