融合无人机LiDAR与摄影测量的河道地形测绘方法

针对无人机摄影测量过程中植被穿透率低、无人机LiDAR(激光雷达)点云地物提取困难等问题,研究了一种融合无人机摄影测量与LiDAR的高精度河道地形测绘方法。该方法利用TerraSolid软件对LiDAR点云数据进行去噪与地形滤波处理,提取测区高精度DEM(数字高程模型),并通过LiDAR点云与DOM(数字正射影像)融合建立真彩色三维点云、与数码影像融合重建测区实景三维模型,实现地物的精准测绘。典型应用结果表明：该方法能有效发挥两种技术的互补优势,解决长江下游河道岸滩区域植被高密度覆盖的地貌测绘与建筑物复杂多样的地物测绘难题,数据采集与处理高效,产品直观、精细、多样化,精度可满足1∶1 000比例尺地形图测绘的要求。     

融合LiDAR点云和高分辨率影像的地物分类研究

LiDAR点云包含丰富的高程信息,而高分辨率航空影像则富含光谱信息。在分析两类数据特征优势的基础上,以模糊集为融合方法的理论基础,研究了一种结合LiDAR点云和高分辨率影像的分类方法。该方法首先通过航空影像获取模糊分类结果,然后引入LiDAR点云的高程信息,再进行模糊决策融合,重点改善了建筑物与其他地物之间的混分现象。实验结果表明,在LiDAR点云的辅助下,该方法能够有效改善光谱信息分类中出现的建筑物与裸地、道路、水体等地类之间的混分现象,明显提高了总体分类精度,为复杂城市区域提供了更为精确的地物分类结果。     

基于无人机载激光雷达数据的建筑物自动提取算法

针对机载LiDAR散乱点云数据量大、目标分类困难的问题,提出一种实现LiDAR点云数据中地面点云、植被点云和建筑物点云的全自动分类算法,并根据提取的建筑物点云数据自动提取建筑物轮廓和中心点坐标。具体理论算法为:首先基于渐进三角网的点云数据滤波算法分离出地面点云数据,然后根据植被点云法向量的各向异性采用模糊C均值聚类(FCM)方法分离植被点云和建筑物点云。对于分类后的建筑物点云,利用拓扑聚类的方法,对每个建筑物进行识别并提取轮廓和中心点。将该算法应用于栾川协心小流域的山洪灾害调查评价居民户建筑物位置和高程自动提取。应用案例表明:该方法提取速度快,提取精度较高,且适用于山丘区机载雷达数据建筑物提取和植被分类。     

低空机载LiDAR水面点云自适应分类算法研究

水陆点云分类是DTM生成、河流岸线提取等低空机载LiDAR应用领域面临的新问题,然而在岸滩等复杂扫描场景中,水陆点云的准确分类是一个公认的难题。在分析目前点云分类存在的缺陷基础上,提出了一种多元特征统计的自适应水陆LiDAR点云分类算法,该算法通过分析低空机载LiDAR水面点云的特点,针对性地设计了点云坡度、密度特征描述子;引入贝叶斯定理,建立了高程、坡度、密度隶属度函数;通过水、陆独立样本的t检验,确定隶属度函数的自适应权重;最终得到一个多元特征统计的分类模型,并基于训练样本的概率密度统计,确定了模型的自适应分类阈值。典型应用实例表明,在存在岸滩、内陆平地等复杂地形条件下,新算法都能达到99%以上的水陆点云分类精度。     

