一种用于机载LiDAR波形数据高斯分解的高斯拐点匹配法

针对小光斑全波形机载激光雷达(LiDAR)波形数据高斯分解法的核心问题——高斯分量个数估计,提出一种高斯拐点匹配法。该算法用平面曲线离散点集拐点的快速查找算法检测波形数据中的拐点,计算过检测出的拐点及其右边第一个点的直线的斜率,根据斜率将所有检测出的拐点分为左、右拐点,一个左拐点与其邻近的一个右拐点组成一个高斯分量,据此可以确定波形数据中高斯分量个数。采用高斯拐点匹配法对模拟和实测波形数据进行分解,并与传统的脉冲检测方法(重心法和高斯脉冲拟合法)相比。结果表明,高斯拐点匹配法方法能极大地减小伪拐点的影响,快速、准确地检测并分解出波形数据中高斯分量,提高波形数据分解速度。同时其能分解出更多的高斯分量,从而提高点云密度。     

基于改进差分进化算法的机载激光雷达波形分解

全波形机载激光雷达数据记录了完整的回波波形,包含了目标的立面细节和后向散射系数等信息,但是这些信息无法在未经处理的情况下直接获取,波形分解是处理波形数据以提取有效信息的重要方法。针对波形分解中常用的参数优化算法对初值敏感,易陷于局部最优的缺点,提出一种基于改进差分(Modified Differential Evolution,MDE)算法的波形分解方法:以广义高斯函数为模型,在预估初值后,将全局优化的MDE算法用于参数优化,最终生成点云。实验结果表明,与基于其他优化算法的波形分解方法相比,该方法在分解精度以及点位精度等方面都有提高。     

机载激光雷达全波形数据快速读取方法研究

传统的LiDAR系统仅能记录地物的三维坐标,而全波形机载激光雷达能够存储整个反射波形,用户可以按照其应用领域对波形数据进行分解和使用.波形数据以LAS的新版本1.3格式进行存储,与传统的1.2格式有所不同.本文介绍了LAS1.3与1.2的异同,以及波形存储方式,实现了波形数据的快速读取,为后续的分解和应用提供基础.     

星载激光测高仪多模式回波参数提取方法（特邀）

全波形星载激光测高仪的接收波形特征参数可以用于反演目标的形貌信息,传统的波形处理算法不能用于混叠严重以及偏离高斯形态的多模式波形特征参数提取。针对混叠严重的多模式回波,提出一种基于偏正态拟合模型,使用激励Richardson-Lucy反卷积算法、逐层分解算法、梯度下降法和非线性最小二乘拟合算法相组合的波形特征参数提取方法。采用已知参数的波形数据集、机载仿真波形数据集和全球生态系统动态调查（GEDI）激光雷达波形数据,基于波形相关系数与均方根误差（RMSE）、波形特征参数相对误差、波形分量个数提取正确率等评价指标开展波形处理试验,并将处理结果与传统的高斯分解结果进行比较分析。已知参数波形数据集处理结果的平均波形相关系数提升了约2%,RMSE降低了约47%,波形特征参数相对误差平均降低了约5%,分量个数提取正确率提升了约34%;机载仿真数据和GEDI波形数据处理结果的平均波形相关系数分别提升了约1%和2%,RMSE分别降低了约56%和54%。同时,开展了陡坡区域植被高度解算的仿真试验,得到的植被高度准确程度明显高于传统方法。所有处理结果均表明该方法更有利于多模式回波特征参数的提取以及目标参数的反演。     

大光斑LiDAR全波形数据小波变换的高斯递进分解

高斯分解是波形激光雷达数据预处理的常用方法,但在应用于大光斑全波形激光雷达数据中的叠加波时却难以发挥作用,为此提出一种基于小波变换的高斯递进波形分解方法.首先,利用小波变换多尺度分析特性检测出目标地物并准确估算组分特征参数,进而建立高斯模型优化特征参数;然后通过拟合精度指标,判断是否需要添加新组分进行逐级递进分解,确定最终模型及其组分构成,最终实现全波形激光雷达数据的波形分解.为了验证算法的有效性,分别对实验数据使用本文算法和常用的基于拐点匹配的高斯分解法进行分析,结果表明,本文算法提取的目标数几乎是拐点匹配算法的2倍,可以有效地从叠加波中检测出目标组分,且拟合精度高于98%.     

一种迭代的小光斑LiDAR波形分解方法

针对传统LiDAR波形数据分解方法受噪声影响严重、对复杂重叠及微弱回波分解能力不足的缺点,提出了一种新波形分解方法.通过计算滤波前后波形的幅值变化,估计波形的随机与背景噪声; 采用逐层剥离的策略,从原始波形数据中不断分解出波形分量,直到剩余波形中最大峰值小于一定的阈值; 利用L-BFGS算法优化初始参数,获得波形分量参数的最优解; 最后对位置过近的波形分量进行合并.该方法计算速度快,探测微弱回波能力强,显著提高分解后点云的密度与精度.对大量LiDAR波形数据进行了分解,验证了其有效性.     

