Laser Scanning的基本原理及其应用前景

首先介绍了激光测距仪的发展历程,针对应用领域的不同,分别对3维激光成像仪和机载/星载激光测高仪的测量原理进行了阐述,并分别介绍了两种激光测距仪的工作流程以及数据处理流程,最后对两种激光测距仪的应用范围进行了阐述,并把两种激光测距技术和普通摄影测量进行了比较,指出了激光测距技术相对于普通摄影测量的优点,即高精度性、穿透性、实时性.     

机载激光测深系统测深误差源的研究

机载激光测深系统将成为21世纪精细测绘海底地形和探测水下目标的高新技术设备.本文论述了影响机载激光测深精度的附设误差和海水深度的测量误差两大误差源.     

北京地区时序InSAR对流层延迟校正方法研究

对流层延迟是合成孔径雷达干涉测量(InSAR)的一个重要误差源,如何正确估计并从干涉相位中分离出对流层延迟是获取高精度InSAR产品的重要步骤.针对上述问题,该文利用Sentinel-1数据,以北京地区为研究区域,采用相位高程比、GPS天顶延迟校正图、InSAR通用型大气改正在线服务(GACOS)和第五代欧洲中尺度天气预报再分析产品(ERA5)这4种模型或数据生成对流层延迟,对该地区2017年1月8日-2017年7月31日生成的干涉图进行校正,并分析了 4种手段的校正效果.结果表明,对单个干涉图来说,在山区相位高程比的校正效果最优,在平原地区GACOS和ERA5最优且相差不大;但对于形变的时间序列来说,GACOS与GPS的形变结果最为符合,且略优于ERA5;相位高程比虽然能显著降低标准差,但不能明显改善时序结果;GPS-ZTD方法受制于空间分辨率,较其他方法改正效果略差.     

时序InSAR技术应用于高压输电线路附近的地表形变灾害防控

2020年6月12日,广州从化区的高压输电线路森从甲线,发生暴雨内涝应急事故,多处杆塔区域地质发生塌方、内涝。本文利用小基线集（SBAS）技术,基于Sentinel-1A数据,反演获得高压输电线路附近区域的2020年1月至6月累积地表形变量,研究强降水对山体地表形变产生的影响。综合分析监测结果表明,该区域在2020年上半年期间大部分均趋于平稳,部分丘陵地区在外界条件作用及土壤含水量高的影响下,呈现出不稳定的持续沉降趋势,在强降雨季地表沉降速率会明显增长,最大沉降量超过-55.3 mm。亚热带季风气候带来的季节性强降雨和人类频繁的建设活动,使得山体滑坡、塌方、内涝等自然灾害极易发生,对区域环境稳定和安全、区域发展和经济增长造成负面影响。     

遥感技术在川藏铁路车站选址中的应用

川藏铁路拟选康定车站地处高山峡谷区,地形高差大,地质环境复杂,车站选址难度极大。为研究该铁路关键节点车站选址问题,本文充分运用高分辨率遥感技术,辅以热红外、InSAR等遥感新技术,对拟选车站选址区的活动断裂、不良地质等重大工程地质问题进行了详细判释和综合分析,遴选出三道桥设站为最优方案,可以为拟选车站选址及该段方案稳定提供重要依据,并指导工程地质调绘和勘探工作。结果表明:该方法效果良好,对于类似复杂艰险山区车站选址工作具有参考价值。     

机载LiDAR系统在水库地形测绘中的应用研究

水库、山地、矿区等复杂环境的地形测绘已实现由传统测绘向机载LiDAR、倾斜摄影、遥感技术等新型测量方式转变,能在短时间、大范围内高效地完成目标区域内的测绘任务,机载LiDAR系统能快速获取高精度的3D点云与匹配的影像数据,生成高精度的DOM、DEM、DLG与3D模型.本文通过机载LiDAR系统在水库地形测绘中的应用实例,介绍和总结了生产技术流程,验证了地形图产品精度,提供了在水库中应用的范例,为高效地测量复杂地形提供标准化流程.     

基于机载LiDAR数据的广西困难地区高精度DEM生产研究

数字高程模型(DEM)利用有限的地形高程数据实现对地表形态的数字化模拟,是测绘部门数据生产的重要内容.当前DEM生产主要采用交互式数字摄影测量方式,不仅需要投入大量人力,极为依赖经验,同时生产效率也较为低下.近年来兴起的机载激光雷达(LiDAR)技术为DEM获取提供了一种新的途径.本文以广西植被茂密区和陡石山区的点云数据为例,研究在广西困难地区应用机载LiDAR技术进行高精度DEM生产的可行性,并利用同区域的数字广西地貌成果对所生产的DEM进行精度验证.结果表明,应用机载LiDAR数据进行DEM生产不仅将植被茂密区的生产效率提升了25％,陡石山区的生产效率提升了7倍以上,同时数据精度能够满足1:10000 DEM的要求,在广西传统DEM生产困难地区具有极大的优势.     

不同机载LiDAR点云滤波算法对比分析

针对目前各种机载点云滤波算法缺乏详细对比的问题,分别从定性和定量两方面对常用的3种滤波算法进行了对比分析,得出了滤波误差最小的滤波方法,以及各滤波算法对不同地形数据的适应情况.利用国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的标准滤波数据进行实验.结果表明,6组实验数据中,布料模拟滤波算法的总误差都是最小的;对于平坦地形数据,布料模拟滤波算法最合适,对于地形起伏的复杂地形数据,布料模拟滤波算法和渐进三角网滤波算法总误差值接近,但后者的滤波时间更短.     

机载LiDAR建筑物点云渐进提取算法

针对机载LiDAR建筑物点云提取过程中易受植被的影响的问题,本文提出了一种机载LiDAR建筑物点云的渐进提取算法。首先通过布料模拟滤波算法对地面点云与非地面点云进行区分,在此基础上利用最大类间方差法算法（Otsu）对非地面点云进行阈值分割,提取初始建筑物点云;然后根据点云的连通性对初始建筑物点云进行密度聚类分割（DBSCAN）,剔除离群噪声点;最后通过Alpha Shape算法实现建筑物点云的边缘提取。本文选取ISPRS官网提供的3组典型城区LiDAR点云数据进行试验,试验结果表明,本文算法可达到较好的建筑物点云提取效果。     

基于改进RANSAC算法的复杂建筑物屋顶点云分割

屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义。针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法。算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效,从有效邻域中选取标准差值最小的3个点为初始模型。利用RANSAC算法对屋顶点云进行分割。利用K近邻算法统计误分类点与面片的距离降低误分类,优化过分割面片并进行连通性分析,利用距离及法向量一致性检验的方法重分配非平面内点。为验证本文算法有效性,选取芬兰Helsinki地区的3栋相互独立的复杂建筑物屋顶以及上海某小区的6栋建筑物群屋顶作为实验数据。在2组数据中,本文提出的改进RANSAC算法分割屋顶面片的平均准确率分别为92.17%、87.82%,78%的建筑物屋顶不存在过分割。在第2组数据中,所有分割面片上的点与其对应的最佳拟合平面的距离的标准差的平均值为0.030 m。实验结果表明,本文算法分割建筑物屋顶面片的准确率较高,较好的抑制了过分割现象,且抗噪能力强。