面向智能化测绘的城市地物三维提取

精准有效的三维时空信息是新型基础设施建设、实景三维中国、自然资源管理与监测等国家重大需求不可或缺的重要支撑。测绘装备的快速发展提升了点云和影像获取的便捷性,为智能化测绘提供了一种全新技术手段。然而,如何从点云、影像中智能地提取三维时空信息仍然面临诸多困境。本文围绕城市场景中地物目标智能化提取的需求,重点阐述点云位置精度改善、点云与全景影像融合、部件级典型地物要素精细提取、软件研发与工程实践4个方面的关键技术与研究进展,为实景三维中国建设等提供关键支持。     

基于点的多尺度形态学重建滤波方法EI北大核心CSCD

针对现有机载激光雷达(LiDAR)点云滤波算法难以准确分离复杂地形中地面点与地物点问题,提出了一种基于点的多尺度形态学重建滤波方法 PMMF (Point-based Multi-scale Morphological reconstruction Filter)。在初始尺度层次下,PMMF通过构建一种基于点的形态学重建对原始点云滤波,即先在掩膜点云约束下借助k邻域结构元素和高程缓冲区反复膨胀标记点云,获取潜在地面点;然后通过自适应坡度方法剔除潜在地面点中的非地面点,其中,坡度阈值随地形复杂度自适应变化。在上层滤波结果基础上,PMMF通过提升种子点选择的网格尺度重复上层滤波过程,直至结果收敛。以国际摄影测量与遥感学会(ISPRS)发布的15组基准数据为研究对象,将PMMF滤波结果与近5年(2016年—2020年)提出的15种滤波算法比较表明,PMMF有8组数据滤波效果占优,15组数据平均总误差和Kappa系数分别为2.71%和91.08%。使用4种不同地形特征的高密度机载LiDAR点云数据进一步验证PMMF的滤波效果,并将计算结果与简单形态学滤波(SMRF)、布料模拟滤波(CSF)、渐进加密三角网滤波(PTD)和多分辨率层次滤波(MHF)比较。结果表明,PMMF滤波性能最优,平均总误差为3.24%,较其他4种滤波方法分别减小了12.0%、59.1%、70.1%和53.2%。     

无人机激光雷达人工林林分高估测模型分析EI北大核心CSCD

中国人工林面积居世界第一,精确地对人工林结构进行监测具有重要意义。本研究以内蒙古自治区赤峰市旺业甸林场内的落叶松和油松人工林为研究对象,利用无人机激光雷达LiDAR(Light Detection And Ranging)离散点云数据和地面样地调查数据对人工林林分高进行建模,通过点云特征变量与地面测量的6种林分高(包括:Lorey’s高、算术平均高、最大高、优势树高、中位数高和树冠面积加权高)间的Pearson’s相关性筛选自变量,然后利用全子集回归构建不同林分高估测模型,并采用交叉检验法进行精度评价。结果表明:激光雷达点云高度百分位数与不同林分高相关性均较高,通过一元线性回归构建的不同林分高结果最优,且估测模型的自变量均为高度特征变量。Lorey’s高(R^(2)=0.91—0.97,rRMSE=2.75%—3.96%)、优势树高(R^(2)=0.86—0.97,rRMSE=3.72%—3.83%)和树冠面积加权高(R^(2)=0.86—0.96,rRMSE=3.81%—4.73%)估测精度最高,算术平均高(R^(2)=0.85—0.94,rRMSE=4.52%—6.07%)和中位数高(R^(2)=0.80—0.95,rRMSE=5.37%—7.34%)次之,最大高(R^(2)=0.69—0.87,rRMSE=6.19%—8.09%)最低。针对不同森林类型,落叶松人工林林分高估测精度最优,优于不区分森林类型模型的估测精度(ΔR^(2)=0—0.05,ΔrRMSE=-0.69%—1.97%),优于油松林林分高模型的估测精度(ΔR^(2)=0.06—0.18,ΔrRMSE=-1.90%—1.13%)。无人机激光雷达可以用于估测北方温带针叶林的林分高,能够满足人工林资源调查快速、精确的要求。     

基于 SOA 云服务的济宁市电子政务服务平台研究

基于政务网的政府各部门横向与纵向信息共享及业务协同的需求十分迫切,传统的单向共享模式的应用瓶颈日益突出,结合济宁市政务信息平台建设的实际环境及需求,设计了基于 SOA 云服务的政府部门间信息资源共享及在线业务协同平台的框架,实现了政府各部门之间数据有序交换和资源共享,建立了数据建设规范和业务协同机制,极大地提升了政务办公自动化水平。     

基于机载 Lidar 的地貌数据快速更新方案研究

空间地理信息作为国家信息资源的重要组成部分之一,承担着越来越重要的作用,地貌数据作为空间数据的组成部分,其数据采集及更新十分重要。机载 Lidar 问世以来受到测绘行业广泛重视,其应用不断扩展。该文以地貌数据的快速更新为研究目的,深入分析了地貌更新流程以及机载 Lidar 数据成果,并在此之上提出基于机载 Lidar 数据的地貌快速更新方案,研究其具体步骤以及核心技术,同时采用 CAD 二次开发实现地貌更新数据预处理,大幅提高地貌更新效率。     

