Waveform-based point cloud classification in land-cover identification

Full-waveform topographic LiDAR data provide more detailed information about objects along the path of a laser pulse than discrete-return (echo) topographic LiDAR data. Full-waveform topographic LiDAR data consist of a succession of cross-section profiles of landscapes and each waveform can be decomposed into a sum of echoes. The echo number reveals critical information in classifying land cover types. Most land covers contain one echo, whereas topographic LiDAR data in trees and roof edges contained multi-echo waveform features. To identify land-cover types, waveform-based classifier was integrated single-echo and multi-echo classifiers for point cloud classification.The experimental area was the Namasha district of Southern Taiwan, and the land-cover objects were categorized as roads, trees (canopy), grass (grass and crop), bare (bare ground), and buildings (buildings and roof edges). Waveform features were analyzed with respect to the single- and multi-echo laser-path samples, and the critical waveform features were selected according to the Bhattacharyya distance. Next, waveform-based classifiers were performed using support vector machine (SVM) with the local, spatial features of waveform topographic LiDAR information, and optical image information. Results showed that by using fused waveform and optical information, the waveform-based classifiers achieved the highest overall accuracy in identifying land-cover point clouds among the models, especially when compared to an echo-based classifier.     

云偏振遥感综述

云是指停留在大气层中的水滴或冰晶胶体的集合体,也是地球上庞大水循环产生的有形结果,在全球气候中扮演着重要的角色。偏振遥感对光的辐射强度、方向、相位以及偏振状态等波谱特性进行描述,丰富了观测信息量,提升了观测信息的维度。为了更好地了解偏振遥感云的优势,本文对国际上发射的POLDER、APS、DPC等标志性的偏振传感器的特征和云反演算法进展进行了总结,涉及到相关偏振载荷参数信息、云参量算法的介绍和产品等相关内容,并就经典偏振云参量算法做了详细的总结和评价。随着国际上后续偏振传感器快速增加,对未来偏振传感器的发展方向和相关算法进行了展望。     

基于三维声呐点云的河口水闸水下结构安全评估

河口水闸水下结构安全对于水闸工程、整个河道,以及周边居民地的安全具有重要意义。在低可视度的水体环境中,采用传统人工潜水探摸方式进行水下结构安全检测效率低下。为提高效率,三维扫描声呐逐步应用于相关水下结构的安全检测中。本文以BlueView BV5000型三维扫描声呐系统在苏州河河口水闸水下结构的实测数据为基础,经滤波、测站拼接等处理过程,利用所得三维声呐点云对该水闸的水下结构进行安全评估。采用人工探摸方式对评估结果进行验证,结果表明,三维扫描声呐在水下结构安全评估中具有优越性,可为后续运维保障提供数据基础。     

一种机载LiDAR数据漏洞检测方法

获取机载LiDAR数据时易受地形起伏、航摄高度、地物镜面反射等因素的影响,导致LiDAR数据出现漏洞,若对其不进行检测处理,将严重影响LiDAR数据的生产与应用。鉴于此,本文利用点云的位置与属性信息,基于等比例内缩和点云格网化算法,检测机载LiDAR数据中存在的漏洞区域,有效支撑了LiDAR数据的质量检测和补摄工作。试验结果表明,该方法检测到的漏洞区域完整、精确,等比例内缩算法与等值内缩算法相比,减弱了地形起伏对漏洞检测精度的影响,且更科学合理。     

铁路沿线地物参数化三维建模方法研究

提出了一种利用DOM和Li DAR点云数据的参数化建模方法,利用DOM分析地物的模型特征,通过Li DAR点云数据获取地物特征点坐标,采用特定的三角网连接方法构建出地物的三维模型,最后对模型进行贴图显示。这里所构建地物模型的方法不仅快速高效,而且自动化程度高,能够满足铁路三维GIS展示的要求;同时,由于是通过点云数据构建模型,在后期导入三维地形过程中能够大量减少安放地物模型工作。     

一种引入 RANSAC 算法的匹配点云规则化方法

针对影像匹配点云的大数据量和分布不规则化问题,本文提出了一种基于平均模型的RANSAC规则化方法。该方法首先对匹配点云进行格网化,然后以格网为基本单位,利用RANSAC方法重复随机抽取多个样本,根据高程平均模型和设定的判断条件得到最终一致集,最后基于该子集利用平均模型和最邻近原则完成该格网的规则化。对比实验证明,本文方法在保证数据精度的同时,大大提高了数据的简化度和可靠性。     

机载激光雷达数据的地物分类方法及处理方式

机载激光雷达技术衍生于传统的工程测量中的激光测距技术,是传统雷达技术与现代激光技术结合的产物,是遥感测量领域的一门新兴技术。随着机载激光雷达数据的不断发展,其在基础测绘、城市三位建模、铁路、电力等领域有着越来越广泛的应用,然而机载激光雷达数据刚扫描完的数据全部存放到一个点云层,不利于后期数据的分析、应用。因此,本文以处理吉林省白城市激光点云数据的方式为例,介绍了机载激光雷达点云数据的处理方式及地物分类的原则。     

基于LiDAR点云数据的可视域计算研究

当前GIS软件中通视分析建立在DEM数据基础上,而DEM中不含植被和建筑物信息,从而会造成通视分析误差。通过Li DAR点云数据获取高精度植被和建筑物高度,提出一种顾及地物的插值算法,生成同一网格大小的DEM与DSM,在其上分别进行通视域分析,并将分析结果进行对比,发现DEM比DSM更容易扩大视域范围,从而产生了分析误差,验证了利用DSM进行通视分析的可行性。     

地面点云数据快速重建建筑模型的分层方法

为了快速从地面激光扫描数据重建建筑物模型,避免数据处理中复杂的点云栅格化和面片分割,提出一种基于分层方法的建筑三维模型快速重建方法。利用直方图统计方法去除噪声,结合大多数建筑物自身特点,对点云数据进行分层并垂直投影至各层平均高度的平面,得到建筑物各层的边缘特征点,进而规则化,实现建筑物三维数字模型的快速重建。实验结果表明,方法可以快速提取建筑物边界点,简化传统点云数据在建筑物重建中的复杂过程和大量的数据处理运算,而且最终模型的精度可以得到保证,具有一定的普适性。     

徕卡ALS70机载激光扫描系统检校研究与应用

详细介绍了徕卡ALS70机载激光扫描系统的检校原理、检校厂布设原理以及检校方法,并以台安县作为检校场地进行检校实验,检校后,台安县120 km2的0.7 m点间距的点云数据精度完全符合我国相关技术要求规定,证明了该检校场地布设和检校方法是安全可靠的,是可以大范围地应用在点云数据检校生产当中。