LIDAR数据的过滤方法探讨

过滤是LIDAR数据预处理的重要步骤,过滤的目的是把LIDAR数据分成地面点和非地面点,它是获取高精度数字高程模型的关键。详细分析、研究了常用的LIDAR数据过滤方法,并对其中的最大局部倾斜度过滤方法进行了一定的改进。     

基于形态学梯度的机载激光扫描数据滤波方法

机载激光扫描技术能实时获取大范围、高精度的三维空间信息,从而受到日益广泛的重视和应用.然而由于地理环境的复杂性,其数据滤波一直是一个研究难点.针对数据点云的特点和滤波所面临的问题,提出了一种基于形态学梯度的机载激光扫描数据滤波方法.使用改进的形态学梯度计算方法得到每个点的梯度,再基于梯度选择特定的点进行迭代开运算,并根据梯度直方图减少迭代的次数,通过判断每次开运算后点的高程与原高程的差值是否小于一定的阈值,逐步滤除非地面点.使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明该算法对各种复杂环境的适应性强,基于形态学梯度的滤波既能减少不必要的计算,又能降低误差产生的可能,从而在有效地去除非地面点的同时,也能很好地保留地面点,故具有良好的可靠性与实用性.     

利用坡度差在数字地面模型中过滤数据的实现

介绍一种在DTM中利用坡度差过滤断面数据的新方法,并成功地将该方法应用于程管线断面图自动绘制系统的设计中.     

基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法.该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失.基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率.在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误.实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性.     

基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法。该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率。在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误。实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性。     

一种应用于城市区域的自适应形态学滤波方法

数学形态学滤波是从激光雷达数据中识别地面点、创建数字高程模型的一种重要方法,在应用中取得了较好的效果,但也具有一些明显不足。在分析现有方法优劣及城市地形特点的基础上,提出一种应用于城市环境的自适应形态学滤波算法。该方法采用分层识别策略：首先通过分割得到地面主体部分;之后利用正规化高度值寻找其余地面区域;最后估计地物覆盖区域地面点取值。采用三个不同分辨率、不同地形/地物特点的数据集进行了实验,结果表明该方法能有效识别地面和地物点,并解决了窗口尺寸限制、粗差误判等问题。     

基于格网化LIDAR点云数据坡度滤波方法的研究

LIDAR数据是目前生产DEM/DSM最为理想的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。本文提出了一种将LIDAR点云数据格网化与坡度滤波相结合的点云分类方法,该方法将数据格网化的概念用于LIDAR点云数据的预处理,避免了LIDAR点云数据内插或者平滑造成的信息损失,并且引入坡度突变对格网化处理后的LIDAR点云数据进行第二次地面点的选取,提高了LIDAR点云数据分类的效果。     

机载激光扫描测高数据分层迭代选权滤波方法及其质量评价

提出了一种基于分层思想的自适应数据滤波方法。该方法采用迭代选权方法的基本思想,在实现中加入了自适应与分层的思想,使其也可用于处理城区点云数据。提出了滤波方法评价体系,并对该滤波方法进行了评价。     

数字地面模型中多面函数内插法的研究

本文对数字地面模型内插法中较为知名的多面函数法的特征进行了分析研究。研究结果选用了十分简单的三次曲面作为多面函数的核函数,其效果优于Hardy所采用的双曲面方法。这种三次曲面法具有无需任何待定参数且适应于各种地形等优点,示于若干实际算例中。     

激光雷达点云平面拟合过滤算法

在分析激光雷达点云空间分布特征的基础上,提出了基于斜率的激光点云平面拟合过滤算法,并利用该算法对机载激光雷达点云的特征提取进行了实验研究。结果表明,此算法能有效地拟合激光点云的连续平滑的水平平面、倾斜平面和垂直平面,在DTM、建筑屋顶和垂直墙壁等特征提取中具有较好的效果。     

基于等高线的表面估计滤波方法

提出一种基于等高线的滤波方法,它先由LIDAR数据生成数字表面模型,并内插出等高线,再根据DSM等高线的特征,如闭合性、首尾点距离、等高线的长度及等高线间距离等,通过设定阈值自动提取出属于自然地面的等高线线段,以获得初始的自然地面点,然后内插生成初始数字地面模型,最后使用迭代逼近法生成最终的(精确的)数字地面模型,即比较初始DTM与DSM,差值小于预设阈值的点视为DTM点,而差值大于预设阈值的点则标记为无数据点,最后,这些无数据点由选择的DTM点内插出.通过与现有表面估计的滤波方法的对比实验以及所提取地物轮廓线与航片的叠加对比试验,证明新方法可适用于地表起伏较大的地形,地物提取精度高、计算量小、效率高.     

