机载LiDAR点云数据降维与分类的随机森林方法

探索自动化的激光点云分类方法对于三维建模、城市土地分类、DEM制图等应用具有重要作用。考虑到现有的点云分类算法在提取依赖邻域结构的特征参数时面临邻域尺度的选择难、数据维度高、计算复杂,并且缺乏对分类特征参数的重要性评估和选择等问题,本文提出了基于随机森林的机载LiDAR点云数据降维与分类方法。在分析点云数据的高程、回波、强度等属性特征的基础上,提取归一化高度、高度统计量、表面特征、空间分布特征、回波特征及强度特征6大类特征参数,并构建多尺度特征参数,运用随机森林的特征选择算法对分类特征集进行优化,然后进行点云分类。试验结果表明,基于随机森林的特征选择方法可以有效地降低特征维度,并且使得总体分类精度达到94.3%（Kappa系数为0.922）,相比于使用全部特征分类和SVM分类方法而言,该方法的总体分类精度均有一定程度的提高;特征的重要性度量结果表明,归一化高度特征在点云分类中所起的作用最大。     

地面激光雷达点云数据乔灌分离方法研究

针对当前基于地面激光雷达点云数据的乔灌分离方法在不同环境中很难准确地实现分离的问题,提出了一种粗分离和精分离相结合的方法：先对点云数据进行预处理;结合法向量和支持向量机对此进行粗分离;利用RANSAC算法拟合圆柱、结合格网点云数标准差变化筛选乔灌,以及基于点云数标准差的自适应DBSCAN进行最终的精分离。选取了8块不同生长环境的样地进行测试,其乔木提取株数准确率均高于93%。实验结果表明：该方法能够实现不同环境下的地面激光雷达点云高效准确地乔灌分离,并与现有的传统方法相比,其精度和效率更高、普适性更强,为后续植被参数、林木株数准确提取奠定了基础,具有广泛的应用前景。     

多分类器组合的LiDAR点云分类

随着激光雷达技术在地形测绘、数字城市建设等领域的广泛应用,点云数据采集的精度和效率变高,若要进一步利用这些数据,还要对点云数据进行分类。因此,如何高效、高精度地对点云进行分类成为了目前的研究重点。机器学习不同分类器之间存在一定互补性,基于此,提出一种基于概率矩阵特征值的加权多分类器组合方法,利用矩阵的特征值来自适应调整分配权值,通过支持向量机和随机森林分类器组合进行点云分类。实验结果表明,该方法能有效结合两种分类器的优势,提高了分类的精度和稳定性。     

基于影像的地面激光点云数据分类

为了完成地面激光点云数据的分类工作,不同于传统方法利用点云的几何特性和辐射信息,本文利用非量测相机获取影像数据实现点云的分类。首先,通过相机检校获取相机的参数,从而得到影像内方位元素;然后,将影像与点云进行配准,计算出影像的外方位元素;最后,对上述参数进行优化,实现二维影像与三维点云信息的融合,进而完成点云分类。实验表明该方案可实现地面激光点云数据的分类。     

激光雷达点云电力线自动提取算法

针对当前电力线提取方法自动化程度和精度不高的问题,本文从点云数据的空间分布特征出发,提出了一种高效的电力线自动提取方法.首先基于自然裂点法,将点云数据按高程分类后去除地面点;然后对数据进行空间划分,基于子空间的点密度及空间结构特征的差异化,利用地物分割算法去除电塔点和残留的植被点;最后利用基于欧氏距离分割的电力线自动检...     

