机载激光雷达数据滤波和人工编辑

高精度的DTM/DEM是获取基础地理信息数据进行建筑物重建、道路提取、植被分析的重要数据源。机载LiDAR系统的主要任务之一就是解决如何得到高质量的DTM的问题。文中针对机载LiDAR数据滤波和滤波后人工编辑展开研究。由于任何一种滤波算法,都有一定的局限性,从实际应用的角度来说,人工编辑仍然起着重要的作用,因此,研究重点围绕滤波后的人工编辑展开,旨在探求工程应用中高效、快速、准确的DTM获取途径,为工程实践提供技术支持。     

不同点密度下复杂山区轻型机载LiDAR数据DEM构建

点云的点密度是决定DEM数据构建的关键因素。本文以云南华坪县永兴乡某复杂山地为研究区,采用随机采样算法对点云进行抽稀,获取点云保留率10%～90%共9组数据,并分别进行DEM数据建模及其精度评定。结果表明,点云保留率与DEM精度呈正相关关系,当点云保留率小于30%时,RMSE快速增大,DEM精度误差增大;当点云保留率设置为60%时,RMSE最小,DEM精度最高。该研究对大型机载LiDAR项目中的点云数据存储与使用具有一定的指导与借鉴意义。     

利用TIN和高程梯度进行高程点抽稀

为了解决系列比例尺地形图缩编过程中高程点的抽稀问题,考虑到高程点分布的密度和地形起伏等因素,基于高程点构建了TIN,再结合平均高程面、高程梯度和局部高程最值点,对高程点进行了筛选抽稀。     

植被符号抽稀方法研究与应用

植被符号抽稀是大比例尺地形图缩编的一项内容。人工重新配置植被符号的时间成本大、符号分布不均匀;而已知软件处理效果尚不理想,后期修改工作量大。通过分析人工与软件抽稀植被符号的实例,结合现行规范,提出了一种植被符号抽稀的新方法:基于植被图斑边界,利用品字图案填充的方式实现植被符号抽稀。建立植被图斑边界或通过计算重构植被图斑是抽稀方法的基础环节。     

应用机载激光雷达数据制作DEM的方法探讨

通过对机载激光雷达数据的分析、点云处理、DEM处理,探讨应用机载激光雷达数据制作DEM的方法,并通过实例介绍应用机载激光雷达数据制作DEM的生产流程。     

机载激光雷达数据的地物分类方法及处理方式

机载激光雷达技术衍生于传统的工程测量中的激光测距技术,是传统雷达技术与现代激光技术结合的产物,是遥感测量领域的一门新兴技术。随着机载激光雷达数据的不断发展,其在基础测绘、城市三位建模、铁路、电力等领域有着越来越广泛的应用,然而机载激光雷达数据刚扫描完的数据全部存放到一个点云层,不利于后期数据的分析、应用。因此,本文以处理吉林省白城市激光点云数据的方式为例,介绍了机载激光雷达点云数据的处理方式及地物分类的原则。     

CAD矢量曲线抽稀的算法和实现

主要介绍对于AutoCAD的图形曲线进行抽稀处理的一种方法,并详细阐述了该使用程序快捷有效的实现算法。     

顾及地形特征的LiDAR点云数据抽稀算法

针对现有的LiDAR点云数据抽稀算法存在无法有效保留地形特征点或地形分类精度不高等问题,文章提出一种顾及地形特征的点云数据抽稀算法:利用点云中的局部极值点与点云边界点作为种子点构建不规则三角网(TIN);利用一定原则逐渐选取非种子点中的地形特征点加密TIN;然后采用一种临近三角面的平面测试策略剔除三角网中可能存在的冗余点,得到最终结果。测试结果表明:该算法在保证地形精度的前提下,能够有效地减少冗余点数量;同时,为了提高算法的实用性,该文通过大量试验给出了算法中所需参数的最优配置。     

机载激光雷达的优势与发展

基于机载激光雷达技术在测绘行业应用的特点和优势,对机载激光雷达的优点进行介绍,对其发展趋势进行总结,并展望了应用前景。     

Douglas-Peucker算法在多波束测深数据抽稀中的应用

讨论了Douglas-Poiker算法的数学原理,仿真实现了同一抽稀阈值、不同变化海底以及不同抽稀阈值条件下,基于ping的Douglas-Poiker法的多波束测深数据抽稀。通过对抽稀结果的分析,得出了该方法在多波束测深数据抽稀应用中的有效性和适用性。     

顾及城区机载LiDAR数据特征的配准算法

条带配准是点云数据处理的一个重要环节.文章介绍了经典ICP配准算法的基本原理;考虑到城区机载LiDAR数据中地物的组成、空间分布等特征,提出了一种ICP算法中对应点集的选择策略,并建立了城区机载LiDAR数据的自动配准流程.利用河南安阳试验场的真实点云数据进行配准实验,结果表明在不需要人工干预的情况下,可以很好地将条带数据拼接在一起,建立无缝点云数据.     