全波形机载激光雷达数据处理技术的研究进展

全波形机载激光雷达可以直接快速获取地面特征点的3维空间位置,相比于其它测绘方法,全波形机载激光雷达在一定程度上性能更优。首先介绍了全波形机载激光雷达激光测距的工作原理,随后讨论了全波形机载激光雷达数据处理的一般性方法,并总结了其数据处理技术国内外研究现状的主要进展,最后归纳了全波形激光雷达数据处理研究中的关键问题,在此基础上对其数据处理的研究前景进行了展望。     

基于深度学习的机载激光海洋测深海陆波形分类

机载激光雷达的海陆波形分类对于沿海地区及其变化性质的研究至关重要。提出了一种在原始的机载激光雷达回波上使用深度学习进行分类的方法。构建全连接神经网络和一维卷积神经网络（CNN）,在一个测量海域的数据集上进行训练和测试,最优模型获得了99.6%的分类精度。该最优模型对来自不同测量海域的数据进行分类,分类精度达到了95.6%,相比支持向量机方法,处理速度提高了约52%。结果表明:深度学习方法对机载激光雷达回波波形的分类具有较高的精度和速度,它可以进一步作为通过机载激光测深技术对海底种类进行分类的候选方法。     

机载相干MIMO雷达杂波自由度估计研究

针对任意发射波形合成结构影响下的机载相干MIMO雷达杂波自由度的估计问题。论文提出了一种机载相干MIMO雷达杂波自由度估计的构造法,该方法利用发射波形合成结构直接构造等效矩阵代替杂波协方差矩阵进行求秩。通过递推分解等效矩阵,提出并证明了一种杂波自由度快速估计准则,建立了机载相干MIMO雷达发射波形合成结构、阵列稀布构型与杂波自由度之间的定量关系。研究表明:该方法和准则能够准确预测任意发射波形合成结构下的机载MIMO雷达的杂波特征谱结构。该理论既保证了降秩STAP算法性能的最优又具有较小的计算量,并为最优发射波形合成方案和MIMO STAP算法的设计提供了依据。     

基于遗传算法的星载激光全波形分解

全波形激光雷达的回波中包含着地物目标的垂直结构特征信息,传统的全波形数据处理方法在提取这些信息时过于依赖初始参数,导致地形复杂地区的数据可利用率低、准确率低。针对这一问题,提出了一种基于遗传算法的波形分解方法。改进后的处理算法无需提供精确的初始参数,用概率性传递规则代替确定性规则,具有全局寻优特点。并以高分七号卫星激光全波形数据进行试验。结果证明,基于改进后的波形处理方法拟合的回波波形与预处理后波形的相关系数在99%以上。文中对森林地区最大树高的反演与ICESat-2的ATL08产品中的森林冠层高度参数进行对比,两者相关系数为0.85,中误差为1.1 m,表明该方法可以较准确地提取复杂波形的特征信息。     

Mars-LiDAR系统误差分析及安置角误差飞行检校

机载激光雷达系统是集激光扫描仪、全球定位系统和惯性导航系统等于一体的多传感器集成系统。机载激光雷达的检校和标定是保证激光点云定位精度的关键环节,其中扫描系统安置角误差是影响定位精度的主要因素之一。首先介绍了国产中远程机载激光雷达Mars-LiDAR系统,然后基于误差传播定律对系统误差进行了分析。研究了系统安置角误差的飞行检校方法,采用外场定标的方法将安置角进行动态分离,并通过飞行试验完成了系统安置角误差的动态检校,对Mars-LiDAR系统在3000 m、4000 m飞行高度获取的点云进行了定位精度分析和校正,验证了Mars-LiDAR系统安置角误差检校方法的实用性。     

结合区域生长及主成分分析的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中与树木紧邻的建筑物难以提取,已有先滤波后提取算法效率低等问题,提出一种结合区域生长与主成分分析的机载LiDAR建筑物点云提取算法。该算法首先对粗差剔除后的机载LiDAR离散点云构建TIN三角网,依据建筑物边缘点所在三角形的特征提取建筑物边缘点;然后将邻域特征优化后的建筑物边缘点作为种子点进行区域生长得到建筑物点云;最后采用主成分分析对提取结果进行检核,剔除非建筑物点云,在此基础上基于连通性对建筑物点云进行单体化分割,剔除小面积区域,得到最终的建筑物激光脚点数据。实验选取国际摄影测量与遥感协会提供的三组典型区域的LiDAR点云数据进行建筑物提取,并与传统形态学和区域生长两种建筑物点云提取算法进行比较,结果表明本文算法可以实现建筑物点云的高精度提取,且对地形及不同类型屋顶的建筑物具有良好的自适应性,验证了算法的可靠性。      

