针对广西地形激光LiDAR点云滤波处理的研究及应用

机载LiDAR能够快速获取精确的高分辨率数字地面模型以及地面物体的三维坐标,是一种DEM数据快速生产的重要手段,在地球空间信息科学等领域具有广阔的发展前景和应用需求。然而在中国广西地区,由于地形地貌存在大量陡峭石山,地形破碎,以及部分地区植被十分茂密等特点,导致LiDAR数据的常规滤波算法将丢失大量地面点,增加人工编辑工作量,最终造成DEM生产质量不高。本文所提出的三个LiDAR点云数据精细化处理改进算法能够较好地识别这些特殊地形,采取一定的调整算法和处理,对陡石山进行重分类;对水体、断壁边界添加断裂线;对茂密植被区重新模拟地面,基本能大致修复丢失的地表,具有较强的实用性,也较大程度地提高了作业效率,尤其适合广西植被覆盖高、地形破碎、山地占比高的地区。     

基于多尺度网格的点云自适应坡度滤波算法

文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法。首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属性,然后利用地形计算因子求得每个网格的坡度分类阈值,再按网格尺度由大到小的方式对整体点云进行坡度滤波,得出真实的地面点云数据。文中采用了多种地形的光探测和测距(Light Detection and Ranging,LiDAR)(简称"激光雷达")数据来验证该算法,结果表明,该算法能够有效去除地面上的植被、建筑物等地物点,保留真实的地面点云数据。该算法重点解决了在伴随地形变化时坡度滤波阈值的计算和自适应设置问题,以及在地形变化剧烈的边缘地带过度滤波的问题。     

高密度机载LiDAR数据中确定树冠覆盖方法

针对混交林植被参数提取相对纯林植被参数提取传统方法的局限性,提出一种从单棵树木的三维形状特征出发来确定树冠覆盖轮廓的方法.提出单棵树冠三维形状的模型假设,利用模型生成模拟点云数据进行试验,模拟结果直观展示出所提出方法的有效性;使用机载扫描的高密度混交林Li DAR点云数据进行实验.研究结果表明:该方法能对树冠覆盖范围有较准确的确定,为今后精细化的森林测绘和环境评估提供了技术上的参考.     

机载LiDAR点云数据平面特征提取

为从大量的Li DAR点云中分离出建筑物点类,获得平面特征,借鉴传统的Hough变换思想,提出一种提取机载Li DAR点云数据平面特征的方法,综合采用三维空间中Hough变换以及区域增长算法从点云数据中提取特征平面信息.研究结果表明:通过该方法可有效的提取出点云数据中的平面特征,建筑物的平面特征被检测出来之后,有助于完成建筑物的自动建模.     

泥石流沟谷地形的机载激光雷达点云滤波算法对比

为探究不同滤波算法对泥石流沟谷复杂地形机载激光雷达点云数据处理的普适性,选取昆明市东川区大白泥河沟作为研究区,采用改进的渐进加密三角网滤波(IPTDF)、布料模拟滤波(CSF)、基于坡度的滤波(SBF)3种常用滤波算法对研究区内的15个样本机载激光雷达点云数据进行滤波试验,结合国际摄影测量和遥感学会提出的交叉表评价体系对滤波的结果进行量化分析,探究坡度、植被覆盖度两类因素与滤波精度之间的关系.结果表明,当地形平坦、坡度较小时(样本1、 2、6、 7、 10), IPTDF、 SBF和CSF算法的平均总误差分别为8.73%、 8.81%、 8.90%,数值上十分接近, 3种算法都能达到分类地面点的目的,当地形复杂,坡度较大时(样本5、 8、 9、 12、 14), IPTDF、 SBF和CSF算法的平均总误差分别为13.4%、 36.4%、 30.2%, CSF与SBF算法在地形复杂的陡壁区域精度较低, IPTDF算法平均总误差远低于其他两种算法,能够很好地适应泥石流沟谷的复杂地形地貌特征;研究区内坡度和植被覆盖度呈显著正相关,坡度和植被覆盖度对CSF和SBF的误差影响较为明显,各算法Ⅰ...     