超体素随机森林与LSTM神经网络联合优化的室内点云高精度分类方法

针对现有三维点云数据分割分类方法存在分类目标内部不一致的问题,提出一种超体素随机森林与长短期记忆神经网络（long short-term memory,LSTM）联合优化的室内点云高精度分类方法。该方法根据超体素结构具备内部特征一致性的特点,对原始点云进行超体素划分,并以超体素为基本单元进行多元特征计算,搭建室内点云超体素随机森林分类模型,实现点云数据的粗分类。在此基础上,引入LSTM对粗分类的超体素邻域连接关系进行神经网络模型训练与预测,实现超体素粗分类结果的优化。基于开放数据集对所提分类方法进行有效性和精度验证,结果显示,该方法在公开数据集中对13类要素的分类精度可达到83.2%;与经典的深度学习框架相比,该方法在小样本训练时可以达到更优的分类精度。     

自适应最优邻域尺寸选择的三维激光点云分类研究

针对三维激光点云分类中点特征提取邻域大小选择困难问题,本文基于自适应最优邻域尺寸选择实现三维激光点云精细分类.首先使用局部邻域协方差矩阵特征值得到的线性特征、平面性特征和散射性特征构造局部邻域熵函数,通过局部邻域熵函数取最小值时的最佳邻域尺寸计算点云特征描述参数;基于特征描述参数提取点云特征;最后根据递归特征消除法(R...     

基于机载激光雷达点云数据提取林木参数方法研究

本文通过黑河流域遥感—地面观测同步试验,获取林木参数,对机载激光雷达与实地观测获取的林木参数进行对比分析,论证了本文提出的基于机载激光雷达点云数据提取林木参数的算法是可行的。试验通过机载激光雷达点云数据,研究由点云数据生成冠层高度模型(CHM),提出从CHM中提取单株木参数(树高、冠幅等)的关键算法;同时,通过在试验区布设1个100m×100m超级样地和16个25m×25m的子样地,利用DGPS和全站仪对单株木进行精确定位与树木参数测量。     

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。     

摄影测量激光点云空洞修补

为修补三维激光点云中的复杂空洞,本文提出了一种基于摄影测量原理的修补算法。与常规利用空洞与空洞周围点云的关系修补空洞的方法相比,该方法对于复杂空洞的修补可靠性更高,通用性更强。实验结果表明,该空洞修补算法适用于大面积、复杂的点云空洞,能较好地保持原三维物体的细节特征。     

利用三维激光扫描数据进行建筑物立面点云分割算法分析

三维激光扫描技术在当今社会的应用越来越广泛,但由于点云数据量大,处理效率低下,如何快速高效地将大量点云数据进行重建与识别成为解决问题的关键。点云分割技术能够将立面点云中的特征信息与背景点云分离开来,为地物特征信息的提取和识别工作提供了重要的技术支持。本文通过编程实现了多种点云分割算法,对建筑物立面进行分割处理,详细分析了不同算法的分割精度及适用范围。     

基于地面激光扫描数据的单木特征因子提取与分析

本文利用三维激光扫描仪对树木进行扫描获取树点云数据,经过格式转换、分离、提取后,对树木各测量因子包括胸径、树高、树冠、材积量进行测定与测量方法与意义的分析。通过实验分析,可以得出:树冠测定因子通过测定树冠的叶面积指数来更精确地反映树冠的生理学意义;通过不规则三角网构建的多面体计算的树干体积较以平均断面积、中央断面积求树干材积更为准确与便捷。     

融合激光点云与影像点云的精细化DEM生成

针对地面激光扫描及无人机航摄技术在实际外业测量中受视场角限制或遮挡等因素的影响而难以获取待测区域完整的点云数据的问题,本文在经典ICP算法的基础上,提出了一种顾及高程差异和点云密度的激光点云与影像点云融合方法。通过差分数字高程模型对点云进行分块,并基于点云密度选取融合范围,将分块后的影像点云配准到激光点云的孔洞和稀疏区域。本文方法能够提高激光点云与影像点云的融合效果,保持激光点云的精度并保留更多的细节特征,实现激光点云与影像点云的高质量融合。     

一种新的激光点云数据精简方法

三维激光扫描技术是最近几年在测量方面发展起来的一个研究热点。提出利用点云模型中相邻三角形夹角的大小来对点云数据进行直接精简的方法,在matlab平台下,通过编程实现点云数据的压缩。将精简的点云数据通过编程重新构建三角网,最后在Geomagic软件中建模,通过与原始模型进行对比,新方法的压缩效果比较理想。     

