多源数据与机载LiDAR数据的DTM提取算法

本文提出了基于坡度因子的概念、利用已知DEM辅助信息、针对LIDAR点云迭代进行DTM提取的新方法。主要介绍了多源数据配准、激光点云滤波算法的原理,并在山地、居民、水域等地区进行了实验,同时应用两种精度验证方法对实验数据进行运算和评价。实验证明该算法不依赖初始坡度设定,自适应性较好。     

基于机载LiDAR数据的区域林木信息提取

本文对LiDAR数据的各种滤波方法以及多次回波特性进行了综合研究,提出一种基于其多次回波特性进行林木信息提取的方法,并对该方法的可行性进行了实例验证,为探索LiDAR数据的应用提供了新的思路。     

基于城市环境LiDAR数据的滤波方法

设计了一种多次渐进滤波方法,通过反复选取地面点,不断更正误选点,最终得到较正确的地面点数据。试验表明,该方法能有效地克服地陷点带来的问题,得到了更加精确的数字地面模型。     

一种从LIDAR数据提取城区DTM的方法

由机载激光扫描系统获取的点云数据,可以直接生成扫描区域的数字表面模型,但要想提取数字地面模型还须对点云数据进行分类处理。提出了一种获取数字地面模型的方法,其主要思路是利用原始的激光数据构建二维三角网,从而构建数字表面模型。通过分析数字表面模型的坡度进行初始的分割,剔出坡度较大的三角形。经过初步的分割之后,通过连通区域分析来获取每个分割区域的特征,提取出裸露地表高程,从而由点云数据构建出数字地面模型。     

基于高程统计方法的机载LiDAR点云数据滤波

提出了一种基于高程统计的LiDAR数据滤波方法,该方法以高程分布统计量为依据,通过迭代的方法逐个滤除,是一种基于原始点云的非监督滤波算法。采用北京凤凰岭地区某块机载LiDAR数据进行实验,并做出了实验改进。实验表明,该方法能够准确有效地滤除地物点,既能较好地保持数据信息量与精度,又不依赖于其他数据源,是一种简单有效的滤波算法。     

机载LiDAR数据滤波方法评述

DEM提取是机载LiDAR数据处理的基础问题,总结国内外LiDAR滤波方面的研究进展,定量分析算法的性能,着重分析形态学方法和基于内插的方法并指出两种算法的互补性,并总结展望,为后续相关研究提供参考.     

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...     

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。     

基于机载LiDAR点云数据滤波方法研究

主要针对机载LiDAR点云数据滤波方法展开了研究,通过结合具体的LiDAR应用实例,对点云滤波流程作了详细的阐述,并对滤波实验和算法性能评价作了系统的研究分析,以期能为有关方面的需要提供有益的参考和借鉴。     

基于机载LiDAR数据提取城区数字高程模型

地形分析是评估景观、土壤变迁和生态功能不可或缺的一部分,因此研究提取城区数字高程模型(DEM)的方法非常有意义.本文采用机载激光雷达(LiDAR)三维点云数据提取DEM,首先对研究区原始点云用不规则三角网算法进行滤波,获得所有的地表面点云并进行抽稀,然后应用自然领域插值法进行内插生成DEM,最后再与该区参考DEM进行对比分析.结果显示,本文提出的方法能够高精度获取城区数字高程模型.     

一种保护细节的从机载激光点云中提取城区DTM的方法

机载激光测距数据是机载激光扫描测距系统获取的三维地面信息,它由离散、不规则的点云构成,这些点云构成了测区的数字表面模型(DSM).准确地将点云中的地面点和非地面点分离,即从DSM中提取数字地面模型(DTM),目前仍是一项挑战性的工作.数学形态学以集合论为基础,适合信号形态分析和描述.应用形态学灰值开运算可以移除点云中的非地面点,但是逐渐增大的结构元素会导致提取的DTM过于平坦.针对过度过滤导致地形细节丢失问题,提出了一种带有约束条件的过滤方法,该方法根据地形起伏程度设定阈值,通过阈值控制运算结果,并以中国自主研制的机载激光扫描测距系统所产生的数据为例,证明该方法的可行性及有效性.     

