不同点密度下复杂山区轻型机载LiDAR数据DEM构建

点云的点密度是决定DEM数据构建的关键因素。本文以云南华坪县永兴乡某复杂山地为研究区,采用随机采样算法对点云进行抽稀,获取点云保留率10%～90%共9组数据,并分别进行DEM数据建模及其精度评定。结果表明,点云保留率与DEM精度呈正相关关系,当点云保留率小于30%时,RMSE快速增大,DEM精度误差增大;当点云保留率设置为60%时,RMSE最小,DEM精度最高。该研究对大型机载LiDAR项目中的点云数据存储与使用具有一定的指导与借鉴意义。     

利用机载激光三维点云构建张家界地貌DEM

以张家界地貌为研究对象,以武陵源区218km²为研究范围,采用平均点云密度为每平方米8~15个点的机载激光雷达三维点云数据进行高精度DEM制作。根据张家界地貌的复杂性,使用Terrasoild软件设计了区别于传统方法的分类流程和分类参数,采用自动和人机交互的分类方法完成点云数据的地面点分类,构建了张家界武陵源区不规则格网和规则格网的1:2000的DEM模型,为张家界地貌的定量分析提供了数据基础。     

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。     

关于LiDAR数据DEM成果精度影响因素的探讨

通过对原始点云数据精度和点云数据分类误差的研究,抽检不同地表、不同植被覆盖密度、不同植被高度点云分类的数据,分析其对LiDAR的DEM成果精度的影响,对LiDAR数据DEM成果的质量检验与精度评定具有参考价值。     

ICESat-2机载试验点云滤波及植被高度反演

新一代星载激光雷达卫星ICESat-2将采用多波束微脉冲光子计数技术,并进行高程剖面式的对地观测。由于该点云数据具有背景噪声大、密度低并呈线状分布等特点,传统的点云滤波算法并不适用,研究新的点云滤波算法十分必要。本文以ICESat-2的机载模拟器MABEL数据为例,首先介绍了微脉冲光子计数激光雷达的基本原理和数据特点,并针对高程剖面点云提出基于局部距离统计和最小二乘局部曲线拟合的点云滤波算法;然后,对美国加利福尼亚州Sierras-Forest地区MABEL试验中532 nm通道的光子点云进行滤波处理,并利用识别的地面点插值得到3 m分辨率的线状DEM,进而估算了该区域美国云杉的平均树高;最后,对该滤波算法进行精度评价,并分析了误差来源及其对DEM精度和树高反演精度的影响。结果表明:(1)该算法整体精度达97.6%,能有效剔除绝大部分噪声点且对地形起伏具有较强的自适应能力;(2)误分噪声点影响了滤波过程中局部地形的拟合,而滤波过程中的分类误差将降低DEM和树高反演的精度。     

基于密集匹配点云的DEM生产可行性研究

无人机倾斜摄影直接生产的成果通常包括三维模型、TDOM、DSM等,然而规划设计通常不能直接利用倾斜数据输出的DEM,需要辅以人工编辑。作为倾斜摄影影像处理的过程成果,密集匹配点云未得到充分利用。其与激光雷达点云具备相似的结构,且点云密度可自由选择,在不考虑数据量的情况下,密集匹配点云的点密度可数倍于激光雷达点云。此外,密集匹配点云无需单独赋色,即具有纹理信息,对人工目视编辑自动分类后的地面点具有一定的辅助作用。本文对比分析了同一测区的密集匹配点云与激光雷达点云,验证了密集匹配点云用于房屋建筑区及稀疏林区地面点滤波并生产DEM的可行性。     

基于LiDAR点云数据索引的DEM快速提取

DEM应用日趋广泛,从LiDAR点云数据中提取DEM是一种满足应用需求的简单有效方法。由于Li-DAR点云数据的庞大性,直接提取DEM效率不高。为了提高对点云数据处理的效率,本文探索应用索引技术来优化LiDAR点云数据的处理,生成高精度DEM。该方法首先对LiDAR原始数据点建立网格分块索引;然后再利用形态学的方法对LiDAR原始数据进行滤波处理;最后用逐点内插方法生成DEM。实验结果表明应用空间数据索引技术极大地提高了点云数据滤波与DEM生成的效率。     

机载点云数据生产DEM的关键技术探讨

从机载航摄仪中获取的点云数据出发,提出了点云制作DEM的生产工序流程及作业中的注意事项,重点论述点云精度、点云滤波、DEM制作等关键技术,并对点云滤波算法进行优化改进,使之更好地应用于项目生产中,提高了工作效率.     

基于无人机倾斜摄影快速生产DEM方法研究

研究了一种基于无人机倾斜摄影测量数据密集匹配点云,进行点云分类生成DEM的方法。分析了无人机倾斜摄影测量的基本原理和数据处理流程,介绍密集匹配点云的特点及分类算法,梳理点云分类关键步骤和DEM生成要点,针对直接利用三维模型进行人工采集高程点的成图方式效率低及倾斜摄影测量点云产品使用深度不够等问题,提出了一种基于点云分类快速获得地面点的方法,并选取3种不同地形条件区域对该方法进行试验,证明该方法生成的DEM能满足1∶500的地形测量的精度要求。     

三维激光扫描技术边坡监测研究

本文介绍了三维激光扫描技术原理,给出边坡监测数据获取与处理的技术流程:首先用基于区域的分割方法对深度图像分割,用标志点匹配法进行点云数据匹配,然后利用滤波方法对点云数据进行简化,最后利用迭代最近点法(ICP算法)进行点云拼接。以某边坡的实际监测数据为例,采用Trimble GX200三维激光扫描仪获取点云数据,RealWork Survey Advanced扫描数据处理软件获得DEM数据。结果表明,采用本文技术可获取边坡的DEM及边坡形态,为边坡变形监测与灾害预报提供基础数据。