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。     

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。     

基于TanDEM-X和ERS数据的InSAR提取DEM的实验研究

以天山地区为研究区域,利用干涉合成孔径雷达干涉测量技术(In SAR)分别对Tan DEM-X和ERS获取的数据进行干涉处理生成数字高程模型(DEM),结合SRTM DEM和我国1∶5万数字高程模型标准,对所获取的DEM的精度进行比较和分析.结果显示,由于实验区域地形复杂、高程变化剧烈且植被茂密,2组数据生成的DEM与SRTM DEM之间的整体差值偏大,标准差分别为11.55 m和16.74 m,但Tan DEM-X数据获取的DEM精度更高.结果表明,在地形复杂区域Tan DEM-X数据能够监测到C波段数据所不能监测到的细节,其生成DEM的结果较ERS数据具有明显优势.     

基于数学形态学的机载LiDAR采煤区沉陷信息提取

由于采煤沉陷过程复杂和地表地形影响,机载LiDAR在采煤区沉陷监测中不可避免地存在噪声数据,高密度LiDAR点云中存在的噪声容易导致提取的沉陷等值线出现锯齿、毛边和多边形碎屑等问题。将数学形态学算法格网初始值的判定方式进行改进,传统数学形态学算法选择格网内最低点高程作为格网值,改进算法对格网内所有高程值进行平面拟合,将拟合值作为格网初始值。在采煤沉陷信息提取过程,增加对地面点云的改进数学形态学算法处理,降低噪声数据对地面DEM的影响,提高沉陷DEM精度和沉陷等值线完整度,试验对比分析确定算法最优参数(格网大小为3.5 m,结构元素尺寸为3 m)。最后,采用该方法对研究区数据进行处理,获取研究区沉陷DEM,并进行数据分析挖掘,获取地表下沉范围、下沉等值线、下沉面积等。结果表明：改进算法既保证原始的地形特征和精度,又可消除沉陷等值线中出现的噪声问题,为开采沉陷预计及采后环境评估提供支撑。     

复杂地形下最小起伏度直线选址研究

地形的起伏度是反映地形起伏的宏观地形因子,是描述区域地形地貌变化的地形指标,在区域性研究中,应用DEM数据提取地形起伏度能够快速、直观地反映地形的起伏特征。利用地形起伏度来进行最小起伏度的直线路径选址具有重要的理论和实践意义。本文以四川丹巴地区的DEM数据和TM数据为实验数据,应用Hough变换和从DEM提取地形起伏度的基本算法,通过对比分析,确定该地区起伏度最小的地形剖面。通过对实验结果的对比分析证明,该方法是一种有效的方法。     

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。     

长江中下游河道岸滩低空机载LiDAR点云地形滤波算法

探索新兴的低空机载Li DAR技术,解决长江中下游植被高覆盖、高遮挡区岸滩地形测绘难题。提出一种针对多层次、高密度植被覆盖区的低空机载Li DAR点云植被滤波算法,该算法通过多回波分析对点云进行粗滤波后,采用数学形态学运算获取地面种子点,对地形局部进行趋势面拟合,再通过随机采样一致性检测,剔除植被点,保留地面点,从而获取测区的数字高程模型(DEM)。典型测区试验表明,该滤波算法能解决长江中下游河道岸滩地区地形起伏较大、植被高覆盖区域植被点云智能化剥离难题。根据测区实际情况,设计针对性的滤波算法,即使是植被与地面点云高度混淆、激光穿透率低于15%的复杂情形,仍能有效分离出地面和非地面点。     

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.     

不受DEM空间分辨率影响的地形指数计算

为了减小数字高程模型(DEM)分辨率对地形指数计算的影响,开发了一种不受DEM空间分辨率影响的地形指数计算方法.选取汉江上游褒河流域作为研究区域,通过引入分辨率因子考虑DEM空间分辨率对单宽上坡集水面积的影响,应用分形方法处理DEM空间尺度对地形坡度的影响,将该算法应用到褒河流域DEM数据的计算中.结果表明:此法可以成功地由低分辨率的DEM数据获得与目标高分辨率精度相仿的地形指数分布,能在一定程度上消除DEM空间分辨率对地形指数计算的影响,因而对无资料地区的水文预报有着十分重要的现实意义.     

DEM快速构建及地形裁剪算法的研究

提出了一种快速构建DEM的算法。它先产生一个包含插值点在内的内插三角形，然后利用此三角形来内插插值点高程；为提高算法对复杂地形的适应能力，利用离散点及地性线对地形进行描述，并保证生成的三角形不跨越地性线。其次，提出了一种基于DEM的对三维地面进行裁剪的分治方法，该方法利用DEM数据生成一个规则的三角网并将裁剪边界插入到三角网中重新构建三角网，通过删除裁剪边界内的三角形来达到对地形裁剪的目的。     

基于delaunay三角网的三维地形可视化仿真

针对在三维地形处理领域中存在的地形数据冗余,可视化处理效率不高,真实感效果不强的问题,提出一种基于delaunay三角网的三维地形生成技术及可视化仿真处理的方法。该方法将DEM数据转化为TIN数据,然后用改进的delaunay算法将TIN数据生成三角网来模拟地形。最后经过纹理映射,光照及渲染,生成具有真实感的三维地形。同时给出了运用VC＋＋和OpenGL实现的三维真实感地形可视化仿真软件。仿真试验表明：该方法能快速的处理地形高程数据,得到了直观的真实感较强的三维地形模型。     

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。     

一种基于规则网格的地形简化算法

为了进一步研究层次细节技术在实时绘制大规模地形场景中的有效应用,提高海量数据三维地形的重建速度,基于DEM数据及视觉相关地形简化的特点,提出了一种基于网格划分的实时简化算法.该方法首先将DEM栅格数据分成以视点为中心的数据块,利用视觉相关的误差简化算法实现了DEM数据的快速动态分层与地形平滑,其次利用三角剖分方法最终消除了裂缝,对实际数据的实验结果验证了本算法的有效性.该算法能有效地对地形数据进行多分辨率简化,简化后的地形不仅保留了地形表面特征,还能满足实时漫游的需求,可以高效地消除场景漫游过程中图像的跳跃.     

