基于高程归一化的布料模拟滤波算法

点云的滤波处理是LiDAR数据处理中一个非常重要的环节,即分离出点云数据中的地面点和非地面点,为后续的数据处理打下基础。本文在传统的渐进式数学形态学滤波和布料模拟滤波方法的基础上,考虑到渐进形态学滤波对于地面点分离的效果尚可,也就是能基本保留所有的地面点,但由于其地形的自适应性较弱,高差阈值随着地形坡度的变化也有着不稳定性使得一部分非地面点容易被当成地面点,而布料模拟滤波算法具备运行效率高的优点,且布料模拟滤波在地形平坦地区的滤波效果较地形起伏大的地区滤波效果更好。因此在渐进形态学滤波结果的基础上建立目标区域的粗DEM栅格数据,然后对目标区域点云数据中各点的高程值进行一个归一化处理,消除目标区域中地形有起伏的因素给布料模拟滤波结果带来的影响。最后采用ISPRS官方网站的3组标准数据样本的实验结果表明,相比于传统的渐进式形态学滤波的结果其I类误差降低,相比于未进行归一化过程的布料模拟滤波算法的结果其II类误差降低,而其总误差均降低,达到较好的滤波效果。     

茂密植被区域LiDAR点云数据滤波方法研究

点云数据的滤波和分类是激光雷达数据应用处理重要环节,是当前研究的热点问题。本文针对茂密植被区域点云数据的特点,提出了以移动窗口和坡度算法为基础的改进的点云数据滤波算法。试验结果表明,改进的滤波算法对地形变化复杂、植被郁闭度较高覆盖、地面激光脚点比少的点云数据有良好的效果。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性,基于布料模拟滤波算法,提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法,对剔除粗差后的点云建立格网索引;其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值,通过计算真实高程与拟合高程差值实现高程归一化;然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态,进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试,结果表明:改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%;I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%,且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上,对不同地形具有较强的自适应性,且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

基于地形认知的布料模拟滤波算法

数字高程模型(Digital Elevation Model, DEM)可以反映一个地区的地形特征,具有广泛的科研应用。对激光雷达点云数据进行点云滤波以提取地面点,并对地面点进行插值是构建DEM的常用步骤,其中在点云滤波过程中使用的滤波算法直接影响到最终构建的DEM的精度。布料模拟滤波(Cloth Simulation Filtering, CSF)算法作为一种点云滤波算法,具有模型简单、滤波效率高等优点,其针对平坦地区的滤波精度较高,但在处理复杂地形时会因布料模型的内部弹力以及重力惯性等因素,导致滤波结果的精度较差。为了提升CSF算法在处理复杂地形时的滤波精度和地形适应性,提高其构建DEM的精度,提出了基于地形认知的布料模拟滤波算法(Cloth Simulation Filtering Algorithm with Topography Cognition, CSFTC)。该算法提出了地形认知模型,基于点云数据点的局部分布特征构建认知模型,并将其扩展为粗精度数字高程模型(Rough Digital Elevation Mo-del, R-DEM);通过点云地形归一化实现宏观地形趋势与...     

基于布料模拟滤波和随机森林的点云分类算法

提出了基于布料模拟滤波和随机森林的点云分类的方法。通过布料模拟滤波生成的地面点云进行高程值归一化,可以削减地形变化对点云分类精度的影响。对比未归一化结果,分类精度有30%的提升。把点云信息与遥感光谱信息融合进一步提高分类精度,对比其他分类结果有3%到5%的提升。     

根据地形坡度旋转的车载激光点云形态学滤波

针对传统的基于开运算的形态学滤波方法在坡度连续变化较大的区域无法有效滤除非地面点的问题,提出了一种可适应斜坡地形的滤波新方法。首先对全区域进行分块,构建地面不规则三角网确定各分块区域的地形坡度和方向;然后根据地形坡度和方向对各分块区域内的数据进行旋转,使地形坡度接近于水平,从而更适用于基于开运算的形态学滤波方法;最后对点云数据执行多尺度形态学开运算确定地面点。分别选择平坦地形和斜坡地形的车载激光点云数据进行了实验,两类点云数据均包含植被、建筑、裸地等,结果表明,提出的方法能够有效滤除各种类型地物,并且对斜坡地形具有较好的滤波效果。     

针对浓密植被区域利用ALS数据提取DTM的小波算法研究

近年来,从航空机载激光雷达(ALS)获取的点云数据中自动提取数字地形模型(DTM)仍然是一个尚待解决的问题.目前已有不少滤波算法可以去除地表物体和异常噪声点并做到自动提取DTM,然而,当测区范围内很少点具有同种形态或同种几何特征时,要分离出裸露地表是比较困难的,特别是在有密集植被覆盖的山坡上,代表地表的激光点经常被认为是地表以下的噪声.为了在这些区域提取地形表面,本文提出了一个新的算法.首先,把点云通过扫描线分割法分成很多剖面,在每一个剖面,一维的滤波程序利用小波理论在检测高频间断点上的优势来检测地面点;随后把各个方向上剖面结合起来后,就产生了一个代表DTM的内插网格数据.把此方法应用到2003年的实验数据中进行处理,结果显示当检测的两个样地都是被大部分植被覆盖的坡面时,可以有效地去掉坡面上的地表物体(例如植被和建筑物),使山体平滑,更加接近真实的地形表面.     