基于PTD和改进曲面拟合的高山区水电工程机载激光雷达点云滤波方法

针对高山区水电工程区域地形起伏大、植被茂密且存在部分建筑物,在提取这些区域地形时机载LiDAR点云滤波方法存在精度不高的问题,提出了一种综合点云回波特性、渐进三角网加密(PTD)算法、改进的曲面拟合算法和地面点精细化处理的山地点云滤波方法。该方法在对机载激光雷达(LiDAR)点云数据去噪的基础上,先利用植被点云的回波特性去除部分植被点,再使用PTD算法进行两次迭代计算获取部分地面点集合,然后将得到的部分地面点集合作为改进的曲面拟合算法的种子点进行格网区域化的曲面拟合来获取原始点云数据中的地面点,最后通过点云的精细化处理去除地面点中夹杂的低矮植被点,以此获得最终的地面点集合。选取DJI-M600搭载HS-600的机载LiDAR测量系统实测数据进行试验,并将提出的滤波方法与PTD算法、曲面拟合滤波算法、区域生长滤波算法和形态学滤波算法进行横向对比,通过点云误分率对滤波方法进行评价。结果表明,与其他4种方法相比,基于PTD和改进曲面拟合的滤波算法的第Ⅰ类误差、第Ⅱ类误差和总误差的最大减小幅度分别为6.25%、1.82%和2.93%,更适用于高山区水电工程机载LiDAR点云数据的滤波处理。     

基于LiDAR技术的单个建筑物信息提取研究

利用机载激光雷达测量（LiDAR）等先进的遥测技术辅助进行洪水灾害的预警、评估和灾后重建是目前水利研究的热点。首先介绍了建筑物信息提取的主要方法,提出了基于机载LiDAR技术对单个建筑物信息进行提取的方法。利用LiDAR点云得到nDSM,并借助ArcGIS软件获取建筑的高度和面积信息,并对如何提高精度进行了分析和评价。结果表明,该方法能够满足精度要求,对于建筑物洪水灾害评估有重要的意义。     

机载LiDAR在山区型河道地形测绘中的适用性研究

河道地形是河流保护与利用的基础支撑资料,采用传统手段测绘山区河道地形具有作业风险高、难度大、效率低等不足,采用航测手段则具有高程精度低、植被覆盖地面信息无法获取等不足。机载LiDAR具有较强的植被穿透性,结合影像与激光的优势,可以很好解决以往山区河道地形作业方式的不足。与其他作业区域相比,地形坡度、植被覆盖度会影响机载LiDAR在山区河道地形测绘中的作业精度。为研究机载LiDAR在山区型河道地形测绘中的适用性,首次提出了按地形类别、地表覆盖物对典型山区河段进行机载LiDAR植被穿透性、作业精度研究。研究结果表明:(1)机载LiDAR获取影像平面精度优于点云,可充分结合影像平面精度高、激光点云高程精度高及丰富地表信息表达方式的优势;(2)机载LiDAR具有良好的植被穿透性;(3)点云高程精度受地形坡度、植被覆盖率影响,坡度越大、植被越密集,精度越低;(4)点云等高线由不经抽稀的点云生成,等高线精度与点云精度接近;(5)机载LiDAR在在山区型河道地形测绘具有较好的适用性。     

基于特征差异的机载LiDAR侵蚀沟点云分割方法

为克服数字高程模型(Digital Elevation Model, DEM)提取侵蚀沟特征的局限性,提出一种基于机载激光雷达(Light Detection and Ranging,LiDAR)点云的不同尺度下的表面特征差异侵蚀沟点云分割方法。该方法首先对侵蚀沟点云进行特征分析,在对点云预处理的基础上,基于不同尺度获取点云表面特征差异,再结合曲率阈值方法分割得到初始侵蚀沟,最后基于聚类分析得到侵蚀沟点云。试验结果表明,该方法能够精确地从机载LiDAR点云中分割得到侵蚀沟,为侵蚀沟的定量评价提供了一种新思路。     

无人机影像密集点云中目标层次提取研究

从点云中提取出不同地物目标对象是开展地理空间分析及应用的基础。文章以无人机影像及匹配点云为研究对象,详细阐述了影像密集点云生成算法与流程、多尺度形态学地面点云提取方法。在此基础上,结合目标几何、剖面特征实现了对建筑物及植被信息的提取。项目实践验证了层次目标提取方法的有效性,可服务于水利工程等领域中的专业化和大众化空间应用。     