基于曲率熵和高斯混合模型的DEM简化算法研究

针对现有数字高程模型(DEM,digital elevation model)简化算法对地形变化复杂区域的简化效果不够理想的问题,提出了一种基于高斯混合模型(GMM,Gaussian mixture model)和曲率熵的DEM精简算法。该算法首先根据DEM数据的高程信息对其进行聚类,将体现地形局部几何信息的熵与曲率相结合作为简化指标,针对不同的子类依据曲率熵的大小进行不同程度的精简。GMM聚类算法的引入能够保证各种地形数据在简化的过程中均得到一定程度上的保留,不会在平坦的区域简化过多的数据从而造成数据的不连续性。实验结果表明,与传统的简化算法相比,本文提出的算法具有高精度、数据空洞小、地形保持度高的特点,更加适合结构复杂、变化多样的地形。     

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。     

一种大区域洪水淹没范围快速提取的分块种子蔓延算法

快速、准确的获取洪水淹没范围是洪灾损失评估和防洪决策的核心环节.常规种子蔓延算法由于存在大量的递归运算,效率不高且无法处理大区域海量地形数据.针对上述问题,提出了一种大区域洪水淹没范围快速提取的分块种子蔓延算法,将研究区域分成预先设定大小的块,种子蔓延以块为单位进行组织处理,块的数量远小于原始DEM格网单元的数量.该算法有效解决了常规种子蔓延算法递归运算层次过深的问题,可实现大区域海量数据在给定淹没洪水水位条件下的淹没区快速提取.     

数字高程模型（DEM）误差分析的逼近论模型

通过对现有地面DEM各种不同观点的分析,阐明地面是多个单元曲面在复杂的地形结构线上拼接而成的确定表面;对把地面或其局部视为随机曲面的观点以及以随机误差概括DEM误差的流行观点和方法提出明确异议,并给出具体论据和分析.针对所有DEM生成方法均使用内插方法却大多避而不谈逼近理论和逼近误差的怪现象,分析了正确的地面现、数据观、逼近观三者之间互相依存的紧密关系.在此基础上,运用数值逼近理论量化地分析了DEM主要生产过程的误差及其作用机制,指出符合规范的测绘数据能在该分辨率上正确反映地形结构特征;给出了规范数据常用的线性、三角形上线性、双一次拟线性DEM内插方法的内插误差模型,以及偶然误差在该逼近函数下的传播模型,指出并证明了DEM最优线性内插模型及其卓越特性;运用这些模型解释了历史试验中若干引起困惑的问题.     

基于ArcGIS的三维地景动态生成方法

基于DEM数据和遥感影像结合实现三维地形可视化的技术,阐述了所用GIS数据的处理方法与过程,提出了一种实时动态生成小范围地区三维地景的轻量级算法。模拟了山西省太原市某点周围的三维地形景观,在此基础上探讨了ArcGlobe平台下优化显示性能的几个措施,最后指出这种算法的应用场合。     

基于空地协同采样的植被覆盖度随机森林估算方法

基于无人机高光谱影像, 建立地形复杂地区植被覆盖度的非参数随机森林回归估算模型。为获得构建随机森林模型所需的足够数量的训练样本, 利用低空无人机搭载的光学相机, 在从地面难以到达的山地、水域和植被茂密区, 通过垂直拍摄获得厘米分辨率的航拍影像, 作为对地面样方采样的补充。首先计算地面数码相机照片和无人机可见光影像的红绿蓝植被指数(red-green-blue vegetation index, RGBVI), 然后使用大津分割法提取样方的植被覆盖信息, 得到构建模型所需的训练样本。在此基础上, 基于2018年8月16—18日在内蒙古自治区察右中旗油娄沟矿区获取的GaiaSky-mini2无人机高光谱影像数据, 利用递归特征消除算法优选参与随机森林回归的特征变量集, 利用空地协同获取的训练样本构建植被覆盖度的随机森林回归估算模型。该模型在测试集上的确定系数R2为0.923, 均方根误差为0.087, 优于常用的像元二分模型, 可用于矿区植被动态信息的精细化监测。     

基于城市框架数据的三维城市DEM生成方法

随着“数字城市”建设的不断深化,城市三维景观建设逐渐成为当前研究的热点,而数字高程模型DEM（Digital Elevation Model）作为三维城市模型的基础地形,是城市三维建设中不可缺少的部分。利用城市框架数据构建DEM的方法可以在符合地表实际起伏的情况下,使地面上模型更加贴合地表,更好地增加三维城市DEM的表现效果。其方法是把散点的高程信息与道路等关键城市框架的平面信息相结合,充分利用现有地形数据,快速生成DEM,具有成本低、速度快、易更新的特点。