基于k-d树的机载LIDAR点云滤波处理

点云数据滤波处理是获取高精度数字地面模型的关键,而滤波的基本原理是基于某一邻域内高程的突变。在海量、离散的点云数据中,搜索某一邻域的速度将直接影响滤波处理的效率。应用k-d树组织点云数据,不需要先验地知道点云数据间的拓扑关系便可以快速确定其中某一点的邻域点集,从而大大地提高滤波速度。     

基于改进的数学形态学算法的LiDAR点云数据滤波

数学形态学在数字图像处理中有广泛的应用.首先介绍传统数学形态学算法的特点,对这一理论用于LiDAR点云数据滤波的不足进行了分析.在此基础上,对相应的算法进行扩展和改进,提出针对不同地形特点的自适应滤波算法.在数学形态学"开"算子的基础上,提出增加一个"带宽"参数用于点云数据滤波的方法.最后利用三组实际点云数据进行试验,以验证这一算法的有效性.     

结合形态学和TIN三角网的机载LiDAR点云滤波算法

针对传统不规则三角网滤波精度依赖于初始种子点选取的问题,提出一种结合形态学与不规则三角网的机载LiDAR点云滤波算法。首先采用KD树粗差剔除方法对异常点进行剔除,然后利用数学形态学滤波算法对粗差剔除后的点云进行粗滤波,最后采用改进的不规则三角网滤波算法对上述结果进行精滤波。三角网迭代滤波过程中每次对滤波得到的地面点进行整体构网,减少了构网次数以及离散点之间的相互影响。实验选取国际摄影测量与遥感协会提供的3组测试数据进行滤波,结果表明本文方法能够有效降低I类误差和II类误差,验证本文滤波算法的可靠性。     

基于RBF神经网络的点云滤波与空洞修复研究

三维激光扫描仪作为一种新型高科技产品,它的应用已经渗透到国民经济的各个方面。如何高效地对点云数据进行滤波以及空洞修复,已成为当下研究的热点问题。针对目前点云滤波与空洞修复中存在的效率与准确性等问题,利用RBF(Radial Basis Function)神经网络最佳非线性逼近以及快速收敛能力,提出了一种基于RBF神经网络的点云滤波与空洞修复算法研究。通过真实扫描数据进行实验,结果显示该算法具有很高的预测精度,并且对点云空洞具有很好的修复效果,可为实际工程应用提供参考。     

基于数学形态学算法的机载LiDAR点云数据快速滤波

机载LiDAR点云数据滤波是LiDAR数据处理领域研究的重点和难点之一.针对LiDAR点云数据量大的特点,以规则格网组织数据,按离散点或格网移动结构窗口,提出基于数学肜念学算法的LiDAR点云数据快速滤波方法,并详细介绍滤波的方法和流程.试验结果表明,该算法计算速度快,滤波效果好.最后选取两组小同区域的点云数据进行实验,并给出滤波前后的数字表面模型和局部断面图.     

基于区域生长的LIDAR点云数据滤波

将区域生长算法引入LIDAR点云滤波,其原理与图像处理中的区域生长原理相似。首先选择可靠的种子点,当待定点与种子点的高差满足所设阈值时,则待定点为地面点,否则作为地物点滤去。当不再有激光点满足条件时,生长结束。该算法无需对原始数据进行插值,无需迭代,因此滤波速度快。与传统的最大局部倾斜度过滤算法（MLS）和扩大窗口高程阈值滤波方法相比,该算法的实验结果更优。     

基于car（p,q）模型和数学形态学理论的LiDAR点云数据滤波

在分析现有的LiDAR点云数据后处理方法的基础上,提出一种点云数据＂分步＂滤波方法。首先对LiDAR点云数据进行数学形态学＂粗＂滤波,得到＂地面点假设＂和＂非地面点假设＂。然后引入顾及因果关系的自回归模型（car模型）对两类点云数据假设进行模型化处理和假设检验,根据假设检验的结果判断地面点和非地面点,最终得到可靠的分类结果。与单纯的＂最小二乘拟合预测法＂或＂数学形态学＂方法进行比较,证明＂分步＂处理的思想用于LiDAR点云数据分类处理的可靠性。     

一种基于移动曲面拟合的机载LIDAR点云数据滤波方法

针对机载LIDAR点云数据滤波问题,在分析张小红教授提出的移动曲面拟合法滤波的基础上,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于移动曲面拟合的机载LIDAR点云数据滤波方法,并通过实验验证了该方法的可行性和适用性。     

机载点云空洞的修复方法

为了有效修补由于遮挡造成的空洞,提出了将机载点云与车载点云融合,通过对空洞部分进行探测,选择对应的车载数据进行填充,充分利用车载点云和机载点云的优势进行互补。对于两种方式都没有扫到的空洞,通过确定收缩方向和收缩距离构造收缩环,根据给定的三角面片添加规则在边界环和收缩环之间添加新的三角面片,不断迭代,直到达到收缩距离阈值,停止收缩,填充完整。实验结果表明,该方法修复效果良好。     

关于机载LiDAR点云数据形态学滤波的几点思考

形态学滤波是一种典型的机载LiDAR点云数据滤波方法,然而滤波过程中还存在某些容易被忽视的细节.本文在回顾现有各种形态学滤波算法的基础上,分析了特殊地形下点云数据内插存在的问题,提出了改进的内插算法;深入探讨了两种不同数据组织形式的滤波算法,指出基于不规则离散点和基于规则格网两种滤波方法各自的优势及不足;最后通过实验数据对两种方法在滤波性能和效率上给出了定性分析和定量评价.     