顾及地形特征的机载LiDAR数据桥梁提取算法研究

提出了一种从机载LiDAR点云数据中提取水陆桥梁的新算法,采用先滤波分类再识别桥梁的策略用于桥梁主体及其与地面连接处脚点的提取。首先对机载LiDAR点云数据进行严格滤波,在此基础上利用多个阈值对非地面脚点进行初步提取;然后引入Alpha-shapes算法对初步提取结果进行分割,并辅以面积阈值提取出属于桥梁主体部分的脚点;最后提出一种顾及地形特征的点云区域生长算法,用于准确提取桥梁主体与地面连接部分的脚点。实验证明,本文算法对水面和陆地桥梁提取均有很好的效果。     

基于形态学梯度的机载激光扫描数据滤波方法

机载激光扫描技术能实时获取大范围、高精度的三维空间信息,从而受到日益广泛的重视和应用.然而由于地理环境的复杂性,其数据滤波一直是一个研究难点.针对数据点云的特点和滤波所面临的问题,提出了一种基于形态学梯度的机载激光扫描数据滤波方法.使用改进的形态学梯度计算方法得到每个点的梯度,再基于梯度选择特定的点进行迭代开运算,并根据梯度直方图减少迭代的次数,通过判断每次开运算后点的高程与原高程的差值是否小于一定的阈值,逐步滤除非地面点.使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明该算法对各种复杂环境的适应性强,基于形态学梯度的滤波既能减少不必要的计算,又能降低误差产生的可能,从而在有效地去除非地面点的同时,也能很好地保留地面点,故具有良好的可靠性与实用性.     

简述利用ALS70机载激光雷达生产数据产品

机载激光雷达（LiDAR）是近10年出现的高新技术之一,能迅速获取密集的地面3维数据,并广泛应用于各个领域。本文主要介绍了我院通过试验,获取及处理ALS70机栽激光雷达点云数据的方法。     

机载激光雷达平面精度评价方法研究

目前,机载激光雷达数据的高程精度一般在10～20 cm,平面精度为0.5～1 m,所以大多学者和生产厂家关注高程精度较多,故而高程精度的评价方法相对成熟,而平面精度的评价方法则有待完善。本文介绍的几种方法,立足于实际工作中发现的问题,具体情况具体分析,旨在能寻求最接近平面精度真值的表达方法,为将来平面精度评价成熟而通用的方法寻求道路。     

机载LiDAR数据滤波预处理方法研究

为简化后续的机载LiDAR点云数据滤波,针对茂密植被的陡坡林区,提出了均值限差预处理方法;针对具有密集墙面激光脚点的城区,提出了角度限差预处理方法。采用两组不同特征的实测数据分别对两种预处理方法进行了实验,定性和定量分析结果表明,预处理效果显著,使用了预处理的滤波结果与未使用预处理而直接滤波的结果相比,两类滤波误差均有所减小。     

用形态学重建方法进行机载LiDAR数据滤波

在利用KD-树进行粗差剔除的基础上,结合机载LiDAR数据的多回波特性剔除不必要的冗余数据,利用形态学重建的方法对机载LiDAR数据进行滤波,且运行时只需要输入一个参数。使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明,该算法对各种场景的适应性较强,既能有效地去除非地面点,又能很好地保留地面点,使Ⅰ类误差、Ⅱ类误差和总体误差分别保持在9.93%、7.27%和9.76%以下,整体性能优于经典的滤波方法。     

快速获取地面三维数据的LIDAR技术系统

机载激光扫描获取地面三维数据的 L IDAR系统是最近几年出现的高新技术系统之一。L IDAR系统是一个先进的主动传感系统 ,该系统本身发射受控制的激光以照射地面和地面上的目标 ,不依赖太阳光照 ,所以它是一个全天时日夜可以获得地面三维数据的系统。它直接获取地面三维数据比传统测量方法具有高精度、高密集、高效率和成本低的优点。该系统强大的后处理技术可以把地面和其上的植被、建筑物分离开来 ,可同时取得 DTM、DSM和植被参数     

基于模糊C均值聚类的机载LiDAR点云滤波

点云滤波是机载LiDAR数据处理的重要步骤.现有滤波算法大部分要建立点云之间的索引关系,增加了算法的复杂度;或需要对原始数据进行内插,导致原有精度损失.本文在对LiDAR点云数据的高程进行统计分析的基础上,引入模糊C均值聚类分析算法,针对大区域平坦复杂城区数据,无须建立索引或进行内插,能够快速简单地实现地面点与非地面点的分类.实验结果表明,该方法切实可行,能够较好地满足精度需求.     

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。