离散点云构建数字高程模型的插值方法研究

针对消除DEM构建中插值方法选择的随意性问题,该文基于机载LiDAR离散点云数据,以广东省典型城区与山区为实验对象,利用克里金、反距离权重、径向基函数和自然邻域4种插值方法,对插值参数进行优选后构建DEM,使用交叉验证、相关性分析、像元统计量和三维可视化等方法进行精度分析与比较。结果表明:在城区反距离权重插值,不但可以对空值区域进行适当填充和平滑,而且对高程最大、最小值的预测精度也很高;不同插值方法在构建山区DEM时精度相差不大,插值精度可以达到厘米级,其中普通克里金插值效果最佳。对于城区与山区点云数据反距离权重插值法生成的DEM均能很好地反映地表自然形态,为今后LiDAR点云数据构建DEM选择最佳的插值算法以及插值参数提供参考。     

基于点云空洞修复和TPS模型的数学形态学机载LIDAR滤波

在分析现有滤波算法的基础上,结合数据驱动和模型驱动式算子各自的优点,提出基于点云空洞修复和TPS变形模型的数学形态学机载LIDAR点云滤波,该方法首先提取和修复由水域造成的大面积点云空洞,采用多尺度形态学开算子作用于修复的数据,得到近似裸露地表面;然后利用2D空间的TPS变形模型,以近似地表面为基础,插值原始点云,根据插值与原始点云高程的差值大小去识别地面点和非地面点。通过定量分析,验证该方法不仅有较高的滤波精度,而且也能较好的保留裸露地表的细节特征,同时该方法有助于辅助人工处理,提高数据处理的质量。     

基于点云数据内插DEM的精度比较研究

利用3维激光扫描技术,以云南元谋干热河谷地区冲沟为研究对象,扫描获得大量具有冲沟坐标信息的点云数据。离散的点云数据之间没有明显的拓扑关系,不能表达连续的地表形态,通过建立格网DEM可视化表达地形信息,利用不同的内插方法生成DEM并进行精度评定,以便在不同的地貌区和采点方式下选用最佳的内插模型。点云数据经过数据配准拼接以及噪声剔除,在ArcGIS软件中,通过数据格式转换,利用反距离加权插值、克里金插值、自然领域法插值三种不同的内插方法生成DEM模型,通过检查点法分析已有的固定点高程和内插相应点的高程值做误差比较,分析不同的内插精度。实验表明,反距离加权插值法和克里金插值中误差基本相同,自然领域法插值中误差最大。分析比较不同的内插精度,对地表的坡度、坡向、等高线的研究具有重要的意义。     

基于颜色空间的矿区地表彩色点云分类

矿区地表点云数据量大,地物比较丰富且地物间色彩差别明显,研究点云分类算法,对矿区点云数据的管理与分析有较强的支持作用。作者从点云数据的RGB颜色特征和HSV颜色特征两个方向入手分类矿区地表点云数据,选取各类地物的样本点,然后根据样本点计算的点云分类的颜色阈值,将观测的数据的颜色特征与样本所求的阈值进行比对分析,将属于同一类地物的彩色点云数据分离出来,实现彩色点云数据的分类。采用Riegl VZ-1000扫描仪采集矿区地表数据并采集照片,通过试验分析获得点云分类的完整率与正确率,证明了基于点云颜色特征分类点云数据方法的可行性、准确性以及高效性。为进一步的研究矿区的沉降监测及模型建立提供支持。     

基于三维激光扫描技术的曲面变形监测

研究采用双三次插值方法对点云数据拟合曲面函数,建立曲面模型,并通过多期观测建立的模型获取测区的整体变形信息.试验结果表明,在地表实测点处此方法获取的沉降值与传统水准测量方法测定的沉降值比较吻合,三维激光扫描技术在地表变形监测中具有较高的实用价值.     