利用波形匹配实现卫星激光测高脚点精确定位的方法

激光测高仪分米量级的绝对高程精度可以满足地面高程控制点的需求,但其十几米甚至几十米的平面偏移使得其激光脚点仅能在平坦地表区域作为高程控制点使用。通过推导激光回波模型建立回波模型仿真器,综合考虑激光能量时空分布、地表轮廓、地表反射率等器件和目标参数的影响,对没有考虑地表反射率影响的现有波形匹配方法进行改进;进而,使用机载LiDAR点云数据和GLAS波形、能量数据,以仿真波形和真实波形相关系数最大原则进行波形匹配,寻找GLAS激光脚点中心坐标的精确位置。结果表明:在GLAS系统接收能量正常的工作周期内,波形匹配的平均相关系数大于0.9,通过波形匹配提高GLAS激光脚点的平面精度,能够实现约2 m的平面定位精度。研究方法能解决复杂地表条件下的激光高程控制点获取问题。     

基于结构特征的机载LiDAR数据与航空影像自动配准

针对现有机载LiDAR数据与航空影像配准方法对匹配特征具有较强的依赖性,易受数据等影响的问题,提出了一种基于结构特征的自动配准方法。该方法首先提取LiDAR距离图像与对应影像的结构特征,利用初始姿态参数将LiDAR结构特征投影至影像坐标系下,根据结构特征的几何约束条件获取初始匹配点集,完成粗匹配;接着利用粗匹配结果计算直接变换模型（DLT）参数,并以此为初值引入双点几何约束,采用循环迭代的匹配策略,不断剔除错误匹配,获得一组新的匹配点集,完成精匹配;最后根据精匹配结果,采用基于单位四元数的空间后方交会方法解算航空影像的姿态参数,实现机载LiDAR数据与航空影像的自动配准。实验证明,该方法受噪声影响小,能实现机载LiDAR数据与航空影像的自动配准。     

基于小光斑复合激光足印的植被属性研究

用机载激光测高仪对单木树冠进行自动提取和轮廓描绘,是获取森林信息的一种快速有效的方法。机载激光测高仪可通过记录回波波形来描绘单树植被冠盖等细节信息,但由于激光足印较小,很难给出树木种群的细节尺度参数,如树的冠盖大小,树径等。提出把若干小激光足印复合成大激光足印的方法,并通过高斯分解算法导出植被冠层高度,植被冠层反射率和中值能量高度等大尺度参数。实验结果表明,通过把固定数量的小光斑激光足印复合成一个大光斑激光足印的方法,能反演出更多的单树外围尺度参数,为植被垂直结构分析提供更多的可靠保证。     

基于平面延展方法的LiDAR数据滤波

在对目前机载LiDAR 数据后处理典型算法分析比较的基础上，针对机载LiDAR 技术实际应用中对数据处理稳定性、智能性与适应性的更高需求，提出了一种快速稳健滤波方法，即平面延展方法。它利用单元平面的生长形成整个地表，相对常规方法增加了栅格化数据、填充空白数据及剔除错误冗余数据等操作，利用可靠的判定条件选择了基础点。采用平面延展方法对不同地形区域的LiDAR 数据进行了滤波，将滤波前后的数据图像进行对比，采用三种客观误差指标评价处理质量。结果表明，平面延展方法稳健、可靠、效率高，能够在保证精度的情况下有效分离出非地面信息，在应用中有一定的优越性。     

基于半解析模型的激光测高回波海水海冰波形分类方法

现有利用激光测高波形的地物分类方法绝大多数基于机器学习的分类原理,是一种基于经验的分类方法。从激光回波的理论模型出发,通过推导纯海水表面回波和含有海冰的表面回波的解析模型,对纯海水回波和含有海冰回波逐个采样点按时域距离加权计算总振幅差异值,以该差异值作为依据建立一种半解析型的海水、海冰分类方法;通过机载LiDAR将在格陵兰北部海冰区的实测点云数据判断GLAS激光脚点对应的地面类型,对GLAS在该区域实测波形进行基于论文方法的分类准确性验证;结果显示,在剔除饱和波形影响后,分类总体精度OA大于95%,Kappa系数接近0.89,具有非常好的分类效果。论文将使得激光测高仪地物类型分类方法由基于机器学习为依据向半理论解析模型为依据的分类方向延伸,为后续基于激光回波数据的地物分类方法提供重要的参考思路。     

机载激光雷达电力线提取的布料模拟法

为了实现长距离直线型机载激光雷达电力线提取,提出了一种基于布料模拟的长距离机载激光雷达电力线提取方法,在数据预处理的基础上,通过模拟布料下落过程,分析布料与对应机载雷达点云之间的作用,确定布料由重力下降后所停留的位置作为相近高度的电力线点云,然后在xOy平面内拟合直线,利用点到拟合直线的距离对电力线条数进行奇偶判断,通过点在直线两侧判断,实现单根电力线的提取。结果表明,所提出的方法对长距离电力线的提取精度达到98.9%,具有较高的自动化程度,且对局部点云缺失不敏感。该研究在电力线智能巡检及输电廊道空间结构自动分析领域具有良好的工程应用价值。