联合无人机LiDAR与Sentinel-2影像估算大豆叶面积指数

针对利用卫星遥感影像进行大范围反演大豆叶面积指数(LAI)时人工野外样本实测耗时耗力的问题，该文以黑龙江省海伦市、嫩江市两块大豆样地作为研究对象，使用无人机平台获取激光雷达(LiDAR)点云数据，利用孔隙度模型进行大豆LAI反演，根据地面实测数据开展精度评价，并进一步探讨利用无人机LiDAR反演值替代地面实测值进行Sentinel-2卫星影像LAI反演的可行性。实验结果表明，去掉地块边缘混合单元网格影响后，两块大豆样地的LAI反演精度均优于90%。利用无人机LiDAR反演值替代地面实测数据与植被指数构建回归模型，大范围卫星反演LAI精度均优于86%。     

无人机遥感真正射影像高精度制图

近年来无人机低空遥感技术不断发展,利用无人机影像生成的真正射影像（TDOM）在成图精度、制作流程方面仍有提高的空间。本文采用固定翼无人机和专业摄影相机采集影像,布设地面控制点,提出了利用运动恢复结构（SfM）和多视立体视觉（MVS）工作流来生成高精度数字表面模型（DSM）和数字正射影像（DOM）的方法;对遮蔽倾斜部分进行阴影检测、DSM修编和多视影像纹理补偿生成TDOM;最后用TDOM上随机分布的检查点进行精度检查,水平精度为3.3 cm,垂直精度为7.5 cm;消除了DOM中倾斜和阴影部分,使建筑物保持垂直视角,生成的满足1：500比例尺高精度并消除倾斜阴影的TDOM可用于农村宅基地确权、国土规划设计等领域。     

UAV LiDAR在山区铁路勘察中的应用

随着无人机（UAV）激光雷达（LiDAR）技术的快速发展,其作业方式灵活,效率高、人工少等优点在铁路勘察中具有良好应用前景,横断面中高程精度,地形图中平面以及高程精度是线路设计应用中的关键影响因素,本文通过对横断面高程精度的研究,对地形图中设置的检核点以及实验区房屋角点坐标与人工测量数据进行对比统计分析,得出无人机LiDAR点云获取的横断面与地形图与人工测量成果精度相当,无人机LiDAR技术精度可以满足山区铁路勘察设计的需要,值得推广应用。     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

基于边缘检测算法的LiDAR数据建筑物提取

LiDAR技术可以快速获取地形表面高精度3维信息。基于LiDAR数据提取建筑物目标是这一技术的重要应用之一。探讨了一种基于LiDAR点云数据生成不同比例尺的DSM深度影像,然后利用边缘检测算子提取建筑物边缘的方法。实验证明,该方法不需要其他辅助数据,可以从LiDAR点云数据中提取建筑物边缘,并滤除了许多干扰信息。这种方法为基于LiDAR数据提取建筑物目标提供了新的思路。     

LiDAR 在四川某地电力选线项目中的应用

机载激光雷达（ LiDAR）技术的快速发展为获取高时空分辨率的地球空间信息提供了一种全新的技术手段。笔者在某市电力选线项目中利用机载激光雷达技术,获得高精度点云,根据点云建立三维模型,并通过大量外业采集数据进行精度检核,最后将生成产品导入电力选线软件中,实现了在室内完成电力选线工作。实验表明,在电力选线项目中,利用机载激光雷达技术提高了作业效率,具有广阔的应用前景。     

基于机载LiDAR和高分辨率遥感影像的道路中心线提取

利用配准的LiDAR数据生成DSM深度影像并提取建筑物轮廓,同时对QuickBird多光谱影像采用监督分类法提取植被区域。在此基础上,将建筑物和植被剔除,剩余部分利用形态学算子对道路进行修饰和完善,提取道路中心线。实验表明,基于机载LiDAR和高分辨率遥感影像的道路中心线提取方法,比单一利用遥感影像有更好的效果。     

复杂地形条件下多密度级无人机LiDAR点云DEM精度研究 ——以2022年北京冬奥会延庆赛区为例

为进一步提升复杂地形条件下无人机激光雷达(Light Detection and Ranging,LiDAR)点云数据构建数字高程模型的效率与精度,以2022年北京冬奥会延庆赛区场馆建设用地为实验区,按照不同抽稀比例,对实验区原始无人机激光雷达点云中分类出的地面点数据进行抽稀处理,利用克里金插值算法对不同密度地面点数据进行插值处理,结合高程中误差、平均绝对误差对生成的数字高程模型进行双重精度评定,得出以下结论:对于复杂地形而言,随着点云数据密度的下降,数字高程模型建模效率明显提升,但地形特征逐渐模糊,数据精度级别逐级降低,其中高程中误差由0.381 m增大至1.914 m,平均绝对误差值由0.335 m增大至1.357 m.在满足精度要求的前提下,对LiDAR点云数据进行适度抽稀处理,可保障生产成本与时效.     