统一样本云检测技术在GF-6 WFV上的改进与应用

目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。     

十进制线性四叉树的点云数据格网索引方法研究

三维激光点云数据是海量三维点的集合,导致数据量庞大,组织和管理困难,不仅增加了系统负荷,而且大大降低了点云数据后续处理效率。该文针对海量点云数据的组织与管理中遇到的加载和显示效率低、建立索引困难、不能实时动态显示等问题,提出了基于十进制线性四叉树的点云数据格网索引方法,该方法用四叉树结构分割点云数据和用SQL Server数据库存储,采用Morton码或矩形区域对点云数据进行分块空间索引,结合空间索引和数据库的优势对点云数据进行高效、动态、智能管理。实验结果表明,该方法较好地解决海量点云数据的组织与管理效率低下,不能实时动态显示的问题。     

三维激光扫描技术在复杂地质隧道岩体信息获取中的优化

为了更高效、高精度地获取岩体结构面信息,借助三维激光扫描技术,提出并建立一种基于Kriging算子和最小二乘法组合的点云插值方法。首先对获取的隧道点云数据利用单一的最小二乘法进行插值,并以此为基础,结合Kriging算子的适应度函数建立组合插值模型。在利用三维激光扫描仪已获取的某岩溶隧道的原始点云数据的基础上,运用组合模型进行插值处理,以此获取岩体结构面信息,并将组合方法得到的结果与单一的插值方法进行对比,发现组合方法插值效果较好,误差也较小。基于Kriging算法和最小二乘法结合的插值方法,在利用三维激光扫描技术获取岩溶隧道岩体几何信息—结构面产状的过程中能更加精确、全面,并可以用于岩体稳定性评价。     

无人机载激光雷达在地质环境调查中的应用

通过无人机载激光雷达对宁东煤炭基地马莲台煤矿地表塌陷区进行扫描测绘,获取到了高时间分辨率、高空间分辨率和测量精度均匀的地表点云数据,并对点云数据进行了处理和三维建模;同时对项目区布设的检测点进行水准联测,与无人机载激光雷达所测的点云数据进行对比分析,对无人机载激光雷达的精度有了进一步了解。此次项目总结了无人机载激光雷达的工作流程和数据处理方法,对无人机载激光雷达的推广应用起到了积极的示范指导作用。     

基于BP神经网络法的地表变形监测

利用三维激光扫描技术监测地表变形时,需要对大面积的地形点云数据重建地面曲面。针对点云数据的海量性,提出利用BP神经网络的方法进行曲面重建,分别模拟出两期点云数据的曲面及两期点云数据的下沉曲面。实验结果表明,该方法对海量数据的曲面重建精度较高,并能提取变形信息,具有较高的使用价值。     

隧道点云格网化方法分析研究

面对海量点云数据,如何根据点云特征和应用目的选择合适的格网化方法十分重要。分析了主要的格网化方法,并根据地铁隧道实测点云数据进行实验分析。结果表明,不同点云格网化方法存在很大差异,克里格法整体效果较好,最小曲率法存在伪趋势现象,加权反距离插值边缘表现失真,三角剖分法存在断层现象,应用时要根据需要选择合适的格网化方法。     

DEM插值算法的局部地形特征适应性研究

对于绝大多数DEM插值算法而言,很大程度上依赖于局部范围内采样点数据集的地形特征。因此,本文选用地表粗糙度和空间分布指标建立了局部地形特征描述模型,用以描述局部范围内采样点数据集的特征;然后运用K均值聚类分析和残差比较分析等方法,研究了地表粗糙度指标和空间分布指标对DEM插值算法的相关关系,相应结论有助于DEM插值算法的局部地形特征适应性选择。     

GIDS空间插值法估算云下地表温度

选用陆面区域温度最佳空间插值法—梯度距离平方反比法(GIDS),为近似估算云下地表温度提供了可能。实验选取暖季南京江宁地区ETM+影像和ASTERGDEMV1高程数据,探索分析GIDS估算云下地表温度的可行性和可信性。对14种空间大小云覆盖区实验研究表明:利用GIDS插值估算云下地表温度具有可行性,且估算误差随着云覆盖区范围增大而增加,其最大MAE<0.9℃,最大RMSE<1.2℃,并在云覆盖区小于100×100像元时,最大MAE<0.8℃、RMSE<1℃;插值精度与最近邻无云像元典型代表性、区域内空间复杂度和地表覆盖类型均有关,存在不稳定性和动态性;云下NDVI均方差与MAE、RMSE有着一致变化趋势,借助NDVI均方差指示云下地表空间异质性及NDVI–LST负相关性,可对插值结果进行可信性评判,以避免插值结果盲目应用,推进和提升地表温度产品应用价值。     

