机载LiDAR测深点云滤波与分类方法研究EI北大核心CSCD

机载LiDAR测深(airborne LiDAR bathymetry,ALB)技术在海岸带、海岛礁等复杂浅水海域的水下地形测量中具有效率高、精度高、机动性强等优势,但受复杂海面、水体环境等多种因素的综合影响,ALB点云中存在大量噪点,直接影响ALB数据成果质量及其应用。为此,论文针对海面异常点导致的海底虚假地形、海底点云过度滤波导致的真实地形细节损失以及如何深度挖掘ALB信息进行高效底质分类问题,分别从海面异常点检测、海底点云滤波和海底点云分类3个方面进行了详细研究。     

机载激光测深水深点空间位置的计算方法

介绍计算机载激光测深采样点空间位置的一种方法,其中要求建立必要的坐标系,并进行一系列坐标变换。设计计算扫描仪中心位置的两种方案。给出机载激光测深水深点在WGS-84坐标系下的计算公式。     

机载激光点云输电线路巡检关键技术研究EI北大核心CSCD

输电线路作为电网系统的重要组成部分,承载着国民生产和生活所需电力能源的运输命脉,对其运行状态安全巡检及风险监测一直是电网运营管理部门关注的重点。机载激光雷达(light detection and ranging)能够快速获取高精度、高密度的输电线路三维空间信息——点云数据,弥补了传统人工地面巡检效率低下、精度不高的缺陷,已成为输电线路智能化巡检研究的新型技术手段。尽管国内外学者开展了大量的激光雷达电力巡检工程试验和理论研究并取得了显著的进展,但相关研究仍存在算法普适性不够高、信息挖掘和应用不够全面等问题。因此,论文聚焦激光点云输电线精细提取、激光点云输电线模型重建、输电线工况模拟和状态监测等关键技术开展研究。主要研究内容和结论如下。     

利用机载LIDAR双次回波高程之差分类激光脚点

机载LIDAR技术已经引起了测绘界的浓厚兴趣,有可能给测绘领域带来一场新的技术革命。机载LI-DAR技术的硬件设备在国外已相对成熟,而机载LIDAR的数据后处理算法仍然处于研究发展阶段,还有诸多问题没有得到解决,其关键之一就是机载LIDAR数据的滤波与分类。本文首先对已有的滤波分类方法进行了综合评价,并指出了各自的局限。然后提出利用两次回波信号的高程数据来实现对机载LIDAR数据的分类。首次分类后得到植被激光脚点点集和地面及房屋激光脚点点集。而房屋上的激光脚点要高出地面上的激光脚点数米之多,简单利用阈值法就可以进一步分类出房屋激光脚点和地面激光脚点。也可以先经过滤波处理将地面激光脚点去掉,然后利用两次回波信号的高程数据来分类自然植被激光脚点和人工地物激光脚点。实验证明所提方法简单有效,算法简单实用,特别适用于分类植被激光脚点。     

星载激光测高技术进展EI北大核心CSCD

星载激光(雷达)测高技术已经逐步成为全方位全球观测的技术手段之一,其高测量精度、全天时测量能力、高效三维测量的特点在许多科学领域都具有独特的优势。本文讨论当前两类星载激光测高技术的工作原理、数据处理方法,并探讨了星载激光测高数据在对地观测和深空观测科学研究中的代表性应用;最后展望了未来星载激光测高技术的发展趋势。期望本文对从事星载激光测高研究、开发和应用的同行们有所裨益。     

机载激光测深近水面渗透误差修正的半经验波形分解方法

信号检测精度是影响机载激光测深最终测量成果的一项关键因素。针对绿激光在水面存在的近水面渗透现象,为提高水面信号检测精度,本文提出一种半经验波形分解方法。该方法通过简化激光辐射传输过程构建一种符合波形实际情况的半经验信号卷积模型,并利用基于航迹和影像数据人工选取的深水波形样本估计模型中水体参数初值及取值范围,在波形先验的约束下基于信赖域算法实现波形各组成部分的精确重构,从而确定水面信号位置并修正近水面渗透误差。试验结果表明,本文方法在波形分解中将理论与经验结合,可较好地适应不同水深下的波形,能够在保证高拟合度的同时提升水面信号的检测精度,相比去卷积算法和传统波形分解方法,本文方法在精度上分别提高了44%和51%。     