OSM辅助车载LiDAR点云三维道路边界精细提取

道路边界精确提取建模是城市道路管理、智能交通规划和高精度地图制作等领域的重要课题之一。本文提出了一种基于车载激光雷达点云数据和开源街道地图(OSM)的三维道路边界精确提取方法。首先,针对原始车载LiDAR点云数据应用布料模拟滤波分离地面点,再结合相对高程分析获取道路边界点候选数据集。然后,应用OSM矢量道路网数据的节点辅助道路边界点候选点集进行分段。最后,在各分段点云数据集中基于随机抽样一致性算法获得三维道路边界点集。通过直道、弯道及高密度复杂场景3种不同类型的城区道路边界路段分类提取试验。结果表明,利用该方法进行道路边界提取的准确率和召回率分别达96.12%和95.17%,F1值达92.11%,本文方法可用于高精度道路边界的三维精细提取与矢量化,进而为智能交通与无人驾驶导航提供支撑。     

The effect of short ground vegetation on terrestrial laser scans at a local scale

Terrestrial laser scanning (TLS) can record a large amount of accurate topographical information with a high spatial accuracy over a relatively short period of time. These features suggest it is a useful tool for topographical survey and surface deformation detection. However, the use of TLS to survey a terrain surface is still challenging in the presence of dense ground vegetation. The bare ground surface may not be illuminated due to signal occlusion caused by vegetation. This paper investigates vegetation-induced elevation error in TLS surveys at a local scale and its spatial pattern. An open, relatively flat area vegetated with dense grass was surveyed repeatedly under several scan conditions. A total station was used to establish an accurate representation of the bare ground surface. Local-highest-point and local-lowest-point filters were applied to the point clouds acquired for deriving vegetation height and vegetation-induced elevation error, respectively. The effects of various factors (for example, vegetation height, edge effects, incidence angle, scan resolution and location) on the error caused by vegetation are discussed. The results are of use in the planning and interpretation of TLS surveys of vegetated areas.     

基于三维激光扫描点云数据的古建筑建模

针对传统古建筑数字化技术的不足和接触测量对建筑物造成"二次伤害",以西北民族大学蝴蝶厅异地重建项目为例,提出了一种结合三维激光扫描技术和现代测量技术以及本体思维进行室内外一体化三维建模的研究思路。首先给出了基于三维激光扫描技术的建模流程;其次,对点云数据处理和三维实体重建两个核心步骤,重点对点云数据的配准拼接、去噪简化和提取轮廓线、三维几何建模和纹理贴图等步骤进行详细论述。本体思维用于基于三维激光扫描的古建筑三维建模,可以有效指导古建筑构件分类建模,提高建模效率。结果表明:三维激光扫描技术适用于具有高复杂度几何特征的蝴蝶厅精细化、真实感建模,为西北民族大学蝴蝶厅古建筑文化遗产未来的开发、保护、维修、恢复重建与虚拟地理环境等提供高精度的数据基准。     

基于三维激光扫描的涉案林木伐根直径测量研究

利用三维激光扫描系统,获得林木伐根的点云数据,使用Trimble Realworks软件提供的丰富的点云数据处理功能测量伐根直径,计算出林木的材积.将计算结果与传统方法测得的伐根直径计算出的材积结果进行比较.结果表明,三维激光扫描仪测量林木伐根直径得到的材积,符合材积测定的精度要求,测量效率远远高于传统测量的方法,并可...     

地面三维激光扫描点云数据精度影响因素及控制措施

地面三维激光扫描技术虽然具有分辨率高、准确度高、效率高等特点,但在应用过程中存在一系列影响三维激光扫描精度的因素。文中详细分析扫描距离、物体表面材质、控制网、标靶测量精度、光斑大小、扫描点间距、点云拼接精度、全反射物质和外界环境等因素对三维激光扫描精度的影响,并提出对以上影响因素的控制方法。