基于最小二乘法的LiDAR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,LiDAR)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.     

基于摆动式单波束探测的微地形高程数据平滑算法研究

在摆动式超声单波束探测水下微地形中,高程数据的随机误差不可避免地影响地形绘制质量及未测地形预测精度.结合摆动式单波束探测特点,提出了一种改进型中值滤波算法,即根据背向超声波的地形坡面无法被探测的特点,首次引入地形坡度变化小于的经验准则确定跃变点最小间隔,再利用最小间隔判断测点是否为跃变点.在实际应用中,利用6条测线的高程数据,由标准中值滤波与改进型中值滤波进行比较.结果表明:改进型中值滤波算法能更好地保护地形特征点.     

基于最小二乘拟合LiDAR点云滤波改进算法

针对传统的使用单一拟合法滤波的不足,提出组合曲面拟合滤波方法。通过引入虚拟网格点方法,改进数据预处理方法,在剔除掉粗差点云后,选用较为准确的多面函数拟合,更好的表达地形起伏细节,逼近真实地形表面,进行二次滤波。实例证明与ISPR公布的经典滤波算法相比,该组合最小二乘拟合的点云滤波效果较好,可用于生成准确的DEM。     

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。     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。     

利用改进最小二乘法优化的Kriging综合模型

为解决地形起伏较大区域GPS高程拟合技术中模型单一、精度不高的问题,采用理论分析与实验验证的方法,将移动曲面法与Kriging法相结合组成综合模型,分析变异函数的影响因素,研究了利用改进最小二乘法确定变异函数的Kriging综合模型.研究结果表明:改进最小二乘方法拟合得到的变异函数曲线可靠性高,更符合实测数据规律,基于改进最小二乘法的综合模型能够获得高精度的高程拟合值.     

抗差估计在多波束测深异常值探测中的应用

针对传统最小二乘趋势面滤波法在多波束测深异常值探测过程中存在的不足,提出一种基于抗差估计的选权迭代趋势面拟合滤波法,利用等价权将抗差估计理论与最小二乘趋势面拟合有机结合起来,以趋势面拟合系数求解模型作为判别异常值的迭代推值模型,介绍了多波束测深异常数据探测及滤波的基本步骤,结合仿真和实测数据采用不同滤波方案进行分析比对.研究结果表明:经选权迭代趋势面拟合法滤波后的海底地形表面较为平滑,同时微小地形得以保留,跳点以及孤立点得到剔除,滤波效果较为理想.     

一种改进的自适应阈值分块曲面滤波方法

针对传统的分块曲面滤波算法使用固定阈值进行滤波时造成的误分现象,提出了一种改进的自适应阈值分块曲面滤波算法.首先采用高斯滤波以及K-D树(K-dimensional树)滤波对异常点云进行剔除;然后利用网格法对点云进行逐级分块,并以曲面拟合的方式自动获取块域种子点,降低种子区域过大造成的滤波影响,从而建立了顾及块域面积及块域内最大高差两个因素的滤波阈值自适应模型.利用3组不同的数据对传统算法与改进算法进行滤波对比试验,结果表明改进方法不仅解决了人工选取种子点带来的问题,还能有效降低两类误差,充分验证了改进算法的可靠性.     

利用蜂群算法优化的区域高程拟合精度分析

针对最小二乘支持向量机拟合法的拟合参数难以选取的问题,提出将人工蜂群算法引入最小二乘支持向量机建立高精度区域拟合模型的方法。人工蜂群算法可对最小二乘支持向量机中的参数进行全局性追踪搜索,模仿蜜蜂的采蜜过程,将参数的初选值作为蜜源,最小二乘支持向量机预测的平均平方误差作为目标函数,在一定范围内经过迭代更新确定最佳参数,最终建立精度较高的全球定位系统(GPS)高程拟合模型。实验结果表明,相比常规最小二乘支持向量机拟合法,ABC-LSSVM组合方法构建的拟合模型精度提高了28%,在此同时,该组合方法比BP神经网络拟合法的收敛效果更高、稳定性更佳,证明了ABC-LSSVM组合方法在GPS高程拟合模型构建中的有效可行性,为GPS高程拟合模型的建立提供一定的参考价值。     

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.     

稳健加权整体最小二乘法在GPS高程拟合中的应用

由于GPS测量技术获取的大地高与国家采用的正常高之间存在高程异常的问题,为此,通常采用高程拟合的方式进行高程异常的计算,从而将大地高转换为正常高。针对采用加权整体最小二乘法估计GPS高程拟合中的多项式系数时,并没有考虑到观测数据中可能存在粗差的情况。采用稳健加权整体最小二乘法求解GPS高程平面拟合参数,并与最小二乘法、加权整体最小二乘法和稳健最小二乘法的结果进行对比,结果表明稳健加权整体最小二乘法的平面拟合结果最优。     

一种改进的最大一致性点云几何基元拟合算法

基于MCMD_Z(maximum consistency with minimum distance and robust Z-score)算法思想,提出了一种稳健的且适用于平面、二次曲面(球、圆柱、圆锥)基元高精度拟合算法.算法依据距离和最小准则,从含有粗差的点集中选取最佳点子集拟合可靠模型初值,并采用稳健Z分数方法循环剔除粗差;对剔除粗差后的保留点集采用加权最小二乘迭代方法拟合.实验表明,对粗差含量较高的点云数据,该算法均能有效剔除粗差、拟合出高精度的几何基元.     