机载LiDAR测深中海底地形坡度的影响及改正EI北大核心CSCD

机载LiDAR测深ALB(Airborne LiDAR Bathymetry)是测量沿海地区地形图和水深图的最有效的技术之一,其通常是利用ALB海面和海底反射回波的峰值位置来计算水深值。然而,当绿色(532 nm)激光光束到达海底时,光斑范围内的具有坡度的海底地形会导致海底反射回波波形展宽、峰值位置偏移等现象,从而产生海底位置的不确定性,进而直接影响海底地形测量的准确性。为了减小这种影响,本文提出了一种机载LiDAR测深的海底地形坡度影响改正方法。通过考虑ALB激光光斑内海底地形的连续性,基于ALB激光光斑范围内局部地形参数模型FTPM(Footprint-scale Topography Parameters Model)构建ALB海底反射回波模型,通过定量分析不同水深、不同海底地形坡度所引起的海底反射回波峰值位置变化,以确定海底地形坡度对ALB测深的影响规律,进而构建ALB测深误差方程针对性地改正海底地形坡度引起的测深误差。本文采用中国南海甘泉岛附近海域所测ALB和多波束测深数据对所提方法进行了验证。结果表明,海底地形坡度影响改正后,平均绝对误差MAE(Mean Absolute Error)和中误差RMSE(Root Mean Square Error)分别减小到9.4 cm和12.3 cm,较改正前分别降低了35.6%和33.5%,对ALB测深数据处理具有参考意义。     

一种由粗到精的机载激光测深信号检测方法

针对机载激光测深（airborne lidar bathymetry,ALB）中不同环境下波形的差异性较大,且信号检测精度受限于系统采样间隔等问题,提出一种由粗到精的机载激光测深信号检测方法。该方法首先利用接收波形的有效长度快速估计水深;粗检测依据水深近似值,分别采用理查德森-露西去卷积法（Richardson-Lucy deconvolution,RLD）和平均差方函数法（average square difference function,ASDF）对波形预处理,通过包含距离、导数和极值约束的逐级检测确定信号的初始位置;精检测以粗检测结果为初值,利用改进的二阶多项式指数函数模型,并在模型参数求解中引入信赖域优化算法以实现波形的精确拟合,进而获得信号的精确位置。实测数据和模拟数据的试验结果表明,粗检测能够根据波形的特点采取相应的处理方式为精检测提供可靠的初值;精检测可将检测结果精确至子采样间隔并在粗检测基础上进一步提高精度。与极大值检测、ASDF、RLD和四边形拟合法等传统方法相比,本文方法正确率平均提高10%左右,精度平均提高约30%。     

全局收敛LM算法优化的机载激光测深信号提取方法

在机载激光测深系统中,水面与水底回波信号的提取精度是影响系统测深能力的关键因素,然而传统的信号提取方法易受噪声影响,精度低,对测量环境的适应性差。针对上述问题,提出一种全局收敛LM(Levenberg Marquardt)算法优化的机载激光测深信号提取方法。首先通过模糊筛选得到较为可靠的初值;然后利用基于全局收敛LM的波形分解算法对波形进行分析建模,从而获取每个初值点的高斯分解参数;最后通过多条件筛选确定精确的水面、水底回波信号位置。利用实测数据和模拟数据分别进行实验,结果表明提出方法对回波信号具有较高的检测正确率,且稳定性较强。     

SVM加权学习下的机载LiDAR数据多元分类研究

基于支持向量机统计学习分类过程中不同特征对分类结果贡献存在差异的问题,提出了支持向量机加权学习下的训练、分类新方法,以实现对城区机载LiDAR数据多元分类(地面、树木、建筑),并对特征矢量加权归一化、特征权重计算以及该方式下多元分类策略的建立进行了讨论,实验证明了该方法的有效性.     

机载激光雷达测深数据处理与应用

机载激光雷达测深系统(ALB)是除声呐测深系统之外最可靠的遥感水深测量系统。随着ALB的商业化,越来越多的研究机构能够获取到水体全回波数据,对水体全回波数据的处理方法也越来越多。本文首先介绍ALB测量原理的基础上,对全波数据的预处理和波峰搜索算法进行概述,并对这些处理方法的优缺点进行总结。考虑到激光脉冲和水面、水体以及水底的作用是个复杂的过程,所以文章接着分析了影响ALB测深精度的主要因素(水深、水质和水下底质反射率),并在最后总结归纳了ALB系统在水下地物分类中的最新应用现状和未来应用的发展趋势。     

基于决策树的机载LiDAR点云数据分类

本文采用基于决策树的人工智能方式,通过对点云数据分割、提取分割片轮廓,手动设置地物的约束条件来提取LiDAR点云中的地物。两组实验表明,本文的方法能够成功提取点云数据中的建筑物、车辆等地物;要提高精度,需增加点云密度,因此本文方法适用于较平坦的城镇地区。     

