自适应坡度的LiDAR点云形态学滤波

针对现有形态学滤波算法中存在阈值过多的问题,提出一种根据实验区数据的高程值,自动计算坡度的自适应坡度LiDAR点云形态学滤波方法。为验证算法性能,采用国际摄影测量与遥感学会提供的十五组参考数据进行滤波实验,实验结果表明该文提出的算法能去除非地面点同时较好地保留地面细节信息。将改进滤波算法与经典的滤波算法实验的三种误差进行对比分析可得,改进滤波算法的误差均低于经典滤波算法的误差。     

基于无人机LiDAR的榆神矿区采煤沉陷建模方法改进

煤矿地表沉陷监测中常规的大地测量和InSAR等遥感手段均有一定的局限性。利用无人机LiDAR对沉陷区进行地面扫描,通过多期数据叠加可快速获取地表沉陷盆地的精细特征。然而,按现有的主流点云滤波及插值算法所构建的沉陷模型往往包含显著噪声,限制了该技术在矿区的实际应用。以榆神矿区某开采工作面地表为实验区,针对其地形起伏而植被覆盖度较低的地理环境,利用低空无人机Li DAR获取2期4组地面点云数据,结合常规地表移动实测数据,研究基于激光点云的矿区沉陷建模改进方法。分别采用专业化数字高程模型插值、反距离权重插值、克里金插值、自然邻域插值、样条函数插值及三角网渐进加密滤波、基于高程阈值的滤波、多尺度曲率滤波、基于坡度阈值的滤波、渐进形态学滤波等主流点云插值和滤波算法,构建实验区数字高程模型(DEM)并进行误差对比分析,发现专业化数字高程模型插值及三角网渐进加密滤波算法的效果相对较优,但两期DEM叠加生成的初始沉陷模型仍然精度不足,主要包含点云平面位置误差、非地面点噪声、点云内插误差、水域覆盖范围变化等引起的模型误差。在分析上述误差分布特征及其改进途径的基础上,提出基于小波阈值的沉陷模型去噪优化方案。针对沉陷盆地和非沉陷区域选用不同的小波参数,先利用非沉陷区下沉值为零的先验条件,对全区域数据进行多层次小波分解,再对沉陷区进行低层次小波分解,最后将两者结果进行镶嵌处理。实测验证表明,经上述小波去噪后的沉陷模型精度得到显著改善,并有效保留了沉陷盆地的细节特征,沉陷模型的总体标准差在50 mm以内,能够满足西部矿区地表大变形监测的基本要求。进一步根据沉陷模型边缘的随机误差特征,提出了基于下沉坡度临界值的沉陷边界提取方法,为机载LiDAR技术用于西部矿区采煤沉陷的高效监测与精细建模提供了可行方案。     

基于无人机数据采集技术的地形坡度勘测研究

地形坡度的大小关系到边坡的稳定性,坡度较大的地区极易引发滑坡、泥石流等地质灾害。为了准确了解边坡稳定性,减少地质灾害带来的生命财产损失,研究一种无人机数据采集技术下的地形坡度勘测方法。以南方某山地区为例,借助无人机搭载激光雷达设备,采集点云数据,并对点云数据实施滤波和稀疏的预处理。根据预处理的点云数据,建立数值高程模型,绘制不规则三角网,得出高程数据以及夹角数据。基于这2类数据,计算研究区坡度值,并划分坡度风险等级,实现地形坡度勘测。结果表明,计算出来的研究区整体坡度大于31°,与坡度等级表对比,等级划分为Ⅳ级,说明研究区为危险区域,边坡不稳定。     

基于极化方向角的地形坡度的估计

SAR数据处理中,地形坡度信息是重要的地形参数。利用SAR影像提取地形坡度的主要方法分为雷达干涉测量(InSAR)和雷达极化(PolSAR)测量,其中雷达极化测量包含正交双轨道全极化SAR测量和单轨道全极化SAR测量。文章结合极化方向角及Lambertian后向散射模型得到的距离向坡度与方位向坡度之间的关系,从而反演方位向与距离向坡度。实验选取了覆盖青海省治多县的两景全极化ALOS-PALSAR数据进行实验。结果表明:反演得到的地形坡度与利用InSAR技术得到的地形坡度能较好地吻合。     

改进的移动窗口曲面拟合法点云数据滤波处理

介绍传统移动窗口滤波算法的原理及特点,对其应用于激光扫描点云数据滤波的不足进行了分析。在此基础上,将相应的算法进行了扩展和改进,改进方法可自适应地调整网格尺寸大小,同时可克服滤波过程中高差阈值难以确定的不足。利用两组实际扫描点云数据进行试验,以验证这种算法的有效性,结果证明,与传统的移动窗口滤波法相比,改进算法各类误差均较小,试验结果更优。     

