机载Lidar数据快速滤波方法

机载Lidar是可以快速获取数字表面模型(Digital Terrain Model,DTM)的一种遥感技术。它能够快速获取大范围地面精确的三维坐标,得到高密度的点云。为了从点云数据中提取地形信息,必须对地面点和非地面点进行分类,称之为滤波。现有算法不适合用于处理大规模数据。本文提出一种快速滤波方法,实验结果表明该方法能够快速准确地提取地形点。与现有的滤波方法相比较,其最大的特点是将二维滤波问题简化为一维滤波,滤波速度快。     

复杂城市环境的机载Lidar点云滤波

提出了一种新的Lidar点云滤波算法。该算法能对复杂的城市地貌进行滤波,无需事先进行三角网格化或栅格化,依靠点间的拓扑关系直接对原始点云进行滤波。实验结果表明,该滤波方法能有效保留地形特征,且不受房屋形状和大小的影响。     

复杂城市环境的机载Lidar点云滤波(英文)

A novel filtering algorithm for Lidar point clouds is presented, which can work well for complex cityscapes. Its main features are filtering based on raw Lidar point clouds without previous triangulation or rasterization. 3D topological relations among points are used to search edge points at the top of discontinuities, which are key information to recognize the bare earth points and building points. Experiment results show that the proposed algorithm can preserve discontinuous features in the bare earth and has no impact of size and shape of buildings.     

机载小光斑全波形LiDAR数据处理及应用

采用高斯数学模型,对机载小光斑全波形LiDAR数据进行波形分解、拟合和校正等处理,提取出每个波形信号的距离、振幅和波宽等参数信息,并对其进行成图和简单分类研究,这些成果可为数据的进一步深入应用提供科学依据.     

基于机载Lidar数据辅助的林地信息提取

利用机载Lidar数据进行了林地信息提取,并对提取结果进行了矢量化处理,结合高分辨率航空RGB影像进行进一步林地信息快速分类.通过对比,可以看出分类精度得到了显著的提升,解决了单一RGB高分影像分类困难的问题,为Lidar数据的进一步研究提供了新的思路与方法.     

用多种策略从机载Lidar数据中提取建筑脚点

设计了一种采用多种策略的建筑脚点提取方法,针对建筑脚点提取中的两个关键步骤———数据分类和建筑脚点分割,分别提出和引入了邻近关系和r半径点密度,从仅反映单次反射的DSM数据中,直接提取出建筑表面点。     

基于新型机载多角度传感器AMTIS的LAI反演

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(LAI)反演实验研究,并用实地LAI数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。     

机载LiDAR全波形数据分解的研究与应用

近年来,新兴机载全波形Li DAR技术在摄影测量与遥感领域受到广泛关注。其相比传统机载Li DAR的优势在于它对后向散射回波信息进行了完整的数字化记录。波形分解是波形数据处理的重要环节,通过波形分解不仅仅可以得到高质量的三维点云产品,还能够提高DEM的生成精度并辅助点云的精确分类,随着研究的不断深入,全波形数据将在更多领域发挥更大的实用效益。     

基于TM数据的植被覆盖度反演

本文首先对TM影像进行了几何纠正、辐射校正、大气校正;然后根据混合像元的结构特征,利用TM数据从植被指数(NDVI)中采用“等密度模型”和“非密度模型”提取了宜昌南部地区的植被覆盖度。在用“非密度模型”反演植被覆盖度的过程中,叶面积指数(LAI)是一个必要的参数,本文提出了一种改进的借助可见光波段和近红外波段反射值来提取叶面积指数(LAI)的方法。通过和MODIS数据反演结果比较表明:“非密度模型”的估算精度要高于“等密度模型”;利用“等密度模型”和“非密度模型”反演植被覆盖度是可行。     

机载激光雷达波形数据横向高斯分解方法

针对机载激光雷达波形数据分解易受噪声影响,高斯组分个数及叠加波初始参数估计不精确等问题,提出了一种横向高斯波形分解方法。该方法首先对波形进行滤波平滑处理,剔除背景噪声后,将检测到的波峰划分为不同的类型,分别估计其初始参数;然后横向逐步迭代分解估计初始高斯分量,在去除无效的初始高斯分量后,利用列文伯格-马夸尔特（Levenberg-Marquardt）算法进一步优化参数;最后解算得到分解点云。实验结果表明,该方法能有效地检测各种类型的回波信号,对叠加波形具有良好的适应性,并能在一定程度上保护弱波。相比系统点云,本文方法解算的点云在数量和细节上更具有优势,反映了更加丰富的地物垂直结构信息以及在森林参数获取方面的应用潜力。     

基于LiDAR数据的城市道路提取与重建

本文借助于GIS强大的空间数据管理和分析功能,以Lidar点云数据为数据源,对交通信息系统基础空间数据进行快速采集和更新。文章并且在前人工作的基础上,提出了一种新的基于四维Hough变换的Lidar数据的提取和分类方法,对提取的道路信息进行重构。实践证明,此方法较之传统Lidar数据分类和提取方法,能够有效地解决其计算量过大、噪声过于敏感、道路边缘方向不平行等问题,实现道路的自动提取。     