一种推扫式光子计数激光雷达点云滤波算法及其验证

提出一种用于推扫式光子计数激光雷达点云滤波方法。定义了一种线性径向基函数,利用这种基函数可以计算密度点密度值;基于此实现了一种粗滤波和精去噪结合的点云滤波算法,经过两个步骤的滤波之后能够对诸如植被等分层地物进行精细滤波。使用NASA的机载激光雷达MABEL的实际飞行数据对这种滤波算法进行了验证,并与中值滤波算法的效果进行了对比。结果表明算法能有效滤除与地面非常接近的噪声点,适合低密度地物目标点云的滤波处理,能够很好保留细节,其中植被滤波精度90.26%,地面点滤波精度96.11%。     

适用于林区机载LiDAR点云的多分辨率层次插值滤波方法

针对现有机载激光雷达点云滤波算法在林区适用性不强的问题,提出一种基于多分辨率层次插值的林区LiDAR滤波方法。该方法首先借助形态学迭代开运算和稳健z-score方法获取大量地面种子点;然后从低层到高层滤波过程中,通过薄板样条函数构造地面参考面,并借助自适应坡度阈值选择地面点;最后将分类出的地面点更新地面参考面,层层迭代直至滤波结果收敛。以ISPRS提供的6组山区基准数据为研究对象,将新方法滤波结果与近5年提出的10种滤波算法比较表明:新方法滤波结果精度最高,平均总误差和Kappa系数分别为1.89%和87.88%。在实例分析中,以6个不同林区点云数据为研究对象,将新方法与形态滤波算法(MF)和渐近不规则三角网加密滤波算法(PTD)比较表明:新方法平均总误差为6.82%,而MF和PTD平均总误差分别为9.21%和8.49%;且前者获取的DEM精度优于后两种方法。     

基于无人机影像的露天矿工程量监测分析方法

提出了一种基于无人机影像序列的露天矿工程量(采剥量、堆放量等)计算方法.该方法利用旋翼无人机搭载低成本便携式数码摄像机获取露天矿山不同时间的视频帧或影像序列.基于运动恢复结构(Sf M)和多目立体视觉(PMVS)算法,自动生成矿山完整、致密的三维点云.研究设计了一种基于形态不变区的点云配准方法进行两期点云空间配准,并采用DTM三角网差值法计算矿山工程量.矿堆体积变化无人机监测实验结果表明,该方法重建点云模型的点间相对误差小于±1%,堆放体积变化监测精度接近92%,基本达到地面Li DAR扫描的堆放体积变化监测精度.     

基于最小二乘法的激光雷达数据滤波方法

最小二乘算法在"等权"的条件下进行,不具有先验知识,不适用地形复杂的区域。针对此问题,提出了一种改进的基于最小二乘的激光雷达(light detection and ranging,Li DAR)数据滤波方法。首先对离散点高程进行腐蚀操作,将得到的高程与原始高程相比,选取小于阈值条件的点作为种子点。其次根据腐蚀前后的高程差值赋予点不同的权重,利用最小二乘原理拟合这些种子点,计算所有点的拟合值与实际高程的差;特定阈值比较并将小于阈值的点加入种子点,迭代至地面点集不再变化。利用国际摄影测重与遥感学会(international society for photogrammetry and remote sensing,ISPRS)提供的数据进行实验,滤波总误差小于经典算法。实验结果表明算法能够较好的滤除地物,适用于地形复杂的区域。     

基于RANSAC模型的机载LiDAR数据中建筑轮廓提取算法

使用正交多项式分带滤波方法对机载LiDAR点云数据进行滤波处理,通过迭代不断剔除非地面高点数据,最终得到由贴近地面的数据拟合而成的正交多项式.通过设定高程阈值将数据分成地面部分与非地面部分.提出了一种基于随机抽样一致性(RANSAC)算法模型的建筑物面片识别和轮廓提取算法,实现在包含噪声的点云数据中快速准确地识别和提取建筑物轮廓.在实验中对长春市的机载LiDAR数据进行了滤波、建筑屋顶面及其轮廓的提取,验证了本文算法的较高效率和精度.     