基于剖面和迭代选权曲面拟合的LIDAR点云滤波算法研究

LIDAR数据是目前最为理想的生产DEM/DSM的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。提出了一种剖面的数据表达方式对离散的LIDAR点云数据进行组织,同时对点云数据做初步的分类,在此基础上用迭代选权曲面拟合的滤波算法对地面点和非地面点做进一步的分类,以提高LIDAR点云数据的滤波效果的方法。     

利用线性内插形成DTM进行土、石方量计算的程序设计

本人在工程施工的过程中,根据填挖平衡的原则,利用线性内插形成DTM的原理进行了土、石方量计算的程序设计,并在一工地投入使用,提高了工效。     

基于多分辨率方向预测的LIDAR点云滤波方法

为了快速提取LIDAR点云中的地面点,生成高精度的DTM,提出了一种基于多分辨率方向预测的LIDAR点云滤波方法。该方法首先构建多种分辨率数据集,然后基于方向预测法以分辨率由低到高的顺序逐层进行数据集的平滑处理,最后以最高分辨率数据集的平滑结果为基准标记原始LIDAR点云。本方法通过分析反距离权重插值模型的不足,利用改进的模型进行裸露地面点的插值,得到高精度的DTM。实验表明,本文方法能有效地滤除地物,并保持原有的地形特征,算法效率高,具有一定的实用价值。     

LIDAR数据与多源数据融合的方法

通过分析LIDAR数据特点,并结合各种典型多源数据,论述如何在保持各数据源精度的前提下,实现多源数据融合的集成技术;提出一种基于地形约束条件下的点云DEM生产方法,并采用金字塔模型及线性四叉数瓦片式索引对数据进行管理,从而实现对多源数据的融合与快速浏览。     

机载三维激光扫描的实时一体化摄影测量及数据处理

结合机载三维激光扫描实时一体化技术进行研究,从系统设计、航测规划、空中测量、地面监控、质量检查、DEM重采样等核心环节按“实时一体化”要求进行了详细设计和深入实践。从而为实时一体化测量提供了前中后期的配套模块,为机载三维激光扫描具体应用提供了详细的应用方案,为快速精确获取全方位、立体化地理数据提供了技术支持。实验表明,该方案能最大程度地满足军事地理数据的实时获取要求。     

机载LIDAR点云高程数据精度检核及误差来源分析

利用GPSRTK系统对点云高程数据进行质量检核,通过对检核数据的分析,得出实际测量中不同地形情况下LIDAR测高数据能达到的精度,并分析了误差的来源。     

地面激光雷达的数据处理及其精度分析

本文就地面激光雷达的数据采集工作原理、数据处理的基本流程、数据的精度情况及影响精度的因素等问题进行相应的讨论，展示了其优良的技术特性和良好的应用前景。     

基于LIDAR数据的建筑物自动化重建

对基于LIDAR数据的建筑物重建进行研究,提出了一种自动化的建筑物重建方法.根据建筑物的边缘线通常互相垂直或平行这一特点对提取的轮廓线进行规则化.然后在屋顶三角网中随机选取种子三角形进行区域生长,将屋顶分割成不同的平面,通过平面相交得到建筑物的屋脊线.最后通过搜索离建筑物轮廓点最近的LIDAR点云,将搜索到的LIDAR点云高程值赋给该轮廓点.实验结果表明:利用该方法进行建筑物重建具有较高的精度.     

GRASS数据结构分析

详细分析了ＧＲＡＳＳ的三种数据结构，为设计ＧＲＡＳＳ与其它系统数据格式转换接口提供了基础。