基于TVDI的大范围干旱区土壤水分遥感反演模型研究

温度植被干旱指数TVDI(Temperature Vegetation Dryness Index)是一种基于光学与热红外遥感通道数据进行植被覆盖区域表层土壤水分反演的方法。当研究区域较大、地表覆盖格局差异显著时,利用TVDI模型来反演陆表土壤水分,精度通常较低。对Sandholt的TVDI土壤水分反演模型进行了改进:利用云掩膜校正和多天平均温度合成来减少云的影响;同时对研究区域地形起伏、覆盖类型差异的影响进行了消除;对TVDI模型干边的模拟方法进行了改进。最后,使用铝盒采样等方法利用新疆地区观测得到的地面数据来拟合改进后的模型参数,并对2009年5月和8月的土壤水分进行了反演实验。与实测数据的比较分析表明,该模型能基本满足大区域土壤水分反演的要求,改进后的模型对新疆地区的土壤水分估算精度有较显著的提高。     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

复杂地表地表温度反演研究进展

地表温度是陆表过程研究的关键参数,卫星反演地表温度是获取区域及全球尺度辐射平衡、能量收支研究中地表温度参数的有效手段.目前,在平坦地表覆盖均一区域,基于热红外和微波遥感反演的地表温度已经被验证具有较好精度,尤其热红外遥感地表温度产品精度可达1 K以内.但是针对复杂地表的温度反演研究仍面临较大挑战.系统总结了复杂地形区地...     

Large-scale mapping of the riverbanks,mud flats and salt marshes of the Scheldt basin,using airborne imaging spectroscopy and LiDAR

For maintaining the tidal waterways in the Scheldt basin, including the rivers Rupel and Durme and a large part of the Nete catchment, and for ecological monitoring of the mud flats, salt marshes and riverbank vegetation, the Flemish government needs detailed maps of these rivers and their bank structures. These maps indicate not only vegetation types, plant associations and sediment types but also hard structures, such as quays, locks, sluices and roads. Different remote sensing techniques were used to collect the data necessary to produce the required detailed maps. During the months of July and August 2007 an airborne flight campaign took place to collect hyperspectral and LiDAR data of the Scheldt basin and the Nete catchments. These rivers have a total length of about 240 km. The Airborne Imaging Spectrometer for Applications (AISA) Eagle sensor acquired hyperspectral data in 32 spectral bands covering the visible/near-infrared (VIS/NIR) part of the electromagnetic spectrum with a ground resolution of 1 m. A multiple binary classification algorithm based on Fisher's linear discriminant analysis (LDA) was used to map the salt marshes and riverbank vegetation. Ground truth information, that is vegetation and sediment types, together with their geographical locations collected around the time of the flight campaign, was used to train the classifier in the later classification step. Laser scanning was performed using the Riegl LMS-Q560. The LiDAR dataset obtained had a resolution of at least 1 point per m² and was used to produce a digital elevation model (DEM) that contains all elements of the terrain. From this DEM a digital terrain model (DTM) was derived by applying appropriate filtering techniques. The elevation models were used primarily to derive information on the height, slope and aspect of the banks and dikes, but they also served as expert knowledge in the classification of the mud flats and bank vegetation.

Overall, this work illustrates how airborne hyperspectral and LiDAR data can be used to derive highly detailed maps of the sediments, vegetation and hard structures along tidal rivers in large river basins. It also shows how large datasets can be handled in an expert system, in combination with different classification techniques, to produce the required result and accuracy.     

基于点云数据的单木三维绿量估算方法

针对不同树种的树叶疏密及空间结构不同,提出基于激光点云数据,顾及冠层叶面积密度的树木三维绿量（Living Vegetation Volume, LVV）计算方法。该方法首先根据树木局部点云的主方向相似度和局部点云轴向分布密度分离枝干与树叶,剔除非光合作用成分,提取树叶点云;然后建立体元模型,引入Graham算法确定分层树冠边界,获取激光接触频率,从而基于体元冠层分析（Voxel-based Canopy Profiling, VCP）方法求出冠层叶面积密度（Leaf Area Density, LAD）;最后分层棱柱体积乘以叶面积密度,累加得到树木的三维绿量。利用Riegl VZ-400地面激光扫描仪获取13棵不同形状和树种的树木点云数据,利用该方法估算各树木三维绿量,并与传统的凸包法和台积法的结果对比。实验结果表明,台积法计算的三维绿量值最大,凸包法计算的三维绿量次之,顾及冠层叶面积密度的树木三维绿量方法计算的三维绿量值最小,为台积法的36.69%,为凸包法的47.80%。相比传统方法,顾及冠层叶面积密度的树木三维绿量计算方法侧重光合作用组分叶片点云的统计,并考虑了树冠内部树叶分布情况,更符合树木的实际情况,能充分利用三维点云数据特性,反映树冠内部三维绿量分布。     

分形布朗运动在水下地形模拟中的应用

由于水下地形的高程数据获取困难,如何运用少量的数据生成真实感强、精度高的地形模型是值得研究的问题。运用分形布朗运动（fBm）模型得到水下地形的分形特征参数,结合随机中点位移内插算法,通过Matlab编程实现了三维水下地形的模拟。以长江口深水航道为例,讨论了其运用fBm的可行性,模拟生成了三维航道地形,并与 ArcGIS自带的插值方法进行比较,采用等深线重构法对插值结果进行精度分析。比较结果显示,基于fBm模型模拟得到的地形具有丰富的地表细节,反映了地形的复杂性和不规则性,具有很好的可视化效果,同时能保证较好的精度。