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。     

最小二乘滤波算法在目标跟踪中的性能比较

目标跟踪就是对目标在每个时刻的状态作实时精确的估计。根据目标在运动过程中具有轨迹连续性的特点,采用最小二乘滤波在观测数据的基础上对目标的状态进行了估计。论文对完全最小二乘滤波算法和递推增广最小二乘算法在目标跟踪的应用作了研究,通过仿真实验并对算法的跟踪性能进行了分析。结果表明:递推增广最小二乘算法的性能优于完全最小二乘滤波算法的性能。     

基于林地激光点云的树木胸径自动提取方法

提出了一种基于随机RANSAC模型的树木胸径自动提取算法。首先,采用布料模拟滤波（CSF）算法对林地点云数据进行滤波,获取树木、地面数据与数字地面模型（DEM）并提取树木胸径处点云,然后进行欧式距离聚类,最后基于随机random sample consensus（RANSAC）模型拟合树木模型,实现自动化的树木胸径提取。使用上海市青浦区某区域两林区样地的地面激光点云数据对该算法进行验证,与实际人工测量树木胸径的平均偏差分别为0.79cm和0.52cm。实验对比结果表明,该算法在精度与时间性能上均优于基于Hough变换的算法与基于最小二乘的算法。     

车载雷达点云的结构化道路边界提取方法

为了提高结构化道路边界检测的准确性与鲁棒性,结合非参数变点统计方法,提出了一种基于32线激光雷达三维点云的道路边界提取算法。基于结构化道路区域和非道路区域存在一定高程跳变特征,该算法利用非参数变点统计,对激光雷达扫描的道路环境三维点云数据中突变的z坐标值进行标记,并提取对应的候选道路边界点(x,y)。利用道路边界方向的最大期望(EM)聚类算法,对候选道路边界点进行聚类去噪。利用最小二乘法拟合道路边界,在不同光照条件下的校园结构化直、弯道路环境进行实车实验,统计直道1 030帧数据和弯道650帧数据。仿真结果表明:算法识别准确性较高且检测距离达18 m,耗时约28 ms,可满足智能车实时性要求。     

基于弧段组合的直接最小二乘椭圆拟合

为使直接最小二乘椭圆拟合算法适用于图像中多椭圆的检测,提出了对参与拟合的边点数据按所属椭圆进行分组、以弧段组合代替离散边点作为直接最小二乘椭圆拟合数据的方法.实验结果表明该方法能够有效减少椭圆检测无关的边点,为各个椭圆的拟合提供合理的分组数据,从而准确、有效地实现图像中多椭圆的检测.     

一种平面域中三维散乱点的曲面重构方法

针对已知一般平面域的一些三维散乱点数据,提出采用最小二乘法原理求出拟合曲面的系数,根据误差的需求利用切比雪夫逼近原理对拟合系数进行修正的方法,对三维散乱点数据进行拟合,并以叶片为例,利用CAD软件对拟合数据进行曲面重构.实验数据证明,该方法有效地提高了对三维散乱点的处理速度和拟合精度,在复杂曲面表示、加工等领域有广泛应用.     

基于车载激光点云的道路几何信息自动化提取

为了高效地进行道路设施信息采集与数字化建模，利用车载激光点云数据构建了一种自动化提取道路几何信息的方法框架。针对激光数据的无序性和冗余性，通过网格降采样和半径滤波精简点云规模、去除噪音点；通过栅格单元划分进行点云组织和索引，合理利用点云的空间局部性、缩减运算规模；利用道路要素在高程上的层次性与路面结构的连续性、光滑性，设计了高程滤波、基于主成分分析框架的局部法向量滤波、DBSCAN聚类等方法，实现从原始点云到路面点云的精确分割；利用采集车辆的行驶轨迹信息获取道路走向，利用其方向向量与法向量进行道路横截面的划分；切取横截面后投影至二维平面，并通过滑动窗口、最小二乘等算法提取道路宽度与平纵横参数。通过提取算法与人工测量的结果对比，在复杂街区和郊区公路两个实验数据集，点云分割准确性均超过87%，完整性均超过97%，提取质量均超过86%，几何信息的平均相对误差较小，说明算法具有良好的提取质量。有限算力条件下，两个数据集中点云处理时间分别是6.864与10.078 s/km，几何信息提取时间分别是1.732和0.843 s/km。提出的方法能够很好的兼顾提取效率与精度，在复杂街区和郊区公路环境下...     

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.