顾及地形断裂线的LiDAR点云滤波方法研究

针对山区LiDAR点云的特点,对TIN滤波算法的三个重要环节进行了改进:1利用一种简单、快速的随机化格网搜索算法来获取更多的精确初始地面点;2提出一种地形预测角的判断准则来提高地形断裂线附近区域的滤波精度;3对每个激光脚点设置加密优先级,并在滤波过程中动态调整优先级大小,优先级高的激光脚点先进行判断,加密优先级的引入提高了TIN滤波算法对地形的适应性。最后,采用两块分布有大量地形断裂线的山区数据进行实验验证,并与传统的TIN滤波算法进行比较分析,结果表明,改进后的TIN滤波算法可以有效地保留山区的地形断裂线特征,提高了算法在山区的滤波精度。     

大钝角剖分与最小二乘法约束迭代算法优化TIN模型研究

TIN模型通过从不规则分布的数据点生成的连续三角面来逼近地形表面,就表达地形信息的角度而言,TIN模型的优点是它能以不同层次的分辨率来描述地形表面。但在相关软件对离散数据生成TIN模型时会出现边缘失真现象,特别是当一些离散数据出现凹区域时,凹区域地形逼近失真现象相当明显。而在这些凹区域大多生成的三角网以钝角三角形居多,本文对离散数据TIN模型生成DEM时存在凹区域地形逼近失真现象进行了研究。提出一种大钝角剖分与最小二乘法约束迭代算法优化TIN模型。首先对原始TIN模型中大于100°小于1800的钝角三角形进行遍历记录,然后利用最小二乘法约束迭代算法进行优化,通过此算法优化后的TIN模型生成DEM数据,分别从小区域面积稳定性与剖面拟合实际地形进行了试验与精度对比,试验显示这种算法是可行的。     

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。     

用等高线内插DEM的不同算法的误差分析

本文以南方丘陵地区为研究区域,利用ARCG IS软件平台,对不同的DEM内插算法的误差进行了对比研究,研究表明:不同的算法内查高程误差总体符合正态分布,且较大误差主要分布在地形结构线附近;研究还表明:在南方丘陵地区,与人们通常采用的TIN方法建立的DEM相比,ANUDEM插值生成的DEM更能够精确地模拟真实的地形。     

顾及地形特征的LiDAR点云数据快速处理算法

提出了一种基于地形特征的点云简化算法,首先根据图像学差分算子提取点云中的地形特征点,再以地形特征点作为种子点建立TIN模型进行迭代简化,并对算法中存在的计算效率低下的问题进行优化。采用两组数据进行算法有效性测试,并与经典的距离-高差简化算法结果进行对比。结果表明,该算法在地形复杂的区域有更好的简化效果。     

大规模场景中多分辨率地形TIN模型

为了实现大规模场景的多分辨率显示,文中利用LOD细节分层思想提出了一种地形TIN模型.重点解决不同分辨率TIN模型间的连续过渡问题,以及分块TIN模型的创建问题,包括TIN构网时的数据结构设计和算法优化.     

对渐进三角网点云数据滤波算法的改进

针对渐进三角网滤波算法(PTD)进行拓普康LiDAR点云数据处理过程中易将地物点误判为地面点的缺陷,本文提出两种改进方法。一种是采用局部坡度拟合法对PDT算法进行改进,将点云数据按高程值与拟合坡面法求解的拟合高程值的差由小到大进行排序,将为地面点可能性更大的点优先判定,从而获取更加精确的TIN;另一种是引入薄板样条曲线(TPS)插值法,对PTD算法进行改进,将PTD中候选点判断参数改为TPS法中的弯曲能量增长值,从而减少误判。结果表明,使用以上两种改进算法,综合考虑第1类误差和第2类误差影响,在大部分地形特征下比传统PTD算法表现更优,对低矮植被、桥、斜坡等特殊地物的滤波效果更佳。     