改进的移动窗口曲面拟合法点云数据滤波处理

介绍传统移动窗口滤波算法的原理及特点,对其应用于激光扫描点云数据滤波的不足进行了分析。在此基础上,将相应的算法进行了扩展和改进,改进方法可自适应地调整网格尺寸大小,同时可克服滤波过程中高差阈值难以确定的不足。利用两组实际扫描点云数据进行试验,以验证这种算法的有效性,结果证明,与传统的移动窗口滤波法相比,改进算法各类误差均较小,试验结果更优。     

基于机载LiDAR点云的滑坡体体积计算方法研究

针对滑坡区域地形复杂、滑坡体形状随机和体积难以快速精确获取等问题,该文提出一种基于机载Li-DAR点云数据预处理、渐进三角网加密滤波算法,及DEM的滑坡点云提取、点云切片和边缘点排序的滑坡体体积计算方法,并结合多块实测数据进行了计算分析.计算结果表明,该方法能快速准确地得到滑坡体体积大小,进而为滑坡的灾后评估提供了依据.     

基于外周弹性约束的矿坑密集点云滤波方法

针对露天矿坑地形复杂、坑壁陡峭、灌丛密布,传统DEM采集与处理方法难以获取精细DEM的问题,借鉴布料模拟滤波思路,提出了一种面向倾斜摄影测量密集点云的矿坑外周弹性约束滤波算法。该方法在滤波网格优化的基础上,将下凹地形按高差微分为若干皮筋,通过模拟皮筋形变过程,得到与地面相近的皮筋网,从而分离出地面点,生成DEM。以徐州市某废弃矿坑为例,对提出的滤波算法进行了试验验证。与常用的滤波算法相比,试验结果准确率提高了10.15%,在地形起伏较大区域表现良好,滤波准确率为81.73%。随机选取的地面点与插值生成的高程之间拟合优度为0.830,均方根误差为0.048。试验结果表明:所提方法数据获取成本低、效率高,能够有效提取出矿坑地面点,可为矿区提供高精度的矿坑DEM数据。     

基于LiDAR DEM不确定性分析的矿区沉陷信息提取

机载LiDAR系统能够快速获取大面积地表高分辨率、高精度的三维点云数据,可用于矿区沉陷信息提取,但LiDAR数据本身的误差、地表覆被和数据处理等会导致生成DEM中存在一定的不确定性。基于研究区2009、2012年2期机载LiDAR点云数据,在LiDAR DEM精度与不确定性分析的基础上,利用模糊推理方法建立了基于坡度、点云密度和地表粗糙度的误差相关表面,用于差值DEM不确定性的量化与DEM最小变化阈值的探测,采用基于权重滤波窗口的贝叶斯估计判定与修正,较精确地获取了研究区地表形变信息;针对地表侵蚀等导致的地形变化信息,在坡度相关性分析的基础上,通过掩膜去除了非开采沉陷导致的地形变化信息,获取了较为精确的沉陷盆地信息。实验表明该方法适用于大面积开采沉陷监测,能够快速确定沉陷区位置,较准确获取沉陷区的分布范围、面积及体积等信息,为开采沉陷监测提供了一种新的技术手段。     

基于双阈值法的地基合成孔径雷达影像永久散射体选取方法研究

为了有效探测地基合成孔径雷达(GB-SAR)干涉测量中的永久散射体(PS),该文利用GB-SAR影像具有高相干性特点,基于以往雷达影像PS点选取理论提出一种平均相干系数阈值与振幅离差指数阈值的“双阈值法”自动探测法,并对阈值参数进行优化,以挑选出GB-SAR影像中精确可靠的PS点.经过实验验证,证实了该方法是有效可靠的,并得到大量数据,比少量数据选取PS点更有效、可靠.     

基于点特征描述子的点云自动配准方法研究

提要针对点云自动配准过程中ICP算法存在容易局部收敛且收敛速度慢的问题,该文采用采样一致性初始配准方法和距离阈值滤波的ICP精确配准方法对其进行改善,实现实测点云数据的高精度自动配准.并采用实测点云对该方法的可行性进行了验证,结果表明,其配准后精度可达到毫米级.     

分层式南方丘陵区机载LiDAR点云噪声剔除算法研究——以浙江省某地区为例

根据南方丘陵区地形起伏较大的地理特点,该文提出了分层式点云噪声剔除算法。选取南方丘陵区浙江省某地机载LiDAR数据进行了实例验证,并与局部点云拟合法、深度图像法的剔除效果进行了比较,结果显示了该方法的有效性。该方法对于起伏较大的丘陵地区作业具有一定的参考价值。     

基于DSM深度影像的机载LiDAR建筑物边界提取

该文探讨了基于DSM深度影像的机载Li DAR建筑物边界提取。首先利用归一化的DSM数据点生成DSM深度影像,然后对影像进行相关处理,包括中值滤波、形态学处理,以剔除噪声、植被及较小地物等信息,采用阈值分割与二值化,得到明显的建筑物区域,最后使用边界检测的方法将建筑物初始边界提取出来,并检测其角点,利用最小二乘方法进行拟合,得到规则化的建筑物边界。     

基于主成分分析及连通性分析的建筑物LiDAR点云提取技术

为更有效分离LiDAR点云中的建筑物和高大植被,该文提出了主成分分析和连通性分析相结合的算法.利用滤波后的点云数据,基于主成分分析法初步提取建筑物点云,然后构建并优化Delaunay三角网进行连通性分析,可提取完整的建筑物信息.实验表明:该方法不仅能正确、有效地分离建筑物点和高大植被点,还可以去除建筑物噪声点(天线、烟囱、空调主机等).     

