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。     

基于层次分析和神经网络的机载LiDAR点云分类

在机载LiDAR点云数据处理中,由于机载雷达点云数据的离散性、不确定性等原因,导致点云分类上很难得到准确的结果。针对机载LiDAR点云数据分类问题,提出了基于层次分析和神经网络的机载LiDAR点云分类方法。根据机载LiDAR点云的数据特征以及不同地物的属性,采用层次分析法赋予每个点云一个二进制信号,然后采用后向传播神经网络(BP-ANN)对机载LiDAR点云数据分类。实验表明:这种方法能够从机载LiDAR独立数据源中分类出房屋、高大的树、低矮的树、道路等地物点云。     

利用样本生成方法进行机载多光谱LiDAR数据深度学习分类

机载多光谱LiDAR系统能够快速、准确地获取地物的空间几何和光谱信息,为地物覆盖分类和目标识别提供新的数据源。近年来,基于三维点云的深度学习算法取得了一系列突破性进展,然而直接将不规则的原始点云数据输入深度学习模型进行基于点的分类存在一定的困难。本文提出了一种基于FPS-KNN的样本生成方法,用于基于深度学习的机载多光谱LiDAR数据分类。该方法首先对输入数据进行归一化处理;然后利用最远点采样方法(FPS)和K近邻法(KNN)在输入数据中生成一系列规则大小的训练样本数据集。通过机载多光谱LiDAR数据的试验表明,该方法所生成的样本不仅符合卷积神经网络所要求的输入数据形式,而且能够确保对输入场景的完整覆盖。     

机载多光谱LiDAR数据的地物分类方法

机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。     

机载LiDAR系统在道路勘测中的数据获取及应用

从道路的机载LiDAR数据获取出发,解析各步骤的原理以及若干优化方法,同时给出了机载LiDAR系统在道路、城市中的多项意义,对于推进机载LiDAR技术的应用有一定的启示作用。     

基于面向对象的建筑物轮廓协同提取方法

机载LiDAR虽然可以获取精确的地表高程信息,但地物边界线表示欠准确,而高分辨率遥感影像则能够提供高清晰度的地表纹理和光谱信息。因此,综合利用LiDAR数据和遥感影像多源遥感数据,可以充分发挥不同数据源的优势、拓展时空分辨力。本文基于面向对象分类理论,建立了一种利用机载LiDAR数据和GeoEye高空间分辨率遥感数据的建筑物轮廓协同提取方法,使所获得的综合信息具有更高的精度及可靠性。实验结果表明,该方法提取的农村居民建筑物的总体精度达到了95.94%,能够更好地表征居民地要素信息。     

多尺度邻域特征下的机载LiDAR点云电力线分类

利用机载激光雷达技术三维测量精度高且获取快速的优点进行电力线自动分类提取已成为点云数据处理与电力应用的重要领域。针对电力线分类模型的自动化和高精度需求,本文提出了基于三维多尺度邻域特征的机载LiDAR点云电力线分类提取模型框架,主要包括4个步骤：电力线候选点滤波、多尺度邻域类型选取、形状结构特征提取和支持向量机分类。通过对2个复杂城市区域的试验数据集和8种不同邻域类型的详细结果对比分析,发现基于多尺度圆球邻域形状结构特征的分类模型结果准确率、召回率和质量分别达到97%、94%和93%,同时整体处理时间在2个试验数据中分别从366、256 s减少到274、160 s。试验结果表明,该方法在多种复杂城市场景中能够实现机载LiDAR数据的电力线较高精度分类提取。     

机载LiDAR系统及其在水利中的应用

机载LiDAR系统是一种主动式的对地观测系统,主要由中心控制单元、POS系统、激光扫描测距系统和数码相机组成。可以精确、快速地获取地面3维数据以及与其匹配的影像数据,从而生成高精度的4D产品。文中论述了LiDAR工作原理,介绍了机载LiDAR系统的组成,LiDAR数据的处理流程。最后,探讨了机载LiDAR系统在水利行业中的应用。     

基于最佳阈值形态学方法对机载LiDAR数据进行边缘提取

对机载LiDAR数据的边缘提取方法进行研究。介绍机载LiDAR系统与应用以及机载LiDAR数据处理流程,并运用VC＋＋程序将机载LiDAR数据生成深度影像。将形态学边缘提取方法改进后,运用最佳阈值形态学方法对深度影像进行边缘提取。其中建筑物边缘与Log算子、Candy算子这两种方法相比较,对山脉直接采取此方法进行边缘提取,得出采用最佳阈值形态学方法对边缘提取是有效的,提取的边缘更连续,断点少,有利于判读。     