大规模场景中多分辨率地形TIN模型

为了实现大规模场景的多分辨率显示，文中利用L0D细节分层思想提出了一种地形TIN模型。重点解决不同分辨率TIN模型间的连续过渡问题，以及分块TIN模型的创建问题，包括TIN构网时的数据结构设计和算法优化。     

一种TIN的质量评价方法

在数字地形建模中,TIN能够更加真实地反映地形信息,但由于TIN在数据结构和数据组织上的复杂性,采用通常的数字高程模型质量评价方法是不完善的。文中列出了3维空间中TIN的几种质量影响因素,分析了各因素对TIN的质量的作用和影响,并基于权重设计了一种根据质量影响因素评价TIN的质量的方法。     

三维地形仿真中TIN数字高程模型的简化

研究了三维地形仿真中不规则三角网(TIN)的简化算法,提出了通过删除简化地形描述误差小于阈值的点,并对局部三角网进行重构进行简化的算法。该算法能较好地保留地形特征点,使简化后的地形与原地形保持最大的相似性。实验证明,本算法具有很好的简化效果和较高的效率。     

面向虚拟地球的海陆地形多尺度TIN建模及可视化方法

提出了一种面向虚拟地球的海陆地形多尺度不规则三角网（triangulated irregular network,TIN）建模及球面快速可视化方法。利用贪心插入TIN表面简化算法构建海陆地形的离线TIN金字塔,并设计了一种高效的虚拟节点结构,对各级TIN构网实施无缝分割和分层分块存储。在利用离线TIN地形金字塔实现多尺度海陆TIN地形的快速检索和三维场景生成的基础上,通过一种接边关系编解码方案实时消除TIN地形渲染时的裂缝,最终实现多尺度海陆TIN地形场景的高效可视化。实验结果表明,该方法能显著减少海面渲染所需的面片数,并实现岛礁、海岸等破碎地形的高保真度表达,有效改善了传统虚拟地球系统采用规则格网（Gird）模式绘制海陆地形导致大量几何冗余和表达失真等缺陷。     

三维视景仿真中TIN数字高程模型的简化

一、引言 数字高程模型（DEM）是进行3维空间数据处理,地形分析和进行三维视景仿真的核心数据。DEM常用TIN和GRID2种数据结构形式描述,其中,TIN由于具有可变的分辨率,精度高,能较好地表现不规则地貌的形态特征,因而具有非常广泛的用途。但一般情况下,地形本身的数据量很大,当需要实现对地形的多分辨率显示时,便需要对地形数据进行简化,以得到不同分辨率的地形模型。因此,如何在保持一定精度的前提下,对原数据模型进行简化,以减少数据量,消除数据冗余便成为人们关心的一个焦点,本文对该问题进行了研究,通过删除简化地形描述误差小于阈值的点,并对局部三角网进行Delaunay最优三角剖分,从而达到简化的目的,该算法能较好地保留地形特征点,使简化后的地形与原地形保持最大的相似性。最后,利用试验对本文算法进行了验证。     

雷达探测范围地形可视域分析方法

雷达探测目标时,受地形复杂程度影响很大,加上地球曲率的影响,会产生很多探测盲区,通过研究分析雷达探测区,既可以进行突防、突击,又可以对雷达进行优化部署,减少雷达探测的盲区。为了获取高效、准确的雷达探测范围,本文在研究相关领域现有成果的基础上,结合雷达探测原理和特点,并且顾及了无线电波在空气中传播折射的影响而引入了等效地球半径,提出了以等效地球半径为基准的雷达探测范围地形可视域分析方法。该方法包括基于地形分析的可视域分析原理算法和建立在地理信息系统基础上的可视域分析数学模型。本文还给出了该模型的算法与实现,并对结果进行了分析和评估。     