提孜那甫河流域地表太阳辐射估算及其影响因素分析

地表太阳辐射是地球表层主要能量来源,对地表能量平衡、能量交换以及生态水文过程等具有决定性意义。山区地形复杂,其地表太阳辐射时空差异较大且较难估算。采用适用于山区的地表太阳辐射模型对西北昆仑山提孜那甫河流域地表太阳辐射时空分布进行了估算,分析了该流域季节太阳辐射空间分布规律并探讨了地形和云2个重要因素对太阳辐射空间分布的影响。结果表明:（1） 地形因子中周围地形阻挡即地形开阔度（Sky view factor,SVF）与年总太阳辐射的关系最为显著,太阳辐射随SVF增加而增加。（2） 年总太阳辐射随着高程增加首先减少,再而随之增加。探究SVF随高程的变化,发现其与太阳辐射随高程的变化趋势较为一致,因此在山区复杂地形下地表太阳辐射估算中仅利用高程对其校正存在明显不足,需综合考虑地形效应。（3） 研究计算了季节云出现频率空间分布与太阳辐射空间分布的相关系数,结果表明夏季太阳辐射受云影响较其他季节显著。定量分析了地形因子以及云对地表太阳辐射空间分布影响的贡献率,周围地形阻挡SVF对地表太阳辐射空间分布的影响最大,高程和云次之。因此综合考虑地形和云对太阳辐射的影响在山区太阳辐射模拟中是非常必要的,研究可为山区地表太阳辐射模拟提供理论依据,并为山区生态水文过程研究提供方法支撑。     

车载LiDAR点云数据分割与半自动化建模方法

针对车载激光雷达(light detection and ranging,LiDAR)点云数据的不完整性问题,提出一种车载LiDAR点云数据分割以及基于分割后点云数据的半自动化建模方法。首先对点云数据进行标准格式转换及稀化;然后以不同地物的属性和几何特征为分割条件,分别建立道路、建筑物、树和路灯等附属设施的三维模型,并利用车载以及航空图像的纹理信息辅助建筑物的立面和顶面三维建模;最后以真实街景为实验区,基于拓普康IP-S2车载LiDAR点云数据,完成该街景的分割与建模。实验结果表明,该文提出的点云数据分割与街景地物重建方法比较简单,可实现道路和建筑物的半自动化分割;利用成熟的建模软件和方法,实现了建模的完整性和较强的可靠性。     

基于LiDAR点云数据的树冠空隙度指数分析

分形维数法是分析空间结构分布的一种典型方法,但它对于区分不同的分布形式还存在缺陷。针对这一问题,该文介绍了空隙度指数的定义和树冠空隙度的计算方法;以模拟的树冠点云数据为对象,提出了一种基于三维凸包和三维滑动盒算法的激光雷达(Li DAR)点云数据空隙度分析方法,详尽分析了不同冠型产生的空隙度指数差异;并利用4棵实测的树冠点云数据做检验;最后阐述了空隙度指数在树冠空间异质性分析研究中的作用,并对其应用范围和前景作了展望。结果表明:划分尺度相同时,在一定的尺度范围内,锥型树冠、半球型和半椭球型树冠的差别可以通过空隙度指数曲线有效地区分,实测树冠的结果也体现了空隙度指数对于判断树冠空间结构的有效性。     

利用机载LiDAR数据提取与分析地裂缝

机载激光扫描可获取植被茂密地区的数字地形模型(DTM),但将其用于茂密植被覆盖区地裂缝提取方法的研究还不多见。以湖南冷水江市浪石滩为试验区,基于机载Li DAR的激光点云数据,研究了植被覆盖区地裂缝的提取方法,分析了地裂缝的微地貌特征。首先对离散的三维激光点云数据依次进行基于不规则三角网滤波、高程滤波及回波信息强度滤波提取地面点,以保留完整的微地貌微特征;然后构建不规则三角网,反距离加权内插生成数字高程模型(DEM),提取地裂缝识别参数,同时基于最小曲率对地裂缝进行线性探测,提取地裂缝的长度信息,且利用地裂缝剖面信息分析其微特征,结合识别参数分析地裂缝的稳定性。研究结果表明:利用机载Li DAR点云数据提取的地裂缝识别参数,能够确定地裂缝的位置、坡度坡向、长度和深度信息,有助于判定地裂缝的稳定性;在植被较为茂密、地面点密度稀疏的区域,保留一定的低矮植被所提取到的DEM能更好地保留地裂缝的微地貌特征。     

室内雕塑点云三维重构

针对室内雕塑传统建模效率低的问题,探讨并实现了点云三维自动重建的方法。通过对点云数据预处理,包括异常点剔除、数据精简等,减少了异常点对建模的影响,使用泊松曲面重建技术进行雕塑点云三维重构。运用这种方法,可以使得表面能够很好的拟合。