基于GPU的全波形并行LM分解算法

波形分解是机载激光雷达全波形数据处理的重要基础工作,通过求解波形函数模型的参数,将波形数据利用具体的函数模型拟合出来,实现对全波形及其中各个子波形函数表达。LM(Levenberg-Marquardt)算法及其改进的算法是波形分解中对参数进行拟合求解的常用方法。针对LM算法在参数拟合计算的过程中存在大量迭代和矩阵运算,提出了基于线程块组和线程两级并行粒度的并行计算方案。将串行多次循环迭代求解参数改为单次并行计算取最佳值实现对参数的选择,将矩阵运算进行线程块的协同并行计算,实现了LM算法在通用计算图形处理器上的并行计算。实验证明,在规定阈值条件下,并行LM降低了算法的迭代次数,提高了波形分解LM算法的计算效率,为提高波形分解的处理效率提供了研究思路。     

大光斑激光雷达数据的森林冠层高度反演

针对传统的LM波形分解算法在GLAS大光斑波形数据处理中容易陷于局部最优解,限制了GLAS大光斑激光雷达数据在森林结构参数反演方面应用的问题,该文结合GLAS大光斑数据特征,引进优化后的EM算法对大光斑全波形数据进行分解,获取波形参数最优值。结合波形前缘长度和波形后缘长度,建立树高反演模型,并与LM分解算法建立的模型进行对比分析。研究结果表明,通过改进的EM算法对GLAS大光斑激光雷达数据进行处理,波形特征参数的获取更为精确,达到了较高的树高反演精度。     

全波形激光雷达的波形优化分解算法

随着数据存储能力和处理速度的提高,三维激光扫描系统逐渐具备全波形采集和分析技术。为了从全波形数据中获得脉冲时间、幅度、脉宽以及多回波分布等综合信息,波形分解成为了全波形激光雷达数据处理的关键技术之一。针对LM算法在一定程度上依赖初值,而传统激光雷达数据处理容易遗漏部分重叠的返回波,本文提出了一种改进回波分量初值设定的算法来获取回波脉冲的位置、宽度和强度。针对一套自主研发的全波形记录激光雷达演示系统进行了波形分解试验,定性和定量分析结果验证了该方法的有效性、可靠性和准确性。     

机载LiDAR全波形数据分解的研究与应用

近年来,新兴机载全波形Li DAR技术在摄影测量与遥感领域受到广泛关注。其相比传统机载Li DAR的优势在于它对后向散射回波信息进行了完整的数字化记录。波形分解是波形数据处理的重要环节,通过波形分解不仅仅可以得到高质量的三维点云产品,还能够提高DEM的生成精度并辅助点云的精确分类,随着研究的不断深入,全波形数据将在更多领域发挥更大的实用效益。     

利用波形信息的加权曲面拟合LiDAR点云滤波

为发挥机载全波形激光探测与测量（light detection and ranging,LiDAR）技术优势,提高数字高程模型（digital elevation model,DEM）生成精度,提出了一种利用波形信息的加权曲面拟合LiDAR点云滤波方法。该方法利用全局收敛LM解算离散点云与波形参数,引入波形信息与抗差估计原理检测异常种子点,依据波形参数对地形曲面进行加权拟合,综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值。选取中国黑河综合遥感联合实验中的城市区域、耕地区域与山地区域数据进行实验,结果表明,相比传统方法,所提方法的波形分解结果更加可靠,点云滤波精度进一步提高,具备较高实用价值。     

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。     

基于分组LM算法的全波形LiDAR高斯分解

LM(Levenberg-Marquardt)算法是全波形机载激光雷达(Li DAR)数据高斯分解中求解模型参数的一种方法。针对其结果在一定程度上依赖初值、雅克比矩阵出现非数值导致无结果等问题,本文提出分组LM算法,以广义高斯混合函数为模型,模型参数初始化后,将参数分组并使用LM算法依次对各组参数进行优化,并生成点云。为验证结果的可靠性,以系统点云为参考,与基于改进的EM(Expectation Maximum)算法全波形分解法做对比。结果表明,本方法不仅得到较高质量的点云,而且得到回波位置和宽度等信息。     

基于LM算法的机载LiDAR全波形数据分解研究

全波形机载激光雷达系统采集的波形数据蕴含着丰富的地物信息,因此,这些地物信息的提取方法具有很大的研究价值。本文通过对全波形数据的去噪平滑以及LM参数优化算法实现了波形分解,并利用其结果生成的点云数据与系统点云数据进行对比,结合部分点云剖面图分析其给实际生产应用所带来的帮助,实验表明,本文所用方法可以有效地提高数据中地物信息的质量。     

采用Levenberg Marquardt的逐步递进波形分解方法

针对机载全波形Li DAR波形数据分解问题,提出一种采用Levenberg Marquardt的逐步递进波形分解方法。该方法基于Levenberg Marquardt的非线性最小二乘拟合算法,选取高斯函数模型并采用逐步递进的波形分解方式得到准确的模拟波形。对Riegl数据中的2条典型波形进行分解实验,并与普通非线性最小二乘方法的结果进行对比分析,证明该方法是可行有效的。     

