LiDAR与航空影像的融合分类与精度分析

为了弥补单一数据源在地物分类时的不足,提出将机载激光扫描(LiDAR)数据与航空影像融合进行地物分类的思想,实现基于面向对象和单像元的复杂城区多级地物分类.将真彩色航空影像与机载激光扫描距离影像融合,采用光谱特征和空间特征将影像分割成若干同质区域;利用多源数据产生的各种信息建立分类规则并实现基于面向对象的地物分类,将植被信息和高差信息与分类结果叠加,实现基于单像元的分类结果纠正,然后再以对象内包含的建筑物直线段数量为约束条件对分类结果中的建筑物进行三级精化分类.实验表明该方法能够有效地自动分离建筑物、树木、草地和道路,其中建筑物的制图精度和用户精度分别是92.53%和95.79%,整个区域的分类精度为89.62%,该方法在复杂城区可行有效.     

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。     

LiDAR技术在超高压电力巡线中的应用

通过与传统电力巡线方法进行对比,介绍了LiDAR技术在超高压电力巡线中的应用,以及采用LiDAR技术进行电力巡线所能解决的问题.     

美国迈阿密地区更新世鲕粒滩发育特征及控制因素

通过对迈阿密鲕粒滩与现代鲕粒滩的类比,将高分辨率的卫星激光雷达绘图与露头信息结合起来,可视化了迈阿密鲕粒滩的整体形态以及其中的沉积特征,潮汐通道的分布直接影响鲕粒滩的形态,迈阿密鲕粒滩的形成与潮汐作用有密不可分的联系;在迈阿密鲕粒滩中的沉积相主要发育交错层理的鲕粒相和生物潜穴型泥质鲕粒灰岩相,其中可见羽状交错层理以及大量的生物遗迹化石,证实迈阿密鲕粒滩的形成受到潮汐作用的影响;迈阿密鲕粒滩经历了胶结作用和溶蚀作用等多种成岩作用,其中胶结作用会破坏其孔渗性,而在溶蚀作用的影响下会增加其孔渗性。在对迈阿密鲕粒滩中的典型露头进行了实地考察后,进一步确认了迈阿密鲕粒滩是受到潮汐作用而形成的现代鲕粒滩。     

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。     

城区机载激光雷达点云数据与航空影像的多尺度配准方法

提出了一种激光雷达(LiDAR)点云数据和航空影像的多尺度配准方法. 该方法采用渐进式的配准策略,利用面形态学的方法构建尺度空间. 配准过程分为两部分:在大尺度下利用面片特征进行配准;在小尺度下利用直线特征进行配准. 渐进式的配准策略简化搜索匹配的直线特征的过程,提高了自动化程度,构建基于面形态学的尺度空间提高了配准元的提取精度. 最后,通过实验验证了方法的可行性.      

基于点云图卷积神经网络的3D目标检测

随着激光雷达传感器的快速发展,目标检测算法从传统的2D检测快速转向3D检测。然而,激光雷达产生的点云是不规则和非结构化的数据,传统的卷积神经网络无法对其进行处理。基于此提出了一种新颖的图卷积神经网络,能够更好地利用数据的几何关系和拓扑结构直接从点云中学习特征以进行3D目标检测。首先将原始激光雷达点云数据进行下采样,再进行固定半径邻域图的构建,随后设计了一个新型的图卷积神经网络对点云进行编码来预测图中每个顶点所属对象的类别和形状。为提升检测准确度,网络中加入了一种校准机制来减少特征在不同维度变化时引入的平移误差,此外还引入了注意力机制,以使用权重来进一步强化输出的顶点特征。在 KITTI 数据集上进行实验,实验结果表明,此方法能够有效对3D目标进行检测。对比其他多种检测算法,此方法在检测准确度上具有一定的优势。     

基于树冠体素特征的森林机载-地基激光点云无控配准

高精度森林机载-地基点云配准能够极大提高点云数据完整性，为森林生态参数反演提供良好的数据支撑。针对森林环境特征稀疏下的机载-地基点云配准问题，提出了一种基于树冠体素特征的机载-地基激光点云数据无控配准方法。通过包围盒位置方向初始化、树高-频数的树冠点云滤波、树冠点云体素化、基于滑动模板匹配的特征提取以及旋转矩阵求解等步骤实现机载-地基点云配准。通过不同森林结构复杂度的4组数据对所提出的方法进行了实验验证，获得的平均距离差异分别为0.245m、0.238m、0.184m以及0.020m。与最近邻迭代法、人工配准及二者组合方法这3种方法进行对比实验，结果表明，本文提出的无控配准方法在精度和稳定性上均优于这3种方法。     

结合星载激光和多光谱影像的城市树种分类

城市树木种类是影响城市森林固碳能力和维持生态系统稳定的重要因素,但城市树木空间分布广泛、所处环境复杂,目前缺少适用的树种分类模型,因此尝试将星载激光引入树种分类。综合考虑植被冠层结构、水平光谱与空间环境特征,并通过特征空间分析定量度量各参数贡献以构建最优特征集合,最后利用支持向量机（SVM）算法建立结合星载激光与光学影像的城市树种分类模型。上海市内4个代表性区域树种分类实验结果表明,所构建的融合模型准确性较高,Kappa系数达到0.82,总体分类精度为87.04%。星载激光能够在城市树种分类中发挥重要作用,其表征的植被三维结构特征与空间环境特征一同对城市树种分类做出了突出贡献。     

基于曲率统计的LiDAR点云二次滤波方法

针对传统偏度平衡方法滤波结果中存在低矮植被、建筑物侧面墙脚等非地面点云问题,在传统偏度平衡方法的点云一次滤波算法的基础上,提出一种基于曲率统计的点云二次滤波方法。对该方法进行试验,并将试验结果与传统偏度平衡方法滤波结果进行对比分析。结果表明:基于曲率统计的点云二次滤波方法比传统偏度平衡法能够多滤除83%的植被点云、5%的建筑物点云,能够有效地滤除传统偏度平衡方法滤波结果中的低矮植被、建筑物侧面墙脚等非地面点云。