多标记点过程的Lidar点云数据建筑物和树冠提取

将机载激光扫描点云数据转换成点云特征影像,提出基于多标记点过程的建筑物和树冠目标几何对象的自动提取方法.首先根据目标的几何特征建立吉布斯自由能变模型,通过目标的一致性建立该模型的数据项,通过目标的拓扑性质等空间特性建立该模型的先验项.然后利用可逆跳转马尔可夫蒙特卡洛(RJMCMC)算法进行采样,并采用模拟退火算法进行优化求解,实现建筑物目标和树冠目标几何对象的多目标自动提取.试验结果表明该方法能够从机栽激光扫描数据中有效地提取建筑物和树冠,具有较强的稳健型.     

多元遥感数据在树冠高度提取中的应用

树冠高度是获取森林生态系统垂直性质的一个强有力的预测指标,能帮助提高森林的监测、管理和规划能力。因此,树冠高度信息作为森林生态系统研究的重要基础参数之一,提高其提取的准确度,对该信息在进一步实践领域中的应用具重要意义。本文以树冠高度信息在森林围场伐木收割中的应用为例,探索以LiDAR数据与多光谱数据相结合的方式,提取树冠高度信息,以确定采伐围场的先后顺序。结果表明,该方法可以较准确地提取树冠高度,同时较好地描述森林植被生长的垂直性质,推测出研究区围场规划管理的一致性与多样性表现,为森林资源清查和管理提供重要依据。     

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。     

基于强度信息聚类的机载LiDAR点云道路提取

提出一种利用强度信息聚类提取机载LiDAR点云道路的方法,并综合利用回波次数信息与高程信息对分类结果进行进一步精化。采用北京凤凰岭地区某块机载LiDAR数据进行试验,试验结果表明,通过强度信息聚类从LiDAR点云巾提取道路能取得一定效果,但误差较大;经过回波次数和高程信息筛选精化后,试验效果得到明显提升,大最的误分点被...     

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.     

机载LiDAR点云数据中电力线的提取方法研究

提出了一种基于机载LiDAR点云数据的电力线提取方法。首先在进行LiDAR数据滤波的基础上,分离地面点与非地面点;然后针对非地面点采取一种基于角度的滤波方法,分离非地面点中的植被点与电力线点,对电力线点,采用二维Hough变换进一步分离各条电力线点;最后使用双曲余弦函数模型,对单条电力线进行曲线拟合。实验结果表明,该方法能够从LiDAR点云数据中较完整地提取出电力线点,电力线点提取正确率达96.2%,并能够对电力线走廊进行三维重建。     

车载LiDAR数据电力线与塔杆提取方法

为了实现车载LiDAR数据中电力线和塔杆的正确提取,在分析电力线分布特点的基础之上,提出了电力线和塔杆提取的新方法。该方法首先采用高程分布直方图统计方法去除大量的地面点;然后利用kmeans聚类方法,分离得到电力线和塔杆点云,并借助塔杆点云密度特性进行塔杆定位;最后,依据电力线走向及同一电力线上点间高差较小的特点进行单根电力线的提取,并采用多项式模型对分离得到的电力线进行建模。实验结果表明,该方法能够较好地实现复杂地区的电力要素提取。     

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LiDAR数据的建筑物自动提取方法的比较

简述三种典型的利用LiDAR点云自动提取建筑物的方法.提出对建筑物提取结果的精度评价指标,并对三种方法的提取结果进行比较.结果表明摹于Dempster-Shafer理论的建筑物自动提取方法最为稳健.     

基于机载LiDAR数据的DEM快速获取及应用

作为直接获取对象表面点3维坐标的现代对地观测技术,激光雷达技术能够快速获取高精度地面高程模型。基于LiDAR系统所获取的点云数据,通过过滤处理将区域纯地形特征信息与地物信息相分离,最终生成高精度的DEM,并在此基础上对同步获取的数码影像进行正射纠正,为进一步的信息提取、定量分析及实体建模奠定基础。     

基于LiDAR数据和航空影像的水体自动提取

提出将LiDAR数据对水体的敏感性与航空影像的高分辨率特征相结合的水体自动提取方法。利用SIFT算法对LiDAR强度图像和航空影像进行配准,在LiDAR高程图像上提取无回波信号的黑色区域,构建几何约束条件,排除由遮挡产生的无效区域;将水体初始位置映射到航空影像上,结合边缘信息进行区域生长,并对生长区域进行数学形态学运算,最终获取水体区域。实验结果表明,该方法可以获得很好的水体提取效果。     

基于LiDAR数据的水域边界提取方法探讨

提出一种基于单个三角形最小外接圆来提取水域边界的方法,通过构建TIN、计算三角形最小外接圆半径、三角形面域合并、提取面域边界等步骤,实现了从LiDAR点云数据中对水域边界的快速提取.利用覆盖湖北省长江流域的LiDAR点云数据验证了方法的有效性,结果表明该方法能快速提取各种形状的水面区域边界,减小了后期DEM数据的人工编...     

基于线性体素分割的机载LiDAR点云数据电力线提取

提出了一种基于线性体素分割的机载LiDAR点云电力线自动提取方法.该方法首先基于八叉树结构对海量三维点云数据进行体素化处理,再对体素点云进行线性检测,并结合马尔可夫随机场(MRF)对线性体素进行分割.然后在分割得到的线性段中,通过杆塔和电力线之间上下文关系的先验知识对杆塔进行精度定位,获取杆塔连接线边集.最后,通过设定...     

基于机载LiDAR数据的城市建筑物高度分级方法研究

传统的基于不规则的三角网和形态学点云滤波处理方法提取的DEM,由于在滤波过程中没有顾及不同区域地形起伏度差异,使得滤波过程中产生大量粗差,导致DEM 与实际地形偏差太大.准确提取建筑物轮廓和高程的前提是要提取高精度的DEM,因此必须在DSM转化为DEM的过程中改进DEM提取方法.本文针对地形起伏度不大的城市区域,采取格网值替换、设置高程和面积阈值进行过滤处理的方法提取建筑物轮廓及高程值,验证表明该提取方法的精度优于传统滤波方法.     

基于数学形态学算法的机载LiDAR点云数据快速滤波

机载LiDAR点云数据滤波是LiDAR数据处理领域研究的重点和难点之一.针对LiDAR点云数据量大的特点,以规则格网组织数据,按离散点或格网移动结构窗口,提出基于数学肜念学算法的LiDAR点云数据快速滤波方法,并详细介绍滤波的方法和流程.试验结果表明,该算法计算速度快,滤波效果好.最后选取两组小同区域的点云数据进行实验,并给出滤波前后的数字表面模型和局部断面图.