改进的EM模型及其在激光雷达全波形数据分解中的应用

随着数据存储能力和处理速度的提高,小光斑机载激光雷达系统已经可以通过数字化采样来存储整个反射波形,而不仅仅是由系统提取出来的三维坐标(即离散点云).分析波形数据最重要的优点之一是可以在后处理过程中让使用者自己来提取三维坐标.一般的分解方法基于非线性最小二乘的多项式拟合,或者有设备厂商提供的简单阈值法,无法获得高精度的分解结果.本文使用改进的EM脉冲检测算法得到回波脉冲的位置和宽度,证明是一种性能可靠、精度较高的波形分解算法.     

机载Lidar数据快速滤波方法

机载Lidar是可以快速获取数字表面模型(Digital Terrain Model,DTM)的一种遥感技术。它能够快速获取大范围地面精确的三维坐标,得到高密度的点云。为了从点云数据中提取地形信息,必须对地面点和非地面点进行分类,称之为滤波。现有算法不适合用于处理大规模数据。本文提出一种快速滤波方法,实验结果表明该方法能够快速准确地提取地形点。与现有的滤波方法相比较,其最大的特点是将二维滤波问题简化为一维滤波,滤波速度快。     

采用模糊C均值方法进行激光点云分类

LiDAR波形数据的分解可以获得地物的几何坐标属性和物理属性信息。基于几何特征的点云分类方法较多,而对于波形特征分类方法的研究较少。本文首先对全波形数据进行分解得到了振幅、波宽属性,并结合振幅邻域特征提取振幅方差,得到了具有3个属性的激光点云数据;然后采用模糊C均值聚类方法进行了激光点云数据的分割。试验使用Riegl vz-400激光扫描仪采集到的数据验证了算法的可行性,可成功将研究区域中的树木、地面、建筑等进行分类。     

基于LM算法的机载LiDAR全波形数据分解研究

全波形机载激光雷达系统采集的波形数据蕴含着丰富的地物信息,因此,这些地物信息的提取方法具有很大的研究价值。本文通过对全波形数据的去噪平滑以及LM参数优化算法实现了波形分解,并利用其结果生成的点云数据与系统点云数据进行对比,结合部分点云剖面图分析其给实际生产应用所带来的帮助,实验表明,本文所用方法可以有效地提高数据中地物信息的质量。     

机载激光雷达全波形数据与系统点云差异的定量分析

目前常用的小光斑机载LiDAR波形数据与系统点云数据的来源相关性较大,波形数据的优势难以严格定量地评价和比较。LeicaALS60机载LiDAR系统记录的全波形数据与点云数据相对独立,点云数据来自硬件系统脉冲探测方法,而波形数据是未加处理的原始回波序列。本文对原始波形数据进行分解获取发射脉冲的全部回波,与系统探测点云进行了定量对比,并选取典型林区和城区数据,得到波形在两种地物类型中垂直信息获取能力的定量表征参数。结果表明,波形数据对不同地物类型均能丰富垂直结构信息和提高点云垂直分辨率,且这种提高在林区表现优于城区人工建筑和裸地;激光对树木冠层的穿透能力更明显地表现在回波波形信息中,相较于传统点云激光雷达,全波形LiDAR在森林垂直参数获取方面潜力更大。     

机载LiDAR全波形数据分解的研究与应用

近年来,新兴机载全波形Li DAR技术在摄影测量与遥感领域受到广泛关注。其相比传统机载Li DAR的优势在于它对后向散射回波信息进行了完整的数字化记录。波形分解是波形数据处理的重要环节,通过波形分解不仅仅可以得到高质量的三维点云产品,还能够提高DEM的生成精度并辅助点云的精确分类,随着研究的不断深入,全波形数据将在更多领域发挥更大的实用效益。     

全波形激光雷达的波形优化分解算法

随着数据存储能力和处理速度的提高,三维激光扫描系统逐渐具备全波形采集和分析技术。为了从全波形数据中获得脉冲时间、幅度、脉宽以及多回波分布等综合信息,波形分解成为了全波形激光雷达数据处理的关键技术之一。针对LM算法在一定程度上依赖初值,而传统激光雷达数据处理容易遗漏部分重叠的返回波,本文提出了一种改进回波分量初值设定的算法来获取回波脉冲的位置、宽度和强度。针对一套自主研发的全波形记录激光雷达演示系统进行了波形分解试验,定性和定量分析结果验证了该方法的有效性、可靠性和准确性。     

