机载LiDAR点云数据误差分析

基于国产机载LiDAR系统各传感器组成及工作原理,详细介绍系统各传感器所产生的误差和集成误差,将其归结为八大类,包括：定位误差、GNSS/IMU组合系统误差、激光测距误差、激光测角误差、系统集成安置误差、时间同步误差、数据内插误差、坐标转换误差。同时对各种误差处理的方法进行了介绍。对于获取高精度激光点云数据及后续处理具有重要意义。     

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。     

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。     

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。     

机载激光雷达点云滤波算法分析与比较

机载点云数据在城市三维建模、DEM提取中应用广泛,而机载点云滤波是这些应用的基础。因此,这里对机载点云滤波算法设计所依据的地面特征和滤波结果的精度评定方法作了总结,并对现有滤波算法进行了分类描述。最后着重对滤波算法做了直观的对比分析,为后续点云数据滤波处理研究提供参考。     

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。     

改进的渐进加密三角网机载点云滤波方法

针对渐进加密三角网滤波算法在林区机载点云滤波中存在种子点选取困难和精度较低的问题,提出了一种适合林区点云数据的改进渐进加密三角网滤波方法。该方法首先使用去噪算法(SOR)对离群点进行剔除,然后采用布料模拟和局部薄板样条插值方法获取大量均匀可靠的地面种子点,最后利用改进的渐进加密三角网滤波方法进行滤波,迭代运算进而得到地面点。使用6组标准数据和3组林区数据进行实验,标准数据的平均总误差和Kappa系数分别为2.16%和84.96,林区数据的平均总误差为4.62%。实验结果表明,改进方法适用于复杂的林区机载点云滤波,且提高了滤波精度。     

机载LiDAR点云自适应滤波算法

针对传统移动曲面拟合滤波算法难以使用单一且具有自适应性阈值滤波的问题,提出一种改进自适应阈值滤波算法.首先将点云格网化,利用混合最小二乘曲面拟合对多级移动曲面滤波算法进行部分优化;其次利用离散点云数据分布特征计算一级滤波阈值;最后计算格网中最大真实高程值与最小真实高程值之差,利用曲率极限点为该值设定一个自适应系数,对滤...     

基于高程突变TIN的改进机载LiDAR点云滤波算法

在研究高程突变TIN的滤波算法基础上,对该算法进行了改进。首先,进行粗差剔除,之后以Mean Shift算法进行点云分类,并分块构造D-TIN,分别设置动态坡度阈值;最后,对滤波结果进行定性与定量分析。实验表明:改进的算法能够有效地滤除原算法中不能滤除的植被及其他地物,提高了滤波的准确性。     

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。     

抗差趋势面的机载LiDAR点云滤波方法

传统曲面约束滤波算法中,利用最小二乘拟合地形曲面易受种子点粗差影响。针对这一问题,提出基于抗差趋势面的机载激光雷达点云数据滤波方法,首先构建格网索引组织数据,引入抗差趋势面拟合合理的区块地形,通过自适应阈值的设置实现不同区域的自动灵活处理,最终滤除孤立点完善滤波结果。使用ISPRS提供的测区数据进行实验,与传统曲面拟合方法进行对比,实验结果证明,该方法较传统移动曲面拟合法能够得到更加可靠的滤波结果,具备较高实用价值。     

机载LiDAR点云数据精细化滤波方法研究

针对机载LiDAR点云数据在自动化滤波过程中因建筑、植被底点剔除不完全导致DEM成果粗糙、等高线不平滑等问题,提出了一种精细化滤波方法。先对LiDAR点云数据进行滤波处理生成参照DEM,再利用同区域的正射影像辅助判别,选取需要滤波区域点云进行局部纠正;分别选取平坦区域和山地区域进行实验,并对精度验证和等高线成果进行了对比。实验结果表明,经过精细化滤波后的DEM和等高线成果在保证精度指标的前提下,成果质量明显提高。     

基于渐进三角网的机载LiDAR点云数据滤波

机载LiDAR点云数据滤波是获取高精度数字高程模型的关键,也是目前LiDAR点云数据处理领域研究的重点和难点之一。提出了基于渐进三角网的机载LiDAR点云数据滤波方法,首先以规则格网和不规则三角网组织数据,采用区域分块法或数学形态学法选取种子地面点建立初始稀疏三角网,通过不断向上加密三角网提取地面点。试验结果表明,该算...     

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.     

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。     

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。     

基于互信息的机载LiDAR点云自动滤波处理特征选择

随着机器学习的发展,在LiDAR滤波处理中找到一个适用于所有地形的高效高精度滤波算法是我们一直追求的目标。现在,越来越多的学者致力于提取多个特征进行滤波计算。在选择的特征中难免出现冗余等现象,影响计算效率和滤波精度。本文基于机载激光雷达特有的高程精度优势,采用高程互信息作为测度去判断所选择特征的优劣。经过实验,验证了本文所用方法能够有效剔除自动滤波选特征中的冗余特征。