机载LiDAR航带法区域网平差方法研究

机载LiDAR数据即使经过良好的检校仍可能呈现残余系统误差。由于残存系统误差和偶然误差的影响,测区各个航带间精度不一致且均存在变形,本文借鉴摄影测量区域网平差的思想,提出一种机载L iDAR区域网平差方法,以单航带作为基础,把几条航带或一个测区作为一个解算的整体,同时求得整个测区内全部激光点改正坐标,对航带网进行非线性变形改正。实验表明,使用本文提出的平差方法获取最终点云的精度优于经典航带平差方法获取的结果。     

机载激光雷达点云辅助的镶嵌线自动选择

本文提出了一种基于激光雷达点云辅助的正射影像镶嵌线自动选取方法。首先,利用配准后的激光雷达点云生成数字表面模型和数字高程模型,以重叠区域影像之间的相似度和梯度差异构建代价矩阵;然后,将数字表面模型与数字高程模型相减得到差值图表示地物真实的高程信息,利用自适应阈值分割将差值图划分为不同的区域,并赋予不同的惩罚系数;最后,以代价最小为标准,基于Dijkstra算法得到最终的镶嵌线。本文方法生成的镶嵌线能成功地绕开大多数障碍地物,能够满足影像拼接应用的需求。     

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。     

A multiresolution hierarchical classification algorithm for filtering airborne LiDAR data

We presented a multiresolution hierarchical classification (MHC) algorithm for differentiating ground from non-ground LiDAR point cloud based on point residuals from the interpolated raster surface. MHC includes three levels of hierarchy, with the simultaneous increase of cell resolution and residual threshold from the low to the high level of the hierarchy. At each level, the surface is iteratively interpolated towards the ground using thin plate spline (TPS) until no ground points are classified, and the classified ground points are used to update the surface in the next iteration. 15 groups of benchmark dataset, provided by the International Society for Photogrammetry and Remote Sensing (ISPRS) commission, were used to compare the performance of MHC with those of the 17 other publicized filtering methods. Results indicated that MHC with the average total error and average Cohen’s kappa coefficient of 4.11% and 86.27% performs better than all other filtering methods.     

一种机载LiDAR数据漏洞检测方法

获取机载LiDAR数据时易受地形起伏、航摄高度、地物镜面反射等因素的影响,导致LiDAR数据出现漏洞,若对其不进行检测处理,将严重影响LiDAR数据的生产与应用。鉴于此,本文利用点云的位置与属性信息,基于等比例内缩和点云格网化算法,检测机载LiDAR数据中存在的漏洞区域,有效支撑了LiDAR数据的质量检测和补摄工作。试验结果表明,该方法检测到的漏洞区域完整、精确,等比例内缩算法与等值内缩算法相比,减弱了地形起伏对漏洞检测精度的影响,且更科学合理。     

一种高压输电走廊机载激光点云分类方法

针对输电线路现有点云分类方法存在的分类效率较低及精度不高等问题,该文从高压输电走廊的地物分布特点出发,提出一种基于JointBoost的高压输电走廊点云分类方法。该方法将三维点云转换为二维影像并基于Hough变换在影像上检测输电走廊候选区域;对候选区域每个点定义并计算多尺度局部特征向量,包括高程特征、连通特征、张量特征和平面特征;根据多尺度局部特征用JointBoost分类器将待分类点云分为地面、植被、电力线和电力塔4类。实验数据表明,该方法能有效地减少高压输电走廊的点云处理数量,提高分类效率,且选取的多尺度特征能有效地表达输电走廊内地物的分布特点,具有较高的分类精度。     

全波形机载激光雷达绝对辐射定标与不确定性分析

为揭示全波形激光雷达回波在森林等植被区域多回波信号的特征和对目标识别分类的影响,以激光雷达方程为模型基础,利用朗伯体目标为地面参考,提出了将激光雷达波形参数标定为后向散射截面、后向散射系数和漫反射率等物理量的方法,实现了机载小光斑全波形机载激光雷达数据绝对辐射定标。对两个不同实验区的LMS-Q680i数据标定结果表明,漫反射率与参考反射率相对误差总体分别小于10%和5.5%,误差标准差分别为0.044和0.077,有效消除了条带间差异。推导了多回波的激光雷达方程组,比较了相同系统在不同观测条件下的定标常数变化,重点分析了全波形激光雷达在穿透性目标上的多回波现象造成的能量衰减,及其对辐射定标结果的影响,证明了多回波现象是造成多回波信号减弱的主要原因。该现象是当前技术体制下激光雷达观测过程本身存在的缺陷,对基于激光雷达辐射信息的目标识别分类带来了一定的挑战,也是多光谱、高光谱激光雷达辐射信号定标必须解决的问题。