窗口迭代的克里金法过滤机载LiDAR点云

 机载LiDAR点云处理的首要一步是过滤非地面点云而保留地面点云。根据LiDAR点云的高程值在空间分布的不规则性,一种窗口迭代的克里金法被用来过滤掉地物对象点。首先,通过点云的高程直方图滤除低位和高位的粗差点云。然后,以点云的平均点间距作为初始窗口大小,根据周围8邻域格网的高程值,使用克里金内插法拟合出中心格网的高程值;当拟合值与中心格网原始高程值之差大于设定的高差阈值时,中心格网内的点云就被归类为地物点,剩余未分类的点重新被内插成新的格网,窗口大小变为原来的2倍。随着窗口的不断增大,剩余的点被继续分类直到窗口达到最大为止。选取国际摄影测量与遥感协会(ISPRS)提供的15个样本数据测试这种算法,并与其他8种算法进行比对,结果发现窗口迭代的克里金法的I类误差和总误差较小,说明本算法在滤波方面具有一定的参考价值。     

机载扫描激光雷达点云形态分析滤波

研究多种地理形貌下,从激光雷达点云中识别地面点（滤波）并同时实现场景主要形态特征分析的方法. 首先采用伪栅格和混合插值技术保证点对点的快速索引和操作;然后在多尺度的开运算框架下,测量场景背景、对象尺度和方向分布,估计滤波参数,进行基于边缘统计的地面点识别;最后基于残余点和初始地面的局部关系进行地面点的二次识别. 实验采用国际遥感和摄影测量学会（ISPRS）的标准数据集,结果显示在多种地理形貌下的形态测量准确合理,平均滤波精度达到90%以上;尤其在植被和建筑混合的山坡场景中,效果改善明显.      

基于地面约束的滨岸湿地微地貌LiDAR检测研究

 应用激光雷达数据生产高精度的数字地面模型,可为滨岸环境的研究提供精细的微地貌数据。提出用地面特征约束斜率分割区域,对陆面点采用小角度多重迭代分割,提取沟槽特征的方法;设计了一个综合应用斜率分割、密度和反射强度分割、高度分割来提取水下地形、出露沙洲、有水沟槽地等地面特征的技术方案。以佛罗里达州西海岸Citrus County滨岸地带作为研究区域,根据滨岸湿地地面要素在激光雷达点云中的特征,将其划分为滩涂、沟槽、出露沙洲、浅水水下地形,建立了的微地貌地面模型。通过对地面的拟合度检验以及光学影像目视解译对比,证明所采用的分割方法与常规建模方法相比,能更有效的处理地面破碎和水域环境下的点云分割工作,提高了DEM建模精度。     

Segments-based progressive TIN densification filter for DTM generation from airborne LIDAR data

Airborne light detection and ranging (LIDAR) has revolutionized conventional methods for digital terrain models (DTMs) acquisition.Ground filtering for airborne LIDAR is one of the core steps taken to obtain a high quality DTM.This paper presents a segments-based progressive TIN (triangulated irregular network) densification (SPTD) filter that can automatically separate ground points from non-ground points.The SPTD method is composed of two key steps:point cloud segmentation and clustering by iterative judgement.The clustering method uses the dual distance to obtain a set of seed points as a coarse spatial clustering process.Then the rest of the valid point clouds are classified iteratively.Finally,the datasets provided by ISPRS are utilized to test the filtering performance.In comparison with the commercial software TerraSolid,the experimental results show that the SPTD method in this paper can avoid single threshold restrictions.The expected accuracy of ground point determination is capable of producing reliable DTMs in the discontinuous areas.     