基于数学形态学的LiDAR数据滤波新方法

数学形态学滤波是从激光雷达点云数据中识别地面点、创建数字高程模型的一种重要方法.在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题基础上,提出一种新的具有一定自适应性的数学形念学滤波算法.该方法通过分析LiDAR数据的特点,利用形态学算子提取原始点云数据的空白区域,进行精确的重采样生成DSM;然后将DSM多尺度...     

结合LiDAR点云和航空影像的建筑物三维变化检测

目的 针对传统建筑物变化检测方法没有考虑高程信息的缺点,提出了一种结合LiDAR点云数据和航空影像的建筑物三维变化检测方法,可同时提取建筑物高程变化信息和面积变化信息。首先将不同时期LiDAR点云分别生成数字表面模型(DSM);然后对不同时期的DSM进行差值、滤波和形态学操作得到DSM变化区,并根据共线方程将其反投影到航空影像中,再使用航空影像的光谱、纹理等信息排除树木等伪变化区的干扰;最后计算高程变化值和面积变化值。试验结果表明该方法能定量地提取高程和面积变化信息,提供更加全面准确的建筑物变化信息。     

多系统融合精密单点定位在机载雷达电力线巡检中的应用

通过无人机搭载激光雷达(LiDAR)测量系统进行电力线巡检实验,提出了一种基于多系统精密单点定位(PPP)的机载LiDAR电力线巡检方法,重点分析了基站差分、单系统PPP、多系统融合PPP三种处理策略生成POS数据的方法,并利用江苏省中北部采集的机载雷达数据及人工布设的控制点结果进行验证. 实验结果表明:三种方法得到的POS数据均方根误差(RMSE)均在0.016 m以内,与单系统PPP相比,多系统PPP在高程方向提高了12%,在东(E)方向提高了21%,在北(N)方向提高了17%,文中提出的方法生成三维(3D)点云数据精度较高,生成的点云数据精度满足精细电力线巡检的要求.      

面向对象的无人机遥感影像岩溶湿地植被遥感识别

以广西桂林会仙喀斯特国家湿地公园为研究区,以无人机航摄影像为数据源,综合利用面向对象的影像分析技术、随机森林算法、阈值分类方法和Boruta全相关特征变量选择算法进行岩溶湿地植被的遥感识别。结果表明：针对不同特征变量对岩溶湿地遥感识别的贡献率而言,光谱特征（DOM > DSM） > 纹理特征（DOM > DSM） > 几何特征 > 上下文变量;两个航摄影像数据集的总体分类精度都在85%以上,Kappa系数也高于0.85。本文研究结果对基于高空间分辨率无人机可见光影像的岩溶湿地植被遥感识别在特征变量选择、分割参数选择及方法选择方面具有一定的借鉴意义。     

车载LiDAR技术在高速公路改扩建勘测中的应用

高速公路改扩建路面测量一直是困扰勘测设计工作者的难题。本文对车载LiDAR测量技术进行了研究,并以京藏高速公路改扩建项目为例,对车载激光雷达（LiDAR）技术应用于改扩建项目进行了分析。首先利用车载LiDAR系统进行高速公路沿线的点云数据采集,然后对点云数据进行预处理,并利用预先布设的地面靶标控制点对点云数据进行高精度的改正,最后对成果精度进行了分析,结果表明,车载LiDAR测量技术的成果精度完全能够满足高速公路改扩建勘测的精度要求。     