基于ArcGIS的云存储三维激光点云测图实现方法

描述了基于ArcGIS二次开发海达云存储三维激光点云测图插件,实现了内业人员在局域网内协同完成点云测图的方法。在数据服务器上部署MogoDB数据库,向数据库中上传海量三维激光点云和全景数据,内业人员在局域网内下载作业区域数据,在ArcMap中实现激光点云和全景影像数据绘制,基于点云数据进行地物要素采集和属性数据录入,可提高数字化要素的作业效率,为数字测图建库提供了一种新技术手段和作业模式。     

全站扫描仪在地表变形监测中的应用研究

介绍了MS50全站扫描仪的技术特点,分析了全站仪模式下直接进行点云拼接的精度,结果表明直接拼接与靶标拼接的精度相当。通过地表监测试验的重复测量精度分析,以及点云滤波、曲面建模等方法对两期点云数据的对比分析,验证了全站扫描仪在地表变形监测中应用的可行性。     

基于多分辨率方向预测的LIDAR点云滤波方法

为了快速提取LIDAR点云中的地面点,生成高精度的DTM,提出了一种基于多分辨率方向预测的LIDAR点云滤波方法。该方法首先构建多种分辨率数据集,然后基于方向预测法以分辨率由低到高的顺序逐层进行数据集的平滑处理,最后以最高分辨率数据集的平滑结果为基准标记原始LIDAR点云。本方法通过分析反距离权重插值模型的不足,利用改进的模型进行裸露地面点的插值,得到高精度的DTM。实验表明,本文方法能有效地滤除地物,并保持原有的地形特征,算法效率高,具有一定的实用价值。     

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。     

基于车载LiDAR数据的道路横纵断面获取

传统道路横纵断面获取主要是先利用全站仪或实时差分定位技术RTK放样得到中桩,再测出每个横断面的高程,费时费力。针对传统方法获取效率低、成本高的问题,提出了一种利用高精度车载LiDAR数据进行道路横纵断面获取的方法。首先对获取的点云数据进行预处理,然后进行点云滤波、路面点云精确提取,最后通过对路面点云数据构建地表数模的方式制作道路横纵断面图。工程实践表明,该方法可高精度自动提取道路横纵断面,提高了道路勘测设计的效率。     

一种基于高度差异的点云数据分类方法

LiDAR点云数据存在数据量大、不易识别、不易处理的问题,为了解决上述问题,需要对点云数据进行分类处理。针对点云分类方法存在精度不高、处理过程复杂等难题,本文提出了一种基于高度差值的二次导数的建筑物、植被的点云分类方法,能够高效、准确地将各类点云分离。利用该方法分离点云数据,首先通过Terra Solid软件对原始LiDAR点云数据进行初步处理,去除噪点并提取出地表点云,然后利用规则建筑和不规则植被高度差异上的二次导数不同,提取出可能是建筑物或植被的点,并利用高斯偏差估计模型为建筑物、植被点的分类提供阈值,最后利用断点统计模型将建筑物、植被点云补充完整。为证明这种方法的可行性和有效性,使用Autzen_Stadium地区的LiDAR点云数据进行点云分类试验,结果表明,该方法具有可行性好、分类效果好、处理自动化等优势。     

多站激光点云数据全自动高精度拼接方法研究

针对目前多站点云数据拼接存在的效率低和自动化程度低等问题,提出了基于地面激光点云强度信息的2D-3D点云数据高精度全自动拼接方法。首先,将强度信息通过三次样条插值算法生成二维影像,采用基于图形处理器(GPU)的加速尺度不变特征变换(SIFT)算子匹配得到二维同名特征点,剔除粗差;然后,反算得到特征点在三维点云中的坐标,并通过三维空间法向量对三维同名特征点进行精炼。利用精炼的三维特征点进行多站点云数据拼接,可提高多站点云海量数据拼接的精度和效率。