全波形LiDAR数据分解的可变分量高斯混合模型及RJMCMC算法

传统激光雷达(light detection and ranging,LiDAR)数据处理均采用固定数的波形分解方法,容易遗漏部分重叠的返回波,降低波形拟合精度。为了实现可变数波形分解,本文提出了一种自动确定波形分解数的方法。假定波形数据服从混合高斯分布,并以此建立理想的波形模型;定义用于控制理想模型与实际波形拟合程度的能量函数,用吉布斯分布构建或然率;根据贝叶斯定理构建刻画波形分解的后验概率模型;设计可逆跳转马尔科夫链蒙特卡洛(reversible jump Markov chain Monte Carlo,RJMCMC)算法模拟该后验概率模型,以确定波形分解数并同时完成波形分解。为了验证提出算法的正确性,分别对不同区域的ICESat-GLAS波形数据进行了波形分解试验,定性和定量分析结果验证了本文方法的有效性、可靠性和准确性。     

Waveform LiDAR concepts and applications for potential vegetation phenology monitoring and modeling:a comprehensive review

Researchers continually demonstrated through published literature how LiDAR could create unparalleled measurements of ecosystem structure and forest height. There are a number of studies conducted utilizing waveform LiDAR products for terrestrial monitoring, but those that deal specifically with the assessment of space-borne waveform LiDAR for monitoring and modeling of phenology is very limited. This review highlights the waveform LiDAR system and looks into satellite sensors that could link waveform LiDAR and vegetation phenology, such as the proposed NASA's Global Ecosystem Dynamics Investigation (GEDI) and the Japanese Experimental Module (JEM)-borne LiDAR sensor named MOLI (Multi-footprint Observation LIDAR and Imager). Further, this work examines the richness and utility of the waveform returns and proposes a spline-function-derived model that could be exploited for estimating the leaf-shooting date. The new approach may be utilized for ecosystem-level phenological studies.     

激光雷达回波模型辅助的坡地森林冠层高度反演

大光斑激光雷达数据已广泛应用于森林冠层高度提取,但通常仅限于地形坡度小于20°的平缓地区。在地形坡度大于20°的陡峭山区,地形引起的波形展宽使得地面回波和植被回波信息混合在一起,给森林冠层高度提取带来巨大挑战。本文利用激光雷达回波模型和地形信息,提出了一种模型辅助的坡地森林冠层高度反演算法。该方法以激光雷达回波信号截止点为参考,定义了波形高度指数H50和H75,使用激光雷达回波模型与已知地形信息模拟裸地的激光雷达回波,将裸地回波信号截止点与森林激光雷达回波信号截止点对齐,利用裸地回波计算常用的波形相对高度指数RH50和RH75,对森林冠层高度进行反演。并与高斯波形分解法和波形参数法的反演结果进行了比较。研究结果表明:(1)利用所提取的波形指数RH50和RH75对胸高断面积加权平均高(Lorey’s height)进行了估算,在坡度小于20°时,高斯波形分解法、波形参数法和模型辅助法的估算结果与实测值线性拟合的相关系数(R2)分别为0.70,0.78和0.98,对应的均方根误差(RMSE)分别为2.90 m,2.48 m和0.60 m,模型辅助法略优于其他两种方法;(2)在坡度大于20°时,高斯波形分解法、波形参数法和模型辅助法的R2分别为0.14,0.28和0.97,相应的RMSE分别为4.93 m,4.53 m和0.81 m,模型辅助法明显优于其他两种方法;(3)在0°—40°时,模型辅助法对Lorey’s height估算结果与实测值的R2为0.97,RMSE为0.80 m。本研究提出的模型辅助法具有更好的地形适应性,在0°—40°的坡度范围内具备对坡地森林冠层高度反演的潜力。     

高光谱激光雷达提取植被生化组分垂直分布

对地高光谱激光雷达可以获得观测对象含有高光谱属性的全波形激光雷达回波,为探测植被生化特征的立体分布提供了新的遥感探测手段。基于此仪器开展室内试验,提出了植被生化组分垂直分布提取方法。首先,针对仪器的特点,提出了高光谱激光雷达全波形数据处理的方法;其次,以火炬花为例开展了室内扫描,并对获取的高光谱激光雷达数据进行了处理,获得带有高光谱属性的激光雷达点云数据;最后,根据植被指数与生化组分的关系,提取了叶绿素和胡萝卜素的生化组分垂直分布结果。研究结果表明,在植被顶部生化组分含量较低,叶绿素a普遍低于0.5 mg/g,胡萝卜素低于0.2 mg/g,而在中部叶片处,生化组分含量明显较高,与红色(顶部)和绿色叶片(中部)在植被垂直方向的分布一致,这表明基于仪器开展植被生理生化参数垂直分布遥感反演具有极大的应用潜力。