大光斑波形数据在土地覆盖分类的适用性分析

针对GLAS地学激光测高系统是冰、云和陆地高程卫星(ICESat)的唯一监测工具,能够记录地表光斑内的地物信息,是否能应用于黄土高原土地覆盖分类的问题进行了研究。利用粒子群和最小二乘法相结合的方法对GLAS波形数据进行高斯分解,获取高斯波个数、波形总能量、波形信号起始和信号结束位置4个波形参数;基于波形自动分类方法对黄土高原水体、森林、城市用地、其他地类(裸地、低矮植被等)进行分类。通过基于覆盖相同研究区域的30 m地表覆盖数据(Globe Land30),验证分类的准确性。结果表明,GLAS大光斑波形数据对黄土高原的4种地类能够很好地进行区分,总分类精度高达87.68%,Kappa系数为65.79%。研究表明,GLAS波形数据可以作为获取土地覆盖信息的有效数据源,为研究黄土高原土地覆盖变化提供更丰富的数据支持。     

利用端元光谱内插的青海植被覆盖度估算研究

针对利用像元二分模型估算植被覆盖度的精度不高的问题,该文基于OSAVI,提出了选定模型参数(OSAVIs和OSAVIv)的方法,并将该方法应用于青海省植被覆盖度估算。该方法通过高分辨率影像在研究区内选取纯裸地和纯植被样点,并将纯裸地样点的OSAVI作为纯裸地样点像元的OSAVIs,将纯植被样点的OSAVI作为纯植被样点像元的OSAVIv,利用样点像元的OSAVIs和OSAVIv值,通过普通克里金内插法,求得研究区每个像元对应的OSAVIs和OSAVIv。经精度验证结果表明:此方法较常规的参数选取方法,RMSE由0.170降至0.156,MAE由0.137降至0.124。经进一步分析表明,此方法对边缘验证点和非边缘验证点的估算精度都有所提高,由于配准误差和周围地表漫反射的影响,边缘验证点的估算精度低于对非边缘验证点的估算精度。     

基于多源空间数据与空地协同的植被覆盖度估算——以东亚干草草原为例

植被覆盖度是植物生长状态的综合体现,是研究全球变化与植被变化的重要指标。本文基于多源空间数据和地面数据的协同,估算了东亚干草草原木本和草本覆盖度。估算结果表明,多源数据和地面测量数据相融合的方法提高了估算精度;模型对木本覆盖度的估算更稳健;估算结果改善了对草原地区木本覆盖的低估。估算模型有效地反映了草原低矮分散的木本植物,为分析草原大尺度植被覆盖度的格局和动态提供了参考。     

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。     

基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法

点云滤波是机载LiDAR数据后处理的基础工作,本文提出一种基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法。该方法采用类似影像金字塔的方式构建不同尺度即不同分辨率的虚拟网格,各级网格都以每个方格内最低点作为地面种子点,然后根据坡度阈值以分辨率由低到高的方式逐层对种子点进行平滑处理,最后以最高分辨率即最小尺度虚拟网格地面种子点作为基准种子点对整个数据集进行滤波处理。本文分别采用城区与郊区两块机载LiDAR数据进行了实验。实验表明,该方法能够有效地提取出地面点,运算效率也比较高,具有一定的实用价值。     

机载激光雷达数据简化算法的研究

机载LIDAR数据量庞大,其中包含了大量的冗余信息,这些信息占用了大量的存储空间,给LIDAR数据的应用和传输带来不便。本文针对此,提出了距离—梯度简化算法,试验结果表明,该算法能很好控制点云的简化程度,最大限度地删除点云中的冗余信息,自适应地保留地形特征信息,从而为点云的可视化、网络传输及其应用提供参考。     

机载LiDAR点云获取与高精度DEM建设关键技术探讨

结合广东省机载LiDAR点云获取与高精度DEM建设项目,介绍了项目总体技术路线,针对项目难点,从设备选择、点云密度设计、植被覆盖密集山区数据获取方法、点云数据分类组合算法、空白区处理等5个方面的关键技术进行了探讨,并提出解决方案,为同类项目的设计与实施提供参考。     

南方丘陵区植被覆盖度遥感估算的地形效应评估

植被覆盖变化是生态环境领域的核心研究内容之一,但其估算精度常受到地形效应、土壤背景、大气效应等各种因素影响。以Landsat 8 OLI为遥感数据源,基于像元二分模型,分别利用归一化差值植被指数(NDVI)、经Cosine-C校正的归一化差值植被指数(NDVI)和归一化差值山地植被指数(NDMVI)建立植被覆盖度估算模型,以评估南方丘陵区植被覆盖度的地形效应。结果表明,3种植被覆盖度估算模型均能削弱地形效应,但消除或抑制地形效应影响的能力不同。比较而言,基于NDMVI指数构建的植被覆盖度估算模型的地形效应最小,更适合地形复杂区域的植被覆盖度遥感估算;基于Cosine-C校正的NDVI植被指数构建的植被覆盖度估算模型的地形效应次之,但存在一定的过度校正现象;基于NDVI植被指数构建的植被覆盖度估算模型的地形效应最大,尤其当坡度≥10°时,阴坡植被覆盖度比阳坡明显偏低。