LiDAR数据中建筑物提取的新方法-Fc-S法

激光雷达技术(LiDAR)已广泛应用于数字高程模型(DEM)的快速获取和三维城市模型的建立中,但仍有许多不足之处,需要做更深入的研究。本文介绍了一种新的建筑物提取方法,称之为Fc-S法。该方法首先利用等高线特征进行滤波,从LIDAR数据内插的数字表面模型(DSM)中提取出DEM,利用DSM与DEM的高差阈值和DSM边缘特征参数去掉地面点和汽车等矮小物体,获得主要包含植被和建筑物的地物点群,然后对地物点群进行分割,利用二次梯度和面积等参数去掉植被点,并采用迭代逼近的方法精化建筑物。文章通过实验对所提方法进行验证,并借助高分辨率的航空影像对建筑物提取结果进行评估,评估结果表明该方法能够在地形起伏的区域中较准确地提取出建筑物。     

无人机遥感与XGBoost的红树林物种分类

无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题.针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和LiDAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的“特征重要性”属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特...     

基于像素工厂的无人机影像空三优化技术

研究了利用像素工厂对无人机遥感影像进行空三优化技术。分析了像素工厂快速处理无人机遥感影像的理论依据和方法;探讨了空三优化分组参数的绑定策略;提出了空三优化结果的精度评价要求。最后利用GPS辅助无人机遥感影像数据进行试验验证,结果表明:在像素工厂平台上对无人机遥感影像进行空三优化处理,能够快速地为后续DSM,DOM和真正射影像生产提供符合精度要求的基础数据。像素工厂与无人机影像数据的结合是无人机测绘工程自动化处理和应急保障的一个有效途径。     

基于相位均匀卷积的LiDAR深度图与航空影像高效匹配方法

多源影像匹配主要受到非线性强度差异、对比度差异及局部区域结构特征不显著等问题的干扰,而机载激光雷达（light detection and ranging,LiDAR）深度图与航空影像由于纹理特征之间的显著差异导致部分结构特征缺失更为严重,所造成的相位极值突变进一步增加了匹配难度。因此,提出一种基于相位均匀卷积描述子的方法来实现LiDAR深度图与航空影像之间的高效匹配。在影像特征匹配阶段,首先对相位一致性模型进行扩展,构造相位均匀能量卷积方程,求解得到均匀卷积序列与相位最大标签图,建立一种相位均匀能量卷积直方图（histogram of phase mean energy convolution,HPMEC）;然后采用最近邻匹配算法完成初始匹配,并利用快速边缘化样本共识进行粗差剔除;最后基于线程池并行策略,通过划分重叠格网对影像进行分块匹配。将多组具有不同地物覆盖类型的LiDAR深度图与航空影像作为数据集,分别与位置尺度方向-尺度不变特征转换（position scale orientation-scale invariant feature transform,PSO-SIFT）、L...     

机载激光雷达数据的误差分析及校正

数据质量分析是遥感机理/应用研究（尤其是定量遥感）首要和关键的一步,直接影响遥感反演的精度和遥感应用的效果。激光雷达（Light Detection and Ranging,LiDAR）是一种新兴的主动遥感技术,对数据后处理算法的研究还有待进一步加强,尤其对激光雷达数据的质量分析显得十分迫切。采用了一种基于扫描航带间重叠区数据分析的方法对LiDAR数据质量进行评价,分析误差来源,计算误差的大小,并分别对数据的随机和系统误差进行校正。以机载激光雷达数据为例来进行验证,实验结果表明,这种方法能有效地减少数据误差,达到提高数据质量的目的。     

无人机航空摄影测量系统在农村土地确权中的应用

介绍了用PPSG UAV对双鸭山市郊区2．5 km2地域（农村土地承包经营权确权双鸭山试点）试验区进行无人机航摄,无人机搭载非量测型相机获取低空遥感数据,计算机安装专业空三解算软件处理具体影像,最终取得数字正射影像图（ DOM）、数字表面模型（ DSM）,通过数据分析了该系统的空中三角测量成果的精度和数字正射影像图（ DOM）、数字表面模型（ DSM）的精度,都达到了航空摄影测量地理信息数字成果比例尺1∶1000的成图精度。     

LiDAR在四川某地电力选线项目中的应用

机载激光雷达(LiDAR)技术的快速发展为获取高时空分辨率的地球空间信息提供了一种全新的技术手段。笔者在某市电力选线项目中利用机载激光雷达技术,获得高精度点云,根据点云建立三维模型,并通过大量外业采集数据进行精度检核,最后将生成产品导入电力选线软件中,实现了在室内完成电力选线工作。实验表明,在电力选线项目中,利用机载激光雷达技术提高了作业效率,具有广阔的应用前景。