车载LiDAR点云中交通标线的提取方法

交通标线,作为道路上重要的交通标识,为司机和行人提供重要的引导信息。车载激光扫描系统(车载LiDAR)可以快速获得被测目标的表面三维坐标信息,为提取高精度三维交通标线提供了可靠数据源。本文通过分析道路点云数据的平面距离、点云强度、点云密度等特征,将点云数据归化成地理参考强度图像。针对生成的二维参考图像,充分借鉴图像处理中目标分类与识别的手段,将交通标线信息准确提取出来。实验表明,该方法可行、有效。     

基于分组LM算法的全波形LiDAR高斯分解

LM(Levenberg-Marquardt)算法是全波形机载激光雷达(Li DAR)数据高斯分解中求解模型参数的一种方法。针对其结果在一定程度上依赖初值、雅克比矩阵出现非数值导致无结果等问题,本文提出分组LM算法,以广义高斯混合函数为模型,模型参数初始化后,将参数分组并使用LM算法依次对各组参数进行优化,并生成点云。为验证结果的可靠性,以系统点云为参考,与基于改进的EM(Expectation Maximum)算法全波形分解法做对比。结果表明,本方法不仅得到较高质量的点云,而且得到回波位置和宽度等信息。     

建筑物立面激光点云的定位

车载式近景目标3维测量系统,采用激光扫描仪获取建筑物立面点云.激光点云仅具有扫描仪坐标系下的坐标,不便于其他数据融合进行3维建模.文中根据系统的特点和要求,通过建立相应的坐标系,利用已有或优化的坐标转换模型确定坐标系之间的坐标转换关系.依据基准点与载体平台GPS接收机之间同步观测数据将激光点云在扫描仪坐标系下的坐标经过多次坐标转换,得到基准点所在当地坐标系下的坐标.使系统实现了满足精度要求的建筑物立面激光点云的定位工作.     

A building extraction approach for Airborne Laser Scanner data utilizing the Object Based Image Analysis paradigm

In the past two decades Object-Based Image Analysis (OBIA) established itself as an efficient approach for the classification and extraction of information from remote sensing imagery and, increasingly, from non-image based sources such as Airborne Laser Scanner (ALS) point clouds. ALS data is represented in the form of a point cloud with recorded multiple returns and intensities. In our work, we combined OBIA with ALS point cloud data in order to identify and extract buildings as 2D polygons representing roof outlines in a top down mapping approach. We performed rasterization of the ALS data into a height raster for the purpose of the generation of a Digital Surface Model (DSM) and a derived Digital Elevation Model (DEM). Further objects were generated in conjunction with point statistics from the linked point cloud. With the use of class modelling methods, we generated the final target class of objects representing buildings. The approach was developed for a test area in Biberach an der Riß (Germany). In order to point out the possibilities of the adaptation-free transferability to another data set, the algorithm has been applied “as is” to the ISPRS Benchmarking data set of Toronto (Canada). The obtained results show high accuracies for the initial study area (thematic accuracies of around 98%, geometric accuracy of above 80%). The very high performance within the ISPRS Benchmark without any modification of the algorithm and without any adaptation of parameters is particularly noteworthy.     

基于多波束声纳数据与反射模型的水下地形重建

利用多波束声纳数据重建水下地形,构建高空间分辨率的数字高程模型(DEM)对于在复杂水下区域的物质勘探、目标检测等方面有重要实用意义.然而,多波束声纳系统直接获得的测深数据空间分辨率有限本文基于多波束声纳系统采集的稀疏测深数据(空间位置)和密集回波强度数据(图像性质)来构建水下复杂地形高空间分辨率数字高程模型.利用采集的...     