激光雷达点云数据处理软件对比及其应用研究

文中介绍了TerraSolid、Li DAR Suite和Li DAR-DP三款软件功能,分析了软件各自优缺点,通过试验比较了软件在不同地形特征区域的激光雷达点云滤波效果。最后,提出了一种结合TerraSolid、Li DAR Suite和Li DAR-DP软件处理激光点云数据,制作数字高程模型(DEM)的技术方法,为高精度DEM生产提供参考。     

矿区机载激光点云数学形态学滤波及DEM构建算法

机载激光测量系统能够快速、精确地获取大面积区域的三维空间信息,是矿山地表沉陷调查的重要手段。以某矿区为例,采用国际摄影测量与遥感协会提供的参考数据,利用渐进式多尺度数学形态学滤波算法,从点云数据中提取出分布于地面上的点云,并构建了数字高程模型（Digital elevation model,DEM）。试验表明：该算法可有效提取复杂区域的地面点云数据,并可构建满足精度要求的DEM。     

基于迭代空间体元推理的多波束测深数据异常值探测

考虑到海底测深点的分布特性,该文将空间体元的思想引入多波束测深数据的异常值探测,设计了异常值探测算法.首先确定空间体元剖分阈值,对整个多波束测深点云数据空间进行分解;其次选取非异常值初始种子体元,通过分析其26个邻域体元的点云密度得到非异常值体元,同时标记异常值体元,并进行邻域生长;采用迭代的方式进行更精细的空间体元剖分,当本次剔除的异常值总数量少于设定的异常值比率阈值时,结束迭代.该文采用模拟实验数据验证了算法的可行性和可靠性.     

基于密集匹配点云的露天矿台阶线提取方法研究

台阶线是露天矿测量的主要对象之一,传统的全站仪、GPS点式测量方法耗时长、劳动强度大、效率低,而基于无人机点云的现代测量方法为台阶线高效提取提供了可能。基于无人机影像构建的密集匹配点云数据,提出了一种自适应高程阈值的台阶线提取方法。该方法首先通过邻域点云的协方差矩阵对地形条件进行判断,依据不同的地形自适应地选用不同的高程差阈值进行台阶线特征点提取,极大限度地减少误提取数量;然后,基于点云聚类分割后各点云簇中点的数量与高程特征对误提取的点云进行剔除,并采用三次B样条曲线对特征点进行拟合,较好完成了露天矿台阶线提取。试验表明:该方法可以高效地完成露天矿台阶线特征点提取,有效区分台阶线和道路边线特征点;同时依据特征点拟合出的曲线效果良好,真实反映了台阶线的实际位置。上述分析为露天矿台阶线高效测量提供了新的解决方法。     

基于条件约束的车载点云滤波方法

车载Li DAR技术是当今测绘领域最前沿科技之一,以其速度快、精度高、成本低、受天气影响小等特点在道路,山区,海岸线等区域测量中具有明显优势。为了提高车载Li DAR技术的滤波应用精度,该文在分析常用的车载激光点云滤波方法基础上,提出一种基于条件约束的车载点云滤波方法。通过实验证明了此滤波方法的可行性。     

自动化成图下的地形、地质统一性问题的处理

在普通的地形地质图中,地形的起伏与地质学的层面往往会产生一定的夹角（我们称之为“TOBIA”）,对TOBIA进行计算和数字化显示,我们需要四种空间分布式的数据：地形坡度方位角、地形坡度角、地层的倾向和地层倾角。地形坡度方位角和地形坡度角可从高精度的数字高程模型中获得,连续的地层倾向和地层倾角数据可由点位测量中的克立格法求得。基于以上四种数据,TOBIA既可以地形类型显示方式成图,也可以连续性方式成图。前者的成图方式需要两个步骤：首先,根据地形坡度方位角和地形坡度角的参数特征,将地形划分为三种类型;其次,对地形坡度方位角和地形坡度角进行参数校正,对地形类型进行二次细分。在对TOBIA的连续性计算中所用到的几何学公式中涵盖了以上四种变量参数。对于计算大区域面积的地形起伏与地质学层面的夹角,这种方式显得尤为简便和快捷。