基于地面激光雷达技术点云的北川县城震害建筑物提取研究

北川县城在汶川地震后变成一片废墟。以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。按照LiDAR点云数据建筑物的属性进行特征插值分解,通过分析震害建筑物在不同特征上的表现,构建适合于LiDAR点云震害建筑物提取的特征规则集。基于地面LiDAR数据提取北川地震遗址震害建筑物信息。结果表明:震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为遥感震害评估增添新的可用数据源。     

基于地面LiDAR点云的北川县城震害建筑物提取研究

北川县城在汶川地震后变成一片废墟,本文以北川县城扫描获取的地面激光雷达数据为实验数据,在介绍地面LiDAR点云基本特征、面向对象方法思路的基础上,将面向对象方法引入到地面LiDAR点云建筑物提取中,从而实现了震害建筑物的自动提取。通过对比分析插值生成的特征的不同,构建适合于LiDAR点云震害建筑物提取的特征规则集,基于面向对象方法对北川地震遗址地面LiDAR数据进行震害建筑物识别,对结果进行分析,震害建筑物提取总体精度达92.3%,Kappa系数为0.873,提取精度满足地震遥感应急评估的需求,为震害评估增添新的可用遥感数据源。     

高精度IMU车载激光测量系统在高速公路改扩建中的应用

针对车载移动激光测量系统的特点和高速公路改扩建数据精度的要求,本文对高精度IMU车载移动激光测量系统在高速公路改扩建中的应用进行分析,通过对车载激光测量系统中的关键器件IMU的原理和特性进行分析,阐述了车载移动激光测量系统在高速公路改扩建项目中彩色激光点云数据获取与联合解算的技术方法,并通过工程实践验证了该方法的精度。     

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.     

基于车载激光扫描数据的城市地物三维重建研究

车载激光扫描系统可以精确、快速获取城市建筑物、道路交通设施、隧道等地物的表面信息,非常适用于城市物体三维空间信息的快速精确获取和在此基础上的三维重建.然而点云不是GIS数据,也不是三维模型,要将大量离散的点处理为可使用的三维模型还需要一系列复杂的过程,现阶段针对车载激光点云三维重建的方法还主要依赖于人工交互或半自动化处理,而且没有针对整个城市地物的三维重建方法.针对这一问题,本文仅提供一种基于地物分类的车载激光点云三维重建的方法,数据基础是已分类的彩色点云,重点是充分利用各类地物的特性,对不同地物使用不同的三维建模策略,以首都师范大学自主研制的车载激光扫描系统获取的三亚市点云数据为实验对象,验证了本文提出方法的可行性与实用性.     

浅谈利用机载LiDAR点云数据制作DEM

简述了LiDAR点云数据的分类过程,以及利用精确分类后的地面点云数据制作DEM的方法,并分析了该方法的优越性。     

基于机载小光斑LiDAR数据插值的亚热带森林丘陵地形的误差分析

以激光雷达(LiDAR)地面点云数据为数据源,将北亚热带天然次生林下的丘陵地形作为研究对象,分析了6种常用局部插值方法生成DEM的全局误差及其与地形因子、地面插值点密度和地表植被状况的相互关系,并借助随机森林方法进行插值误差不确定性制图。研究表明:各插值表面的预测值总体偏低,其最佳输出空间分辨率为2 m; 其中以自然邻近法插值生成的数字地形精度最高且可视化效果最好,而张力样条法的精度最低; 全局误差随坡度增大而逐渐提升,随地面插值点密度提高逐渐降低; 幼龄和中龄天然次生林所在区域地形插值的误差较大而成熟林的误差最大,灌木区全局误差不高但误差变异较大。同时,以LiDAR提取的植被参数与地形插值误差表现了较好的相关性,而归一化植被指数(NDVI)与误差之间的相关不明显,这表明以LiDAR数据提取植被参数在NDVI易饱和地区也可以较好地反映地形插值精度。     

带色彩地面激光雷达点云数据的匀光匀色方法

目前许多地面激光雷达(light detection and ranging,LiDAR)能够获取带有目标色彩信息的点云数据,利用这些数据,可以实现点云模型的精细纹理快速、自动化的生成.但因异站点云数据存在颜色差异,生成的纹理可视化效果并不理想.针对这一问题,根据色彩分量表达与空间坐标的相似性,提出了一种基于色彩坐标转换的点云匀光匀色方法.实验结果表明,异站点云颜色差异得到了较好的修正,生成的纹理效果佳.该方法不仅可用于地面LiDAR数据,对于其他来源的具有颜色信息的地面LiDAR点云数据也可据此进行带色彩点云数据的匀光匀色并生成精细纹理.     

