机载LiDAR点云密度对DEM精度的影响

机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度＞30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。     

激光雷达扫描在农村宅基地面积测量中的应用

农村宅基地面积测量工作一直存在难度大、时期长、效率慢等问题。鉴于此,首先利用激光雷达扫描技术采集农村宅基地目标点云数据,并对点云数据进行滤波去噪和配准,提取点云数据特征,识别宅基地目标,划分界址点;然后结合界址点和网格面积、数量,计算农村宅基地面积。结果表明,根据农村宅基地面积精度要求,计算得到的农村宅基地面积限差和中误差均在要求范围内,说明激光雷达扫描技术在农村宅基地面积测量中具有很好的应用效果。     

基于Terrasolid的机载激光雷达点云去噪研究

机载激光雷达外业数据采集过程中不可避免地产生噪声点,噪声点会被误认为地面点而造成地形数据不准确,手动剔除噪声点耗时费力,难以满足生产需求。因此,本文以Terrasolid为处理平台,针对三类噪声点数据进行自动分类,并利用Kappa系数验证其与手动分类的一致性,获取得到较高精度的去噪点云。     

机载激光LiDAR在密林山区测绘中的应用研究

为解决山区测绘的高程问题,本文利用机载激光雷达采集了山区点云并通过点云滤波的手段获取了山区地表点的高程数据,通过实验验证和分析可知,机载激光雷达在山区的地表点云有着很高的精度和密度,能够很好地满足山区地形测绘的要求。     

ICESat-2机载实验光子云数据自适应去噪及分类算法

第二代星载激光雷达冰、云和陆地测高卫星ICESat-2（The Ice, Cloud, and Land Elevation Satellite-2）搭载了先进光子计数式激光雷达,使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点,其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题,目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题,本文提出一种改进的去噪算法,首先分析光子云内部特征并自适应选择最优参数进行粗去噪,然后进行两次精去噪,最后对光子云进行分类并拟合出地面线及冠层顶线,为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验,实验结果表明：该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%,F1-score为96.3%,日间平均精确度为86.7%,F1-score为91.7%,且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性,可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点,最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。     

一种激光点云数据生成顾及地形特征的道路断面算法

机载激光雷达(LiDAR)是一种新的获取高精度和高密度地形数据的测量手段,是公路测设中数据采集的理想方式。本文通过对激光雷达获得的散乱点云构建索引,利用坡度变化极值法提取地形特征点,并利用这些特征点生成顾及地形特征的道路纵横断面,可以为道路勘察设计迅速提供高精度的基础资料。     

无人机载激光雷达在地质环境调查中的应用

通过无人机载激光雷达对宁东煤炭基地马莲台煤矿地表塌陷区进行扫描测绘,获取到了高时间分辨率、高空间分辨率和测量精度均匀的地表点云数据,并对点云数据进行了处理和三维建模;同时对项目区布设的检测点进行水准联测,与无人机载激光雷达所测的点云数据进行对比分析,对无人机载激光雷达的精度有了进一步了解。此次项目总结了无人机载激光雷达的工作流程和数据处理方法,对无人机载激光雷达的推广应用起到了积极的示范指导作用。     

三维激光扫描地形点云的分层去噪方法

针对三维激光扫描采集的地形点云,提出在高程方向进行切片分层的去噪方法。将分层提取的点云投影在平面上,对点云进行网格划分,把网格内的点云转换为二值图像,采用数字图像处理方法过滤离散的网格噪点;然后对分层提取的点云轮廓特征格网,通过对上下层轮廓边缘特征比较,获取点云的地面轮廓网格点,删除孤立噪点与非地面点。根据对不同地形的点云进行去噪实验,通过分层过滤非地面点可以得到很好的去噪效果。     

利用机载点云检核ICESat-2/ATLAS激光测高数据精度

美国第2代激光测高卫星ICESat-2已经公开发布数据,能够提供剖面状密集点云,但其平面/高程精度还未得到充分验证。全球开源DEM或卫星光学立体影像生成的DEM精度远低于星载激光测高数据,无法实现激光精度检核。本文使用机载激光雷达/光学立体影像数据开展ICESat-2卫星ATLAS精度验证,通过单光子点云去噪、剖面地形恢复和数据内插等手段,对国内舟山、上海和汉中等不同地形条件下的星载光子计数激光雷达数据进行对比分析。实验结果表明, 6组ATLAS点云高程的均方根误差分别为0.43、0.65、0.72、0.53、0.45和0.77 m,平均值达到0.59 m,具备较好的高程精度。     

机载激光雷达测高试验及精度评价

基于Lidar系统所获取的点云数据,通过过滤将区域内的地形特征信息与地物信息相分离,获得高精度的DSM及DEM,并利用外业GPS实测数据对过滤后的试验区Lidar地形数据精度进行评价,为激光雷达技术应用于较大规模的测绘生产提供参考。     

Study on Sampling Rule and Simplification of LiDAR Point Cloud Based on Terrain Complexity