海量低空机载LiDAR点云的地形断面快速生成算法

针对现有算法二次插值造成的精度损失问题,结合新兴的低空机载LiDAR技术,提出了一套高精度地形断面快速、自动生成算法。该算法通过内存映射和断面线缓冲区分析,从海量点云数据中快速提取构TIN点集;优化了逐点插入法,实现局部Delaunay三角网的快速构建;根据三角网拓扑关系,实现断面线与TIN的快速求交,生成并优化地形断面图。实验结果表明,算法克服了海量数据处理时计算机内存不足的瓶颈问题,并有效避免了二次插值造成的精度损失,且运行高效。     

基于等高线构建TIN模型的平三角形修正算法

设计了一种平三角形修正算法来修正TIN模型中可能出现的平三角形区域。该算法通过对由平三角形组成的区域进行分类,并针对不同的平区域采用交换边、增加点甚至不处理的修正方法,同时对由于等高线数据错误产生的一些特殊情况进行了分析处理。实验结果表明,该算法能够去除约束型狄洛尼三角网中所有应修正的平三角形,并生成对地形描述更为精确的三角网。     

基于等高线构建TIN模型的平三角形修正算法

设计了一种平三角形修正算法来修正TIN模型中可能出现的平三角形区域.该算法通过对由平三角形组成的区域进行分类,并针对不同的平区域采用交换边、增加点甚至不处理的修正方法,同时对由于等高线数据错误产生的一些特殊情况进行了分析处理.实验结果表明,该算法能够去除约束型狄洛尼三角网中所有应修正的平三角形,并生成对地形描述更为精确的三角网.     

R3视域算法与参考面算法的对比研究

在地形可视性分析中,R3视域算法和参考面算法是两种重要的算法。在对两种算法的计算结果进行对比后,可以发现参考面算法的计算结果总要比R3算法的结果偏高。本文在此对比的基础上继续深入分析造成这种结果差异的本质原因,进一步解释了这种差异多表现在山体和沟壑等地形起伏较大的区域原因,并得出结论:这种结果差异不能作为两种算法精度相互评价的依据。     

一种改进的LiDAR数据过滤方法

Lidar的数据过滤是数据预处理的重要步骤,也是获取高精度数字高程模型的关键。现有很多典型的过滤算法都是基于地面种子点逐渐恢复地面的,比如自适应TIN过滤法、迭代线性预测法,分层恢复过滤法等。初始地面种子点选择的好坏将直接反映到过滤结果的精度上,尤其是对丘陵地区的地形恢复,影响更大。本文对基于种子点的TIN三角网加密法(TS过滤算法)进行了深入剖析,并在种子点选择方法上提出了一种基于移动窗口法和最小残差法的混合式种子点选择方法,有效地提高丘陵地区地形恢复的准确度。     

地形平坦地区DEM生成算法的比较研究

数字高程模型(DEM)是GIS的基础数据之一,是许多涉及高程信息的空间分析的重要基础。DEM插值精度的好坏直接影响基于DEM的各种地学分析及应用,因此研究高精度的DEM插值算法具有重要意义。介绍了基于水文强化算法的DEM插值算法——ANUDEM,并与传统的TIN建立DEM的算法进行了比较。认为在地形复杂地区由于等高线密集,高程信息丰富,两种插值算法效果都比较好;而在地形平坦地区ANUDEM算法精度优于TINDEM,并且,ANUDEM得到的DEM很好地避免了平山顶、阶梯状地形,其派生的等高线和水系与原始数据更加吻合。相对于TINDEM算法,ANUDEM算法更适合地形平坦地区的DEM建立。     

顾及地形特征的LiDAR点云数据抽稀算法

针对现有的LiDAR点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题,文章提出一种顾及地形特征的点云数据抽稀算法:利用点云中的局部极值点与点云边界点作为种子点构建不规则三角网(TIN);利用一定原则逐渐选取非种子点中的地形特征点加密TIN;然后采用一种临近三角面的平面测试策略剔除三角网中可能存在的冗余点,得到最终结果。测试结果表明:该算法在保证地形精度的前提下,能够有效地减少冗余点数量;同时,为了提高算法的实用性,该文通过大量试验给出了算法中所需参数的最优配置。