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。     

基于语义推理的城区机载LiDAR分割点云分类

目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。     

机载激光雷达数据的地物分类方法及处理方式

机载激光雷达技术衍生于传统的工程测量中的激光测距技术,是传统雷达技术与现代激光技术结合的产物,是遥感测量领域的一门新兴技术。随着机载激光雷达数据的不断发展,其在基础测绘、城市三位建模、铁路、电力等领域有着越来越广泛的应用,然而机载激光雷达数据刚扫描完的数据全部存放到一个点云层,不利于后期数据的分析、应用。因此,本文以处理吉林省白城市激光点云数据的方式为例,介绍了机载激光雷达点云数据的处理方式及地物分类的原则。     

机载多光谱LiDAR的随机森林地物分类

机载多光谱LiDAR技术利用激光进行探测和测距,不仅可以快速获取地面物体的三维坐标,还可以获得多个波段的地物光谱信息,可广泛用于地形测绘、土地覆盖分类、环境建模、森林资源调查等。本文提出了多光谱LiDAR的随机森林地物分类方法。该方法通过对LiDAR强度数据和高程数据提取分类特征,完成多光谱LiDAR的随机森林地物分类;并分析随机森林的特征贡献度特性,采用后向特征选择方法实现分类特征选择。通过对加拿大Optech Titan多光谱LiDAR数据的试验表明：随机森林方法可以获得较好的地物分类精度,而且可以适当地去除部分冗余和相关的特征,从而有效提高分类精度。     

面向机载LiDAR点云数据的双线河水体DEM构建方法

机载激光雷达(LiDAR)系统可以快速获取高精度的地面点云数据,可以快速生成数字高程模型(DEM)。但是基于原始水体点云数据直接构建DEM效果较差,针对这个问题,论文提出了一种双线河水体点云填充方法,对缺失的河道内点云数据进行填充,并设计开发了河流优化填充模块,实现了双线河水体具有上下游特征的DEM构建效果。     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

LiDAR-DP软件对点云数据自动分类结果分析

对激光雷达(Li DAR)点云数据使用点云数据处理软件(Li DAR-DP)时,利用其自动分类进行处理,对其使用渐进三角加密滤波算法得到的建筑物、桥梁和高架路、植被、水体以及其他各种特色地形地物的分类情况进行分析判断,并对自动滤波效果不好的区域,给出相应的解决方案。经本次分析,在地形地物复杂区域,自动滤波效果不好。在地形简单、地物规则且大型区域滤波效果真实可靠。Li DAR-DP软件在点云数据处理过程中,使用简便,能提高作业效率。     

机载LiDAR点云数据精度评定方法的研究

基于机载LiDAR系统组成及工作原理,对激光点云数据精度评定方法进行研究,主要包括内插特征点对比分析法、统计分析法、斜面几何分析法、误差传播定律分析法。各种方法都有各自的优缺点,在进行具体精度评定时,几种方法要结合使用。     

机载LiDAR数据的城区树木点提取方法

在城区的机载LiDAR点云中一般存在大量打在树木上的点,从点云中提取的树木点可以应用于城区绿化面积和树木参数的估计,以及树木的建模。针对城区环境,本文在综合分析树木点和其他地物空间分布模式的基础上,提出了一种只利用点云的几何性质,结合点云空间分布模式来提取树木点的方法。实验表明,该方法可以取得很高的分类精度,卡帕系数为0.9713。     

利用随机森林的城区机载LiDAR数据特征选择与分类

针对机载LiDAR系统数据分类中多源特征与城区分类目标相关性不明确的问题,在面向对象的数据特征挖掘基础上,提出了一种基于随机森林的机载LiDAR系统特征选择与分类方法,利用不同地区数据实验证明:本文方法能对机载LiDAR系统数据多源特征的重要性进行正确评估,通过特征选择,在减少特征的情况下仍能够达到较高的分类精度。     

利用特征面进行LiDAR点云分类的方法

为提高激光雷达点云自动分类程度,提出了一种新型激光点云分类方法。在TerraSolid软件中,结合点云滤波、影像解译和特征要素采集等技术进行点云分类,并基于新昌县点云分类数据进行实验。结果表明,该方法可快速准确地分类建筑物,减少了大量手动编辑分类工作,加强了自动化分类程度,可大大提高工作效率。     

机载LiDAR点云航带平差方法研究

以航带平差作为系统误差消除的关键技术,提出了基于无控制三维表面匹配的方法,并用最小高程差(LZD)和最小法向距离(LND)两种算法加以实现。实验表明,LND和LZD算法的平差结果均可满足工程精度的需求;LZD较LND算法的整体计算效率偏低,但其精度较高;与商业软件TMatch的结果相比,LZD的精度和其相当,且两种方式在TMatch软件平差失败时也能成功地完成航带平差任务。     

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。     

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.     

基于车载LiDAR点云的地物分类方法的研究

基于点云分类常用的近邻聚类法和物体表面分割等方法,本文提出了一种基于最大网格密度的近邻聚类的方法。该方法首先对原始点云进行低点提取,设置格网的大小,在此基础上对点云数据进行去噪并进行主成分分析,再对点云空间进行均匀格网化,使具有最大密度的格网为聚类中心,加入高程、强度以及法向量等特征对分割后的点云实现了不同地物的分类,提高了运算效率,降低了错分率。     

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。     

机载激光点云与影像数据融合方法的研究

影像信息可以反映综合地表纹理、光谱信息及空间属性信息。结合高分辨率的影像信息,机载激光点云数据即可成为获取DEM及地形特征的良好数据源。讨论了数据融合的两种方式,结果表明,基于多元数据拥有丰富的物方信息,其融合数据在DEM过滤及特征提取方面有优势。     

利用Terrasolid进行机载与车载LiDAR点云数据的融合

介绍了一种利用Terrasolid软件进行机载与车载LiDAR点云数据融合的方法,通过分析两种扫描系统采集点云之间的共性与特性,制定了融合取舍原则,得到了覆盖范围全面的LiDAR点云融合成果,为LiDAR点云数据的应用和推广提供了良好的基础。     

基于机载LiDAR的电塔点云提取与重建

基于机载激光雷达点云,提出一种综合点云预处理、地面点滤波、电塔点云定位获取以及电塔结构线建模的电塔点云提取与重建方法.该方法首先对电力线路点云进行去噪等预处理,再使用渐进三角网滤波去除地面点,然后在电力线路分段的基础上,通过高程连通性定位电塔所在分段,再将电塔分段点云投影到水平面上并结合密度聚类算法和高程差特性对电塔聚...