机载LiDAR点云中道路的提取方法

针对国内外许多专家学者对道路提取进行了大量的研究,但国内少有文章对这些研究进行归纳总结这一问题,该文对近年来国内外所有的研究现状进行总结概括。机载LiDAR点云进行道路提取中由于道路点云与地面点云高程相差很小、激光反射强度相近,导致道路提取一直是一个难点。文中系统阐述了从LiDAR中进行道路提取的各个过程、存在的问题以及对应的处理方法。最后,对此项研究内容进行了展望。     

利用机载LiDAR点云数据提取城区道路

提出一种从机载LiDAR点云中提取城区道路的方法。首先,利用机载LiDAR点云的高程和强度属性,对末次回波点云进行去噪、滤波和分类后获取初始道路点云;然后使用基于边长和面积阈值的约束Delaunay不规则三角网方法精化初始道路点云;最后采用α-Shapes方法从精化后的道路点集中提取道路轮廓,并用数学形态学细化方法提取道路中心线。试验结果表明,该方法提取的城区道路正确率和完整性较高。     

联立偏度与峰度变化曲线的机载LiDAR点云滤波方法

针对经典滤波算法易受参数、阈值选取影响以及传统偏度平衡方法滤波结果不理想等问题,提出一种联立偏度与峰度变化曲线的机载LiDAR点云二次滤波方法。该方法不受参数与阈值选取影响,在联立初始LiDAR点云二者基础上,通过在其变化曲线上寻找最优偏度平衡点完成一次滤波;然后对初次滤波后获取地面点进行多项式曲面拟合,根据拟合后的高差统计值进行偏度平衡二次滤波。实验结果表明:该方法能保证变化很小的前提下,减少和总误差,滤波效果更好。     

基于机载LiDAR点云的道路提取方法研究

道路是建设数字交通和数字城市的重要组成部分,也是空间地理信息的重要元素。针对传统遥感技术提取道路效率低、自动化程度不高以及易受周围环境影响等问题,基于无人机搭载LiDAR测量系统获取的某城郊结合区的点云数据,提出一种点云数据预处理、道路点云分级提取和道路边界提取算法。该算法首先对获取的LiDAR点云原始数据进行去噪处理,再结合曲面拟合滤波和点云几何特征提取包含道路在内的地面点云,然后利用点云的强度信息初提取道路点云,针对与道路材质相似的停车场等地物点云,在构建TIN的基础上,使用边长和面积约束进一步对道路点云进行精提取,最后使用α-shape算法对道路边界进行提取,并利用算法对实测的点云数据进行道路提取,以准确率和误分率对本文算法进行定量分析,结果表明提出的道路提取算法能够快速准确地提取道路点云。     

利用LiDAR点云强度的十字剖分线法道路提取

由于道路与地面在空间上表现相近,因此,仅用空间坐标无法从LiDAR数据中直接提取道路。机载激光扫描系统在获取对象三维信息的同时,也记录了激光经由反射的强度信息,因此能从空间坐标和辐射两个方面表现地物的特性。结合这两种相对独立的信息在激光扫描数据中进行道路提取,提高了提取结果的稳定性。首先利用激光扫描数据的高程滤波去除非地面点;再通过强度信息进行阈值分割得到包含干扰的初始道路区域;然后,利用两组十字剖分线检测初始区域在4个方向的狭长性与宽度一致性,使得狭长状、区域宽度较一致的道路区域同干扰区域具有不同的权值,从而提取真正的道路区域;最终通过对道路区域的细化和平滑,得到道路中心线。实验表明,该方法能够较好地在LiDAR数据中提取出道路并得到道路中心线。     

基于机载LiDAR点云数据的城区道路提取

对于利用机载LiDAR点云数据提取城区道路提出一种新的思路。首先利用机载LiDAR点云数据的高程和强度属性对城区道路进行初始提取,获得初始道路点云;其次采用距离分割法和基于RANSAC算法的分割方法精化初始道路点云,有效剔除停车场等与道路相似的区域;最后采用数学形态学细化方法提取道路中心线。实验结果表明,该方法可以较正确和完整地提取城区道路。     

一种基于机载LiDAR点云的林间道路提取方法

基于林间道路的形态特征和支持向量机原理(SVM),提出一种从机载LiDAR点云数据中提取林间道路的方法。首先,选取末次回波去噪、栅格化,生成数字表面模型(DSM)和强度信息模型(DIM);然后,通过支持向量机对坡度信息进行分类,得到道路潜在区域;再对道路潜在区域进行强度信息的分类,得到含有少量噪声的初始道路区域;最后,利用形态参数对初始道路区域进行去噪、精化,得出最终道路区域。实验证明,该方法能较好地提取出道路区域。     