It is difficult to obtain digital elevation model (DEM) in the mountainous regions. As an emerging technology, Light Detection and Ranging (LiDAR) is an enabling technology. However, the amount of points obtained by LiDAR is huge. When processing LiDAR point cloud, huge data will lead to a rapid decline in data processing speed, so it is necessary to thin LiDAR point cloud. In this paper, a new terrain sampling rule had been built based on the integrated terrain complexity, and then based on the rule a LiDAR point cloud simplification method, which was referred as to TCthin, had been proposed. The TCthin method was evaluated by experiments in which XUthin and Lasthin were selected as the TCthin’s comparative methods. The TCthin’s simplification degree was estimated by the simplification rate value, and the TCthin’s simplification quality was evaluated by Root Mean Square Deviation. The experimental results show that the TCthin method can thin LiDAR point cloud effectively and improve the simplification quality, and at 5 m, 10 m, 30 m scale levels, the TCthin method has a good applicability in the areas with different terrain complexity. This study has theoretical and practical value in sampling theory, thinning LiDAR point cloud, building high-precision DEM and so on.     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

城市复杂地形环境下倾斜模型结合LiDAR点云的大比例尺地形图更新方法北大核心CSCD

针对无人机倾斜摄影技术受遮挡影响较大和难以穿透植被茂密地区的问题,本文提出了城市复杂地形环境下倾斜模型结合LiDAR点云进行小区域大比例尺数字地形图的更新方法。首先采用五镜头六旋翼无人机分别以垂直和平行主要建筑物楼群方向进行2次全区域拍摄,以及无人机机载激光雷达全区域采集点云,并对高度不足10 m的别墅区进行单镜头低空补飞。然后融合倾斜影像点云与机载激光点云建模,经过3种建模方案对比,融合建模的倾斜三维模型的位置精度和模型质量均最优。最后基于此模型进行测图。精度评定结果表明,城市复杂地形环境下在飞行方案和像控点布设合理的情况下,通过倾斜三维模型采集的数字地形图的平面和高程精度完全满足并优于深圳市1∶1000数字地形图动态更新的精度指标。     

机载多光谱LiDAR数据的地物分类方法

机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。     

一种机载LiDAR数据漏洞检测方法

获取机载LiDAR数据时易受地形起伏、航摄高度、地物镜面反射等因素的影响,导致LiDAR数据出现漏洞,若对其不进行检测处理,将严重影响LiDAR数据的生产与应用。鉴于此,本文利用点云的位置与属性信息,基于等比例内缩和点云格网化算法,检测机载LiDAR数据中存在的漏洞区域,有效支撑了LiDAR数据的质量检测和补摄工作。试验结果表明,该方法检测到的漏洞区域完整、精确,等比例内缩算法与等值内缩算法相比,减弱了地形起伏对漏洞检测精度的影响,且更科学合理。     

利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。     

Waveform-based point cloud classification in land-cover identification

Full-waveform topographic LiDAR data provide more detailed information about objects along the path of a laser pulse than discrete-return (echo) topographic LiDAR data. Full-waveform topographic LiDAR data consist of a succession of cross-section profiles of landscapes and each waveform can be decomposed into a sum of echoes. The echo number reveals critical information in classifying land cover types. Most land covers contain one echo, whereas topographic LiDAR data in trees and roof edges contained multi-echo waveform features. To identify land-cover types, waveform-based classifier was integrated single-echo and multi-echo classifiers for point cloud classification.The experimental area was the Namasha district of Southern Taiwan, and the land-cover objects were categorized as roads, trees (canopy), grass (grass and crop), bare (bare ground), and buildings (buildings and roof edges). Waveform features were analyzed with respect to the single- and multi-echo laser-path samples, and the critical waveform features were selected according to the Bhattacharyya distance. Next, waveform-based classifiers were performed using support vector machine (SVM) with the local, spatial features of waveform topographic LiDAR information, and optical image information. Results showed that by using fused waveform and optical information, the waveform-based classifiers achieved the highest overall accuracy in identifying land-cover point clouds among the models, especially when compared to an echo-based classifier.     

国家新型基础测绘体系建设试点区域1 m间隔点云数据获取处理与质量分析

地形级地理场景生产是国家新型基础测绘体系建设在山东试点的重要任务之一,作为地形级地理场景的主要组成部分,DEM一般基于机载LiDAR点云数据制作。笔者所在单位选择高密市作为试点区域,采用徕卡CityMapper混合航摄仪获取了试验区优于1 m间隔的点云数据,并对飞行质量和点云质量进行检验,对点云高程和平面位置精度进行检核。试验验证了徕卡CityMapper混合航摄仪数据获取的精准和高效性,为即将全面实施的山东省陆域1 m间隔点云数据获取处理项目提供了技术方案,且为DEM制作和地形级地理场景的生产提供了保障。     

Cyclone在数字校园三维激光点云数据预处理中的应用

为了高效获取精确的数字校园地形图的测量数据,通过Leica ScanStation P40对校园进行三维激光点云数据采集,并结合Cyclone中的去噪模型对点云数据进行去噪,利用“六自由度”方法和ID号对标靶进行拟合,在一定约束条件下完成点云数据的坐标匹配、拼接以及优化,得到统一坐标系下的点云数据。结果表明:优化后的点云数据精度可达到6 mm。可见处理后的点云数据能够满足数字校园地形图的高精度要求。