基于LiDAR数据的DSM和DEM制作研究

激光扫描雷达(LiDAR)作为一种高效的地形数据获取系统,可快速获取大面积、高精度的三维坐标点云数据。该文设计了利用LiDAR系统快速生成DOM的技术方法,通过对LiDAR获取的激光点云进行滤波和分类处理,并利用其生成的DEM,结合光学影像数据,快速生成数字正射影像产品。试验表明,采用LiDAR数据和数字影像相结合的方式生成正射影像图自动化程度高、生产周期短,能够满足快速正射影像图制作的要求。     

非一致性稀疏采样的LiDAR点云压缩方法

针对自动驾驶车载LiDAR点云,提出一种基于形态学分割和非一致性稀疏采样的点云有损压缩框架.将LiDAR点云分割为地面和非地面点云两部分,对两者进行不同强度的去冗余稀疏采样;然后将3D数据转换为2D形式的距离图像,并结合占据图和Morton排序,将点云表示为更加紧凑的1维距离向量形式;最后利用图像编码方法进一步压缩点云.实验结果表明,本文方法压缩性能明显优于现有算法,可达到更高的重建质量.     

三维激光扫描地形数据获取处理

利用三维激光扫描测量技术测得的点云数据获取数字地面模型的关键之处在于将地面点与非地面点进行分离。提出了一种基于高程直方图进行多阈值分割的方法。首先对点云进行离散化,然后进行多阈值分割分层,再对各层中的地面点进行连通,最后利用趋势面拟合法再次对各层地面点进行滤波,最终即可获取纯净的地面点。经试验验证,该方法有效可行。     

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。     

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。     

基于面特征和SIFT特征的LiDAR点云与航空影像配准

针对LiDAR数据与航空影像融合中的配准问题,提出一种将面特征与点特征相结合的配准方法,首先由LiDAR点云生成深度影像,对深度影像和航空影像提取面特征,在此基础上采用SIFT算子提取点特征,完成LiDAR点云与航空影像的配准。文中方法采取了由面特征到SIFT特征的配准策略,减少了面特征配准的数据量和SIFT算法的计算量。从ISPRS提供的数据集中选取了3组数据进行实验,实验结果表明该方法能有效减少SIFT算子的特征描述符的数量,减少寻找正确匹配点的时间,在保证配准精度的情况下提高配准的效率,适用于城市地区等包含大量面特征地区的LiDAR点云与航空影像配准。     

基于无人机点云数据的露天采场矿车提取方法

针对在基于无人机点云数据进行露天采场验收测量过程中,由于矿车点集的存在导致验收精度降低的关键问题,提出了一种露天采场矿车点集自动提取方法.以哑巴岭露天采场无人机点云为数据源,首先利用渐进式形态学滤波算法分割出地面点与非地面点,然后通过改进的欧氏聚类算法对非地面点中的矿车点集进行聚类提取,最后基于国际摄影测量和遥感学会(ISPRS)提出的误差评判标准对矿车提取结果进行评估分析.分析结果表明,该方法可以有效提取露天采场中的矿车点集,为实现露天采场快速高效验收提供了重要的技术支持.     

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。     

一种基于CSF-WOA-LSSVM的匹配点云土石方量计算方法

土石方量的获取在各工程项目中占据着重要地位,为了提高无人机倾斜摄影测量技术在土石方量计算中的工作效率、成果精度,提出一种基于CSF-WOA-LSSVM的匹配点云土石方量计算方法。该方法首先通过CSF滤波对匹配点云进行地面点提取,可有效剔除噪声点和非地面点;然后利用LSSVM插值法对滤波后的地面点空洞进行插值修复,并引入WOA对LSSVM插值模型中的正则化参数和核函数参数进行优化;最后将插值修复完成的地面点导入南方CASS软件进行土石方量计算。应用该方法与CSF-LSSVM法、CSF-Kriging法以及RTK土石方量实测数据进行对比分析,结果表明,该方法的准确性优于其他2种滤波插值方法,相较于RTK土石方量实测结果,差值比为1.38%,完全符合土石方量计算的规范要求,并提高了工作效率。