机载LiDAR数据的多回波信息分析及滤波方案

本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,这既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

机载LiDAR数据的多回波信息分析及应用研究

本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。     

机载激光雷达数据中电力线的快速提取

针对当前机载LiDAR技术在电力巡线应用中对电力线数字模型高精度和快速重建的需求,该文提出一种高效的电力线点云分类方法。首先基于局部范围点的高程统计直方图,实现电力线点的快速粗提取;然后运用随机抽样一致性算法剔除残留的电塔点,结合点云高程统计进一步剔除绝缘子点,实现电力线点的精提取;最后利用同一垂直面内电力线点的高程分布特性,实现单根电力线点的快速提取。基于实际输电线路机载LiDAR数据的实验结果表明,该方法可实现电力线点的快速、高精度提取:粗分类后的电力线点中仅含约10%的非电力线点;精分类后约有2%的电力线点被误分为绝缘子点,最终各条电力线点的提取比率平均为98%以上。     

改进的OPTA算法在遥感影像细化中的应用

在分析和研究快速细化算法和OPTA细化算法基础上,针对快速细化算法细化不彻底和OPTA算法模板设计的缺点提出了对OPTA细化算法的改进,设计了新的细化算法模板。经过实验证明改进的OPTA细化算法能够满足细化的基本要求,既保证了细化结果线条的单像素宽,又保持了原有图像线条的连通性,同时线条细节特征没有丢失,使细化结果得到了较大改善。     

城区机载LiDAR数据与航空影像的自动配准

为解决机载LiDAR数据与航空影像集成应用中二者的配准问题,提出了一种机载LiDAR数据与航空影像配准的方法。首先,直接在LiDAR点云中提取建筑物3维轮廓线,通过将轮廓线规则化得到由两条相互垂直的直线段组成的建筑物角特征,并在航空影像上提取直线特征;然后,根据影像初始外方位元素将建筑物角特征投影到航空影像上,并采用一定的相似性测度在影像上寻找同名的影像角特征;最后,将角特征的角点当作控制点,利用传统的摄影测量光束法区域网平差解求影像新的外方位元素。解算过程中采用循环迭代策略。本方法的主要特点是,直接从LiDAR点云中提取线特征,避免了常规方法从距离图(或强度图)中提取线特征所产生的内插误差。通过与现有基于点云强度图的配准方法的对比实验表明,在低精度初始外方位元素的辅助下,本文方法能够达到较高的配准精度。     

机载LiDAR点云密度对DEM精度的影响

机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度＞30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。     

机载LiDAR数据大区域城墙自动提取

针对传统测量耗时耗力且难以获取古城墙精确侧面信息的缺点,该文提出将LiDAR技术应用于古城墙数字存档工作。提出基于城墙断面的"横向探测—纵向探测"城墙顶部和侧面点云提取算法,以及"城墙待选区提取—断面格网构建—顶部侧面点云提取"技术方案,有效地克服城墙特殊的空间形态和复杂的点云结构所带来的点云分割困难,实现大区域机载LiDAR数据城墙点云自动提取,解决了利用机载LiDAR进行古城墙数字存档的关键技术问题。基于南京明城墙的实验结果表明,该算法对于大区域古城墙提取切实可行有效。     

自适应移动盒子的机载LiDAR点云去噪算法

针对现有LiDAR点云去噪算法难以实现自适应的问题,该文提出了基于空间盒子结构的自适应移动盒子去噪算法。基于经验模型建立盒子自适应准则,较好规避了现有算法的去噪阈值确定问题;采用聚类分析实现噪声点与有效点的精确标示。基于不同类型噪声的点云数据实验结果表明:与现有去噪算法相比,基于自适应移动盒子的去噪算法具有更好的适应性和去噪效果。