基于多源数据的半监督分层土地利用分类

随着遥感技术的发展,遥感数据的光谱、空间分辨率得到很大程度的提高,但是对于仅依靠单一数据源的土地利用分类仍然存在很多问题。提出了一种融合LiDAR数据和高分辨率航空影像的土地利用半监督分层分类方法,即首先仅对LiDAR数据进行粗分类;其次根据LiDAR分类结果辅助选择训练样本并获取高程掩膜,采用最大似然法对航空影像进行中分类;在细分类层次中利用LiDAR数据建立判别规则,对LiDAR粗分类结果与影像中分类结果进行基于知识的交叉验证,以进一步提高分类精度。通过两个不同区域的数据验证了半监督分层分类方法的可行性。     

激光点云中电力线的提取和建模方法研究

当利用LiDAR激光点云进行电力线路危险点检测时,需要对电力线进行建模。为此提出了一种在激光点云中提取电力线并建模的算法。该算法首先利用激光雷达回波信息和电力线在三维空间中的线性特征,过滤掉大部分非电力线的点,然后在点云的XY平面内利用霍夫变换提取最长且相互平行的线性地物作为电力线,连接因数据遮蔽而造成的段线,并利用线的交点和沿线小网格内高程变化特征找出杆塔位置,最后在电力线断面内对多根电力线进行分割,分别计算悬链线模型。基于云南某500 kV线路实际数据的实验表明,该方法自动化程度高,电力线提取和建模准确度高。针对进一步提高该算法的通用性和自动化程度,提出了下一步的研究方向。     

一种航空影像密集匹配点云的迭代中值滤波算法

为有效解决基于航空影像密集匹配生成的点云中含有大量的冗余点和噪声信息,影响表面模型(DSM)的质量和后续数字正射影像(DOM)生成效果的问题,提出了一种航空影像密集匹配点云的迭代中值滤波算法。通过引入邻域法向量求和的思想定义空间圆柱体,并以此作为点云剔除的约束准则,判断空间圆柱体内是否需要获取中值点,并结合距离统计分析的方法剔除少量离群点,迭代直至相邻两次输出点云数量差异少于设定阈值。采用具有重叠区域的两类点云数据进行对比实验,结果表明:提出的方法能够有效剔除摄影测量密集匹配点云的噪声,对于存在厚度的冗余点云进行光顺平滑,能够保留完整的边缘特征。     

基于红黑树与K-D树的LiDAR数据组织管理

LiDAR点云是由海量的激光离散脚点组成的三维点集,在平面以及垂直方向上均分布有数量不均的离散点。LiDAR点云离散点相互之间缺乏空间拓扑关系,所以建立适当的数据组织结构对LiDAR点云进行组织是对LiDAR点云进行处理的基础。根据LiDAR点云的数据结构特点,利用红黑树与K-D树建立一种“非空”规则立方体格网和K-D树相结合的双层次数据结构,用于LiDAR点云的组织管理,从而降低结构冗余和提高索引效率。     

三星堆月亮湾城墙遗址覆土方量计算

利用三维激光扫描技术获取三星堆月亮湾城墙遗址区高精度三维激光点云,实现了任意边界挖填方量的精确计算。采用IDL编制了海量激光点云存储与管理软件LIDARVIEW,应用海量激光点云网格分块技术和动态四叉树空间索引方法实现了海量激光点云数据的存储与管理。提出基于网格分块的地表植被和建筑物的自动过滤技术,建立三星堆月亮湾城墙遗址现状地表的DEM模型。结合三星堆月亮湾城墙遗址的覆土设计方案,得到月亮湾城墙遗址覆土后地表DEM数据和覆土四周边界数据。最后利用覆土前后地表的DEM数据,对三星堆月亮湾城墙遗址覆土方量进行计算。工程实例表明,该方法可以快速、高效地解决复杂工程的挖填方的方量计算。     

机载激光雷达数据处理质量控制与解决方案探讨

随着机载激光雷达技术的迅速发展,其数据处理已经成为整个生产过程的一个重要环节。文章就激光雷达数据处理过程中的GPS差分解算、坐标转换、点云数据分类、影像连接点、最终产品等的质量控制与解决方案进行分析和探讨。