机载LiDAR点云生成多尺度DEM方法

为了利用机载激光雷达点云生成高保真、多尺度的数字高程模型(DEM),提出了一种基于综合生成策略的方法:首先,利用点云数据中的地面点生成高分辨率、高保真的DEM作为基础DEM;然后,通过迭代的方式对上一层较高分辨的DEM进行综合获取较低分辨率、高保真的DEM。实验表明,本文方法不仅具有可行性,而且生成的多尺度DEM具有高保真的特性。     

LiDAR点云的建筑物立面空洞修复

针对树木等遮挡造成的车载LiDAR建筑物立面点云空洞,该文提出了一种基于机载和车载LiDAR数据融合的建筑物点云修复方法,即在空-地LiDAR点云融合的基础上,基于提取的机载LiDAR建筑物外轮廓线,通过缓冲区分析实现车载LiDAR建筑物点云分割;借助轮廓线信息实现了邻近建筑物间的相似性判断,基于匹配后的相似建筑物点云和空洞探测方法,实现了建筑物立面点云空洞修复。最后通过实验数据验证了该方法的可行性。     

影响机载激光雷达点云密度的因素分析

针对机载激光雷达设计点云密度与实际获取不一致的问题,该文从参数设计、设备性能、摄区情况和综合要求等方面讨论影响点云密度的因素,分析各个因素对点云密度的影响程度,提出了保证点云密度的一般方法。基于影响因素分析结果,该文从工程实践出发,系统性地介绍了点云密度设计思路并验证点云密度影响因素。研究结果为如何设计机载激光雷达点云密度提供参考依据,对工程项目设计和数据处理具有一定指导意义。     

基于LiDAR点云的复杂钢结构模型重建

传统的基于全站仪等单点测量技术难以获取钢结构整体信息,且测量速度慢、模型重建精度低。针对此问题,本文将三维激光扫描技术应用于钢结构模型重建领域,提出了基于LiDAR点云的复杂钢结构模型重建方法。首先,基于标靶球和钢结构面信息实现多测站点云的高精度配准,并通过半径滤波算法去除噪点,以得到完整的激光点云数据;然后,对复杂钢结构单体模型进行分割,以实现各个部件的模型重建;最后,根据现场实测数据对重建的三维模型进行精度评估。试验结果表明,基于该方法得到的模型精度较高,与实际尺寸差值均小于1 cm,为复杂钢结构的三维模型重建提供了有效解决方案。     

基于深度残差网络的机载LiDAR点云分类

机载LiDAR点云的分类是利用其进行城市场景三维重建的关键步骤之一。为充分利用现有的图像领域性能较好的深度学习网络模型,提高点云分类精度,并降低训练时间和对训练样本数量的要求,本文提出一种基于深度残差网络的机载LiDAR点云分类方法。首先提取归一化高程、表面变化率、强度和归一化植被指数4种具有较高区分度的点云低层次特征;然后通过设置不同的邻域大小和视角,利用所提出的点云特征图生成策略,得到多尺度和多视角点云特征图;再将点云特征图输入到预训练的深度残差网络,提取多尺度和多视角深层次特征;最后构建并训练神经网络分类器,利用训练的模型对待分类点云进行预测,经后处理得到分类结果。利用ISPRS三维语义标记竞赛的公开标准数据集进行试验,结果表明,本文方法可有效区分建筑物、地面、车辆等8类地物,分类结果的总体精度为87.1%,可为城市场景三维重建提供可靠的信息。     

基于总体最小二乘匹配的机载LiDAR点云航带平差方法

机载LiDAR技术在快速获取空间三维地理信息及其应用方面具有不可估量的前景,然而,机载LiDAR系统获得的相邻航带点云数据在重叠区存在"漂移"问题,需要采用航带平差的方法实现不同航带点云数据之间的"无缝"拼接。针对最小二乘航带平差方法中存在的某些不足,结合总体最小二乘与航带平差方法,将总体最小二乘应用于点云的平面拟合,从而提高了相邻航带匹配的精确性。采用实际飞行数据,设计实验方案对航带平差效果进行比较分析。     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

机载激光点云构建西部矿区开采沉陷模型研究

针对榆神矿区地形起伏而植被覆盖度较低的条件,采用无人机激光雷达(LiDAR)对采煤沉陷盆地进行地面扫描和建模,按现有的点云滤波和插值算法所构建的沉陷模型精度不足的问题,该文提出基于格网高程排序的类地面点云提取算法,通过改变格网大小和点云提取比例来优化点云滤波效果,改进了地表沉陷模型的精度。在此基础上,选用概率积分法和GaussAmp函数对沉陷模型进行最小二乘拟合,结果表明GaussAmp函数对于试验区地表动态沉陷模型的拟合精度更高。     

基于不同滤波算法差异的机载LiDAR数据桥梁提取

在对形态学滤波和区域生长算法研究的基础上,通过对桥梁的特点进行分析,提出一种基于形态学滤波和区域生长算法的滤波结果的差异进行桥梁探测的算法.算法不受桥梁形状的影响,桥梁可分叉、无需平行和等宽,甚至在部分桥梁数据不完整的情况下也有效.通过3个不同场景的桥梁实例验证算法的正确性.