三维显示中的DTM数据简化算法

提出了一种将图形生成技术与图像处理相结合,对DTM数据进行最优三角划分的简化DTM数据的算法。依据一定的分辨率条件,将DTM数据转化到二维图像空间,找到它的局部特征点,并将二维空间的特征点利用Delaunay剖分三角化,再映射到三维空间,从而在简化数据的同时,得到一个满足保真性要求的TIN模型。最后实验验证了算法的有效性。     

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。     

基于特征约束的点云简化算法研究

针对传统的点云简化算法导致特征区域容易丢失的问题,提出了一种新的基于特征约束的点云简化的算法。首先对散乱点云用KD—TREE建立起空间拓扑关系,在此基础上建立起单个点的K-邻域。然后对K-邻域内建立起最小二乘平面,设定合理的阈值来度量数据点的重要性。依据特征点的分布估算每个点的简化距离阈值,以此为基础对每个点进行自适应简化。实验证明该算法能满足在点云数据简化过程中检测并保留特征点的要求。     

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。     

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。     

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。     

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。     

联合LoFTR与自适应IRLS的立体测绘卫星高程误差检查

立体测绘卫星产品精度受多种因素的影响,采用一定的技术手段对立体像对接边的平面高程误差进行准确和全面的量测,不仅可以有效保障测绘产品的生产质量,还有助于检查影像内部可能存在的畸变和异常。本文提出了一种立体测绘卫星高程接边误差检查方法,首先通过LoFTR算法对具有重叠的异轨立体卫星像对进行特征匹配后获取大量的高精度匹配点;然后找出能够分别在两个像对上进行前方交会的匹配点,并计算这一位置的高程接边误差;最后通过自适应迭代再加权最小二乘法(IRLS)方法对单一区域中的匹配点对应的高程接边差的平均值进行稳定性估计,剔除检查结果中的异常值,得到可信结果。通过国产资源三号立体像对和高分七号立体像对的试验,证明了该方法达到的精度水平足以满足立体测绘卫星高程误差检查的精度需求,并验证了该方法的有效性。     

基于LIDAR回波信息的道路提取

机载激光扫描系统在采集三维坐标的同时,也提供回波信息(回波次数、回波强度).本文提出了一种利用回波信息提取道路的方法:逐层加密,TIN提取数字地形模型(DTM),根据点云的回波信息从DTM中提取道路信息,通过搜索孤立点的滤波算法删除其中的噪声点.最后用实测数据对提取的道路信息进行精度分析,验证了该提取方法的有效性.     

基于TIN的LiDAR数据滤波算法研究

研究利用区域生长滤波算法将原始激光点云数据直接构建不规则三角网(TIN),并选择地面最低高程点作为初始种子点,根据设定的高差阈值对种子点的邻域进行区域生长滤波处理。通过对试验区机载LiDAR点云数据的滤波处理结果与基于坡度滤波和基于移动窗口的高程滤波算法进行对比分析,结果显示该方法具有一定的优越性。     

机载Lidar数据快速滤波方法

机载Lidar是可以快速获取数字表面模型(Digital Terrain Model,DTM)的一种遥感技术。它能够快速获取大范围地面精确的三维坐标,得到高密度的点云。为了从点云数据中提取地形信息,必须对地面点和非地面点进行分类,称之为滤波。现有算法不适合用于处理大规模数据。本文提出一种快速滤波方法,实验结果表明该方法能够快速准确地提取地形点。与现有的滤波方法相比较,其最大的特点是将二维滤波问题简化为一维滤波,滤波速度快。     

野外采样建立DTM的方法

野外采样时只测量地形特征点,它们形成了不规则的三角网。将地表形状分为四类,分别用四种函数来表示,并考虑了与地面起伏幅度有关的诸因素;在此基础上得到三角形网中各三角形子区域边界上的凿线函数;再根据三角形区域上的超限插值公式(BBG公式或径向投影公式)得到各三角形区域上的曲面函数;最后,按照给定的间隔便可内插出各三角形区域内的规则格网点高程值,从而得到了DTM数据。本文还对所建DTM的精度进行了检验,结果表明高程中误差为±0.64m左右。     