复杂地形电力线机载激光雷达点云自动提取方法

针对传统电力线自动提取方法提取复杂地形下电力线效果较差的不足,从输电走廊机载激光雷达点云数据特征出发,在分析复杂地形下传统方法提取电力线问题的基础上,提出了一种电力线自动提取的新方法,并应用实际线路点云数据进行了可行性验证.所提方法首先通过空间划分将长距离、复杂地形转换为多个小距离尺度空间组合,基于子空间特征的差异化高程阈值分割算法实现地物点分离,解决了传统单一高程阈值分割法不能有效识别电力线与地物点高程重叠的不足,然后利用高程密度分割算法实现杆塔定位与电力线提取,并提高算法效率.案例试验结果表明,所提出的方法能实现复杂地形下和平坦地形下的电力线准确自动提取,且提取的正确率高,算法效率较好,提出的算法可用于工程.     

地形图辅助的建筑物地面和机载点云特征配准

机载和地面激光扫描数据配准的实质是坐标转换问题.以建筑物的立面为研究对象,基于地形图的建筑物线性特征,提出建筑物线-面特征约束的地面和机载点云数据配准方法,实现机载和地面点云数据的配准及其向地形图坐标系的转换.采用拟合方法,获取地面与机载点云、地形图的建筑物线性特征参数.依据特征之间的空间关系,建立特征参数与坐标转换模型的关系,分别实现地面与机载点云向地形图坐标系的水平转换.垂直转换则通过建筑物水平屋顶边缘的高程相对配准以及控制点处的高程绝对配准计算.以上海海洋水族馆点云为例进行实验验证,结果表明该方法可以实现地面和机载点云数据配准.     

基于几何特征与三维点云特征的道路边沿识别算法

针对目前典型道路边沿识别算法存在实时性与可靠性难以兼顾的问题,基于多线激光雷达,根据道路边沿的几何特征与三维点云特征,提出了一种权衡实时性与可靠性的道路边沿识别算法。依据多线激光雷达扫描获取的大量点云数据,基于RANSAC算法的地面分割方法,滤除了预设感兴趣区域内的地面数据点,然后将剩余的无序点进行有序栅格化投射处理,根据道路边沿区域的几何特征与点云分布特征进行匹配筛选,再融合RANSAC的最小二乘法,以完成道路边沿曲线的鲁棒拟合。实验表明,算法在直道和弯道场景识别准确率均大于95%,耗时均低于15 ms,具有良好的准确性和实时性。所提算法能有效识别道路边沿,可为智能车可行驶区域的识别及控制提供理论参考与方法依据。     

车载激光点云数据精度的提高方法

车载LiDAR系统是继机载LiDAR系统后的又一新型测绘方式,在数据采集和处理中有着自身独特的方法。以StreetMapper360系统采集的一段厦门环岛路数据为例,分析了车载LiDAR系统的主要误差来源,随后从激光点云的数据采集、GPS/IMU数据后处理、安装误差角检校与地面控制点调整4个方面讲述了改善车载激光点云数据精度的方法,最后用地面检查点验证了点云成果数据的精度。     

用Kinect定位平面上单一圆柱型物体

通过Kinect设备获取物体所在场景的3D点云图像,再用积分图像计算场景中点云的法向量,根据法向量Y方向分量与XOZ平面所成角度的正切阚值滤除放置物体的平面,同时利用坐标输出阏值的设定滤除其它背景点和噪点。随机采取物体点云图中任意法向量不同的两点,根据它们的法向量和坐标,用异面直线公垂线的计算方法得到圆柱体的中心轴。再用点到空间直线的距离公式计算圆柱型物体的半径。最后通过计算物体点云X,Y,Z方向坐标的取值范围,实现对物体的定位。使用采集的场景点云图对算法结构进行测试,结果表明,算法结构可以可靠提取放置物体的平面和平面上的圆柱形物体,可以为机器人抓取提供准确数据信息。