机载SAR影像主动定位的数学模型研究

本文基于差分GPS(Differential Global Positioning System,DGPS)和惯性导航系统(Inertial Navigation System,INS)数据,在无控制点的情况下,导出了一种进行机载SAR影像主动定位的数学模型。此模型包括DGPS/INS数据进行坐标系转换、天线动态偏心改正、雷达天线相位中心插值和距离-多普勒(Range-Doppler,R-D)模型及解算。根据距离-多普勒(Range-Doppler,R-D)模型和数字高程模型(Digital Elevation Model,DEM)数据,获得机载SAR影像上每点所对应的地理坐标,重采样生成正射影像图。本文通过成都测区1m分辨率的机载SAR影像主动定位试验,验证了此数学模型的正确性,分析了主要系统误差源及系统误差的改正方法。     

后向投影算法的地理坐标系下的合成孔径雷达成像

传统的机载合成孔径雷达(SAR)一般依赖于GPS/INS组合系统补偿平台的运动误差,并获得高分辨率的图像。GPS获取的地理坐标(即经度,纬度和高度)需要转换为本地的直角坐标,原始雷达数据在这个直角坐标系下才能引入成像及运动补偿算法进行处理,并获得本地直角坐标系下的图像。这种图像是通过局部坐标描述的,对于其他部门是不通用的,因为其他部门需要的是经过全球地理坐标标绘的图像。本文提出了一种由后向投影算法BP(Back Projection)引出的新的SAR成像算法,它直接在地理坐标下处理,可避免坐标转换的过程。而且生成德图像像素均和地理坐标一一对应,能够很方便地被情报或其他部门使用。而且在仿真试验以及外场试验中,证明了本文算法和常规BP算法成像效果是相当的。     

格网DEM上径流长度计算误差的定量分析

基于格网DEM的径流长度的计算误差主要来源于DEM数据和流径提取算法。通过数据独立的误差分析方法,定量分析流径提取算法模型产生的误差。首先选取5种数学曲面作为模拟DEM数据源,计算出径流长度,以由曲面公式推导的径流长度公式计算的径流长度作为理论真值,通过两者的对比,分析误差及其空间分布。结果表明,汇水区的径流长度计算精度明显高于分水区;分水区的径流长度含有一定的系统误差。     

基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例

城市受人类活动影响比较大,结构组成比较复杂,对该区域进行分类研究存在一些问题。甚高分辨率遥感影像,以其丰富的细节信息为城市土地覆被分类研究提供了可能。本文结合使用甚高分辨率QuickBird遥感影像和激光扫描LIDAR数据,论述了利用多尺度、多变量影像分割的面向对象的分类技术对马来西亚基隆坡市城市中心区的土地覆被分类研究。针对特定地物选择合适的影像分割特征和分割尺度、按照合理的提取顺序逐步进行城市土地覆被信息提取。在建筑物的提取过程中构建了归一化数字表面模型nDSM,使用成员函数将建筑物信息提取出来。精度评价结果表明,利用该方法得到了理想的城市土地覆被分类结果,其分类总精度从常规面向对象分类方法的83.04%上升到88.52%,其中建筑物生产精度从60.27%增加到93.91%。     

参考地理数据的大比例尺影像无控定位

针对传统摄影测量影像定位通过人工方式获取控制点导致的效率低、费用高等问题,本文提出了一种参考地理数据的大比例尺影像无控定位方法。首先利用经典SIFT算法从参考地理数据（DEM和DOM）提取带有控制信息的特征点;然后将通过POS获取的DSM配准到DEM地理坐标上,并利用形态学滤波对DSM进行处理,以提取并剔除建筑物、树木等高程剧烈变化区域的匹配点,降低校正误差;最后进行影像校正和定位。试验结果表明,本文方法能够满足大比例尺航空影像生产定位精度要求,具有高效生产、节约资源等优势。     

从DSM数据中自动提取建筑物的方法研究

现今,DSM的获取日趋方便、快捷、精确,充分利用DSM所提供的信息,可以解决很多实际问题.本文提出了一种从DSM自动提取建筑物的方法,首先从DSM中提取DTM,差值后得到消除了地形影响的规格化的DSM(即NDSM),然后对NDSM进行改进型"标记控制的分水岭"分割,得到地上物目标;最后根据这些目标的各自特点进行过滤,祛除非建筑物对象,留下我们所要的建筑物对象.