基于机载LiDAR粗糙度指数和回波强度的道路提取

机载LiDAR点云数据能提供回波强度和地面粗糙度指数,为遥感信息自动提取增添了有价值的约束信息。将这些信息引入到道路自动提取之中,结合光谱特征和道路描述因子建立了一种面向对象的道路联合提取方法。首先,由点云数据衍生归一化数字表面模型(nDSM)和粗糙度指数;然后对配准后的多源数据进行多分辨率分割,进而使用粗糙度指数和回波强度、道路描述因子等特征进行分类;最后,去除道路噪声,并获取准确的道路骨架网。实验结果表明,该方法对道路提取的准确度达95%以上。     

基于机载LiDAR和高分辨率遥感影像的道路中心线提取

利用配准的LiDAR数据生成DSM深度影像并提取建筑物轮廓,同时对QuickBird多光谱影像采用监督分类法提取植被区域。在此基础上,将建筑物和植被剔除,剩余部分利用形态学算子对道路进行修饰和完善,提取道路中心线。实验表明,基于机载LiDAR和高分辨率遥感影像的道路中心线提取方法,比单一利用遥感影像有更好的效果。     

一种机载激光雷达道路点云的半自动提取方法

针对直接从LiDAR点云数据中提取道路信息比较困难的问题,文章提出了一种基于点云分割和区域生长的机载LiDAR数据道路点云提取方法:采用曲面生长法对点云进行分割,直接得到包含道路信息的曲面点集合;应用LiDAR数据的回波强度对分割结果中的道路进行强度标定,并采用区域增长的思想实现了道路的精细提取。实验表明,该方法能够高效、准确地提取道路点云,在路桥建模方面有较强的使用价值。     

基于体元的机载LiDAR点云数据建筑物提取算法

针对目前机载LiDAR点云数据存在的数据组织效率低下以及不利于查询等问题,本文提出了一种基于体元的建筑物提取算法。首先,构建体元模型实现机载LiDAR数据的真三维描述;然后,计算局部邻域曲面拟合残差,将残差最小的体元视作种子体元;最后,根据局部邻域法向量夹角准则来实现种子体元的区域增长,从而获得建筑物点。本文选取ISPRS公开的点云滤波测试数据中的8种复杂场景进行实验,实验结果表明:本文算法不仅原理简单、容易实现,而且具有较好的鲁棒性,不会受地形以及建筑物类型和尺寸的限制,Kappa系数达到80%以上,实现了复杂场景下建筑物的提取。     

机载激光点云数据中电力线自动提取方法

提出了一种从机载激光点云数据中自动提取电力线的方法。首先利用顾及地形起伏特征的机载激光点云自动滤波方法移除地面点,利用维数特征以及方向特征自非地面点中分割获得电力线激光点云;然后对获取的电力线点采用二维霍夫变换和最小二乘拟合的方法求取每条电力线的中心线方程,根据中心线方程求取每条电力线上的激光点完成单电力线目标提取,并考虑了电力线在水平投影面内重叠时的情况;最后根据分块质心解算方法生成每条电力线上的三维节点,输出电力线矢量。采用实际线路巡检实验采集的机载激光点云数据进行实验,实验结果表明,该方法能从机载激光点云数据中提取出完整的电力线,并具有较好的鲁棒性,对电力巡线具有一定的实际意义。     

机载LiDAR点云航带平差方法研究

以航带平差作为系统误差消除的关键技术,提出了基于无控制三维表面匹配的方法,并用最小高程差(LZD)和最小法向距离(LND)两种算法加以实现。实验表明,LND和LZD算法的平差结果均可满足工程精度的需求;LZD较LND算法的整体计算效率偏低,但其精度较高;与商业软件TMatch的结果相比,LZD的精度和其相当,且两种方式在TMatch软件平差失败时也能成功地完成航带平差任务。     

用于公路勘测设计的LiDAR点云抽稀算法

传统的抽稀算法应用于公路点云数据抽稀时,往往存在不能很好地顾及地形特征,或者出现大面积点云空洞的缺陷。本文提出了一种改进的基于平均曲率算法,用于公路勘测设计中的点云数据的抽稀,该算法首先通过局部二次曲面拟合,依次求出所有点的平均曲率;然后根据平均曲率判断地形特征,并作为判别点云数据抽稀的主要准则;最后利用标记法解决了平坦路面出现大面积空洞的问题。通过试验与分析,证明了本文抽稀算法的可靠性和适用性。     

基于机载LiDAR的电塔点云提取与重建

基于机载激光雷达点云,提出一种综合点云预处理、地面点滤波、电塔点云定位获取以及电塔结构线建模的电塔点云提取与重建方法.该方法首先对电力线路点云进行去噪等预处理,再使用渐进三角网滤波去除地面点,然后在电力线路分段的基础上,通过高程连通性定位电塔所在分段,再将电塔分段点云投影到水平面上并结合密度聚类算法和高程差特性对电塔聚...