线扫描式机载LiDAR系统误差影响分析研究

机载LiDAR系统会受到多种误差源的影响,系统误差会给激光脚点的坐标带来系统偏差。针对安置向量误差、安置角误差、激光测距误差以及扫描角尺度因子误差这几种重要误差源,从机载LiDAR系统几何定位方程出发,推导了机载LiDAR系统误差影响计算公式,并结合模拟实验,分别研究了这几类误差源对激光脚点定位精度的影响规律,从理论上分析了各类误差对机载LiDAR系统定位精度的综合作用。文中的结果为设计系统检校方法并消除这些系统误差的影响提供理论依据,具有重要的参考价值。     

LiDAR数据和航摄影像结合的地物分类研究

对融合机载LiDAR和航摄影像两种数据源地物分类的方法进行了研究,目标是结合LiDAR数据和影像这两种数据各自的特点,综合利用摄影测量、遥感图像处理的相关理论实现典型地物的智能化处理与分类。     

浙江省平地区域机载LiDAR数据处理及DEM制作实践

为了进行平地区域原基础测绘产品高程的更新,我省进行了针对平地区域的机载LiDAR测高项目,为了获取高精度的DSM和DEM成果,在实际生产中开展了机载LiDAR数据处理及DEM成果的制作方法研究。本文将利用TerraSolid软件,从LiDAR点云数据的高程精度控制、点云滤波分类要求和如何利用特征线进行无点云数据区域的DEM精度控制等关键技术方面进行研究。     

面向对象的多源数据建筑物提取

建筑物是城市的重要标志之一,综合利用LiDAR数据和高分辨率遥感影像可以充分发挥不同数据源中提取建筑物的优势。本文基于面向对象分类理论,利用机载LiDAR数据和GeoEye高空间分辨率遥感影像,在多尺度分割的基础上对实验区分类并提取建筑物,进而对提取结果进行精度评价。实验表明,将LiDAR数据与高分辨率影像数据结合能够很好地提取建筑物,建筑物提取精度达89.28%。     

信息向量机、相关向量机和支持向量机在机载LiDAR点云数据分类中的应用

机载LiDAR点云数据分类技术是LiDAR数据后处理的关键步骤。信息向量机、相关向量机及支持向量机可以在LiDAR点云数据分类中发挥重要作用。本文将三种分类器应用到点云数据分类中,通过实验验证了它们在点云数据分类中的性能,总结了它们在点云数据分类任务中的应用潜力。     

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。     

机载LiDAR技术在浙江省滩涂海岸测量中的应用研究

机载LiDAR是一种综合应用激光测距仪、IMU、GPS的新型快速测量系统。使用该系统进行滩涂海岸地形测量和4D产品制作具有传统方式不可比拟的优势。介绍机载LiDAR技术在浙江省滩涂海岸地形测量项目中的技术优势和应用情况,并就航飞潮位选择、数据精度控制和数据处理方法进行研究。     

机载LiDAR数据逐航带平差与航带区域网平差对比

机载LiDAR系统获取的点云数据在经过预处理解算后仍会残余部分系统误差,因此,在利用点云数据生成DEM等相关数字产品之前,必须检查并改正这部分系统误差。以此为主要目标,本文对机载LiDAR数据的逐航带平差与航带区域网平差展开研究,并以Microsoft Visual Studio 2008 C++为开发平台、基于实测数据对比了两者在完成多航带构成的测区平差时的精度,结果表明:机载LiDAR数据的航带区域网平差方法相较于LZD算法可有效降低逐航带平差导致的误差累积,精度更高。     

机载LiDAR系统定位方程、误差分析与精度评定

本文从机载LiDAR系统几何定位方程出发、基于误差传播规律推导了机载LiDAR系统的综合误差计算公式,分别研究了IMU测角、GPS、激光测距、扫描角等多种误差源对激光脚点定位精度的影响规律,从理论上分析了机载LiDAR系统定位精度.本文的结果对实际应用具有重要的参考价值.     

基于NoSQL的机载LiDAR海量点云数据分布式存储

机载LiDAR点云数据是遥感大数据的重要组成部分,其海量化的趋势日益显著。本文设计并实现了基于NoSQL的海量机载LiDAR点云分布式存储模型,解决了海量机载LiDAR点云数据的高效存储问题。通过建立基于虚拟格网与线性八叉树的海量机载LiDAR点云数据组织结构,设计了基于虚拟格网号与Morton码的海量机载LiDAR点云数据标识唯一编码;提出了基于HBase的海量机载LiDAR点云数据存储策略,实现了键值和表结构的优化设计;最终实现了海量机载LiDAR点云数据的高效存储和快速查询。     

一种从城区LiDAR数据提取DEM的方法

机载激光扫描系统可以直接生成扫描区域的数字表面模型,但为了提取数字地面模型还须对LiDAR数据进行滤波处理。分析用坡度法对机载LiDAR数据进行滤波的不足,针对其不足以及城区LiDAR数据的特点,提出一种将坡度法与区域增长相结合的滤波方法。与坡度法相比,该方法提高了滤波的精度和效率,并能对复杂的城市地貌进行滤波。试验结果表明,该方法计算速度快,并能够有效地滤除城区LiDAR数据中的地物。