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。     

“高程点-TIN射线法”等高线与高程点矛盾检测算法

等高线在地形图测绘中是表达地貌特征的重要符号。为保证拓扑正确性,常需要进行等高线与高程点间的点线关系正确性检测。目前已有的点线矛盾检测算法主要有等高线不规则三角网（TIN）法、射线法等,这些算法均存在漏检测或错检测等问题。本文基于已有方法,提出了一种改进的高程点-不规则三角网（TIN）射线法,该方法结合了TIN和射线法的优点,并互为补充。在进行点线矛盾检测时,加入数据预处理功能,先使用等高线TIN法做一次初筛,再利用高程点TIN射线法进行精准识别,能有效降低错漏率。经测试表明,此法不仅能够更有效筛选出点线矛盾点,还具有运算效率高、方法简单易行等特点,能够满足实际的生产需要。     

基于TIN渐次加密的LiDAR点云数据滤波

传统的滤波算法通常是针对具有连续表面的简单区域来进行,因此带有一定的局限性,且不能解决复杂城区地形准确提取的难题。因此,本文提出了一种改进的基于TIN渐次加密的LiDAR点云数据滤波方法,该方法先对原始点云利用多尺度虚拟网格筛选地面种子点;然后,对种子点构建初始TIN表面,在此基础上进行向上加密;最后,得到的TIN三角网则为真实地形表面。实验结果表明,该方法能有效地滤除建筑物、植被和其他地物,并较好地保持地形特征。     

基于无人机倾斜摄影测量的大比例尺地形图测绘方法

针对利用正射影像绘制地形图时远地地物遮挡近地地物的问题,研究基于无人机倾斜摄影测量的大比例尺地形图测绘方法。将无人机倾斜影像通过空三加密、点云数据匹配、三维TIN构建与纹理映射建立实景三维模型,并绘制地形图。实例证明,通过该方法绘制的地形图平面方向中误差为0.070m,高程方向中误差为0.066m,点位中误差为0.096m,此精度满足大比例尺地形图的绘制要求,应用优势明显。     

四、P229海洋测量学

CH982447 满足水位改正要求的观测时间间隔探讨/肖付民(大连舰艇学院海洋测绘系)…∥测绘通报.—1998,(4).—14～15 通过利用多项式最小二乘拟合法对水位观测     

不规则三角网TIN的生成与优化

不规则三角网TIN是按地形特征采集的点根据一定规则连接成覆盖整个区域且互不重叠的许多三角形构成一个不规则三角网。DEM不是地表的高保真描述，TIN才是地表高保真描述，为此在生产地形数据时都由使用DEM改为使用TIN。真正射影像图生产更是只能使用TIN：地物数据用作特征线也通过TIN对地形表达做贡献。     

日本土砂危险处三维构造化TIN的分析制作

利用JX4CDPW全数字摄影测量仪，通过Heleva(海拉瓦)全自动空三数据导入定向建模。图化日本土砂危险处三维构造化TIN生成时所需项目内容而获取点、线数据，生产满足制图要求的数字化(DM)数据和构TIN数据。     

机载LiDAR点云数据抽稀算法研究述评

机载LiDAR技术作为一种全新的遥测技术,可以获取高精度和高密度的三维点云地形数据,它所获取的高密度的点云数据存在数据冗余和数据量庞大等一些问题,造成了存储、后处理(如滤波、分类、特征提取和建模)和显示的不便。因此对点云数据进行有效的数据抽稀简化很有必要,抽稀算法需要在数据精度和采样密度之间达到一种最优平衡。本文将现有的LiDAR点云数据抽稀算法概括为随机采样算法、基于高程的算法和基于TIN的算法3类,并分别进行了研究评述,最后探讨了各类方法的优缺点,以为机载点云数据抽稀简化提供参考。