低空机载LiDAR水面点云自适应分类算法研究

水陆点云分类是DTM生成、河流岸线提取等低空机载LiDAR应用领域面临的新问题,然而在岸滩等复杂扫描场景中,水陆点云的准确分类是一个公认的难题。在分析目前点云分类存在的缺陷基础上,提出了一种多元特征统计的自适应水陆LiDAR点云分类算法,该算法通过分析低空机载LiDAR水面点云的特点,针对性地设计了点云坡度、密度特征描述子;引入贝叶斯定理,建立了高程、坡度、密度隶属度函数;通过水、陆独立样本的t检验,确定隶属度函数的自适应权重;最终得到一个多元特征统计的分类模型,并基于训练样本的概率密度统计,确定了模型的自适应分类阈值。典型应用实例表明,在存在岸滩、内陆平地等复杂地形条件下,新算法都能达到99%以上的水陆点云分类精度。     

基于TIN的LiDAR地面点云数据简化方法研究

机载LiDAR点云数据的简化虽属数据辅助处理的范畴,但对提高庞大点云数据后处理效率起着重要作用.将TIN迭代加密方法引入机载LiDAR地面点云数据简化中；对平坦地形直接简化,对复杂地形则提取山谷线、山脊线,将获得的特征点作为种子点加入TIN加密迭代简化方法中.实验证明,该方法能够在保证数据精度的前提下,简化点云数据.     

基于PTD和改进曲面拟合的高山区水电工程机载激光雷达点云滤波方法

针对高山区水电工程区域地形起伏大、植被茂密且存在部分建筑物,在提取这些区域地形时机载LiDAR点云滤波方法存在精度不高的问题,提出了一种综合点云回波特性、渐进三角网加密(PTD)算法、改进的曲面拟合算法和地面点精细化处理的山地点云滤波方法。该方法在对机载激光雷达(LiDAR)点云数据去噪的基础上,先利用植被点云的回波特性去除部分植被点,再使用PTD算法进行两次迭代计算获取部分地面点集合,然后将得到的部分地面点集合作为改进的曲面拟合算法的种子点进行格网区域化的曲面拟合来获取原始点云数据中的地面点,最后通过点云的精细化处理去除地面点中夹杂的低矮植被点,以此获得最终的地面点集合。选取DJI-M600搭载HS-600的机载LiDAR测量系统实测数据进行试验,并将提出的滤波方法与PTD算法、曲面拟合滤波算法、区域生长滤波算法和形态学滤波算法进行横向对比,通过点云误分率对滤波方法进行评价。结果表明,与其他4种方法相比,基于PTD和改进曲面拟合的滤波算法的第Ⅰ类误差、第Ⅱ类误差和总误差的最大减小幅度分别为6.25%、1.82%和2.93%,更适用于高山区水电工程机载LiDAR点云数据的滤波处理。     

基于无人机载激光雷达数据的建筑物自动提取算法

针对机载LiDAR散乱点云数据量大、目标分类困难的问题,提出一种实现LiDAR点云数据中地面点云、植被点云和建筑物点云的全自动分类算法,并根据提取的建筑物点云数据自动提取建筑物轮廓和中心点坐标。具体理论算法为:首先基于渐进三角网的点云数据滤波算法分离出地面点云数据,然后根据植被点云法向量的各向异性采用模糊C均值聚类(FCM)方法分离植被点云和建筑物点云。对于分类后的建筑物点云,利用拓扑聚类的方法,对每个建筑物进行识别并提取轮廓和中心点。将该算法应用于栾川协心小流域的山洪灾害调查评价居民户建筑物位置和高程自动提取。应用案例表明:该方法提取速度快,提取精度较高,且适用于山丘区机载雷达数据建筑物提取和植被分类。     

机载LiDAR在山区型河道地形测绘中的适用性研究

河道地形是河流保护与利用的基础支撑资料,采用传统手段测绘山区河道地形具有作业风险高、难度大、效率低等不足,采用航测手段则具有高程精度低、植被覆盖地面信息无法获取等不足。机载LiDAR具有较强的植被穿透性,结合影像与激光的优势,可以很好解决以往山区河道地形作业方式的不足。与其他作业区域相比,地形坡度、植被覆盖度会影响机载LiDAR在山区河道地形测绘中的作业精度。为研究机载LiDAR在山区型河道地形测绘中的适用性,首次提出了按地形类别、地表覆盖物对典型山区河段进行机载LiDAR植被穿透性、作业精度研究。研究结果表明:(1)机载LiDAR获取影像平面精度优于点云,可充分结合影像平面精度高、激光点云高程精度高及丰富地表信息表达方式的优势;(2)机载LiDAR具有良好的植被穿透性;(3)点云高程精度受地形坡度、植被覆盖率影响,坡度越大、植被越密集,精度越低;(4)点云等高线由不经抽稀的点云生成,等高线精度与点云精度接近;(5)机载LiDAR在在山区型河道地形测绘具有较好的适用性。     

基于LiDAR技术的单个建筑物信息提取研究

利用机载激光雷达测量（LiDAR）等先进的遥测技术辅助进行洪水灾害的预警、评估和灾后重建是目前水利研究的热点。首先介绍了建筑物信息提取的主要方法,提出了基于机载LiDAR技术对单个建筑物信息进行提取的方法。利用LiDAR点云得到nDSM,并借助ArcGIS软件获取建筑的高度和面积信息,并对如何提高精度进行了分析和评价。结果表明,该方法能够满足精度要求,对于建筑物洪水灾害评估有重要的意义。     

利用机载双激光测深反演近岸水体含沙量的方法

为解决利用机载激光测深(Airborne LiDAR bathymetry, ALB)波形数据估计水体含沙量(Suspended Sediment Concentration, SSC)难题,提出了一种利用ALB三维点云数据反演水体含沙量的新方法。首先,基于绿激光水面点和红外激光水面点计算绿激光水面穿透量;其次,利用实测水体含沙量及对应绿激光水面穿透量构建SSC经验模型;最后,基于构建的SSC经验模型实现了利用ALB三维点云的水体含沙量估计。实验验证了该方法的有效性,取得了优于20 mg/L的SSC反演精度,为水体含沙量信息的高精度、大区域面获取提供了一种新途径。     

机载LiDAR数据的电力塔建模方法研究

电力塔作为电力传输中的重要设备,以及电力设备检测和管理的重要支持,其提取与可视化建模具有巨大的实际应用价值。在此方面,传统的量测与制作手段存在周期长、人力和财力耗费大的不足。机载LiDAR系统作为一种主动式的测量传感器在近十几年来取了快速的发展,其获取的高精度、高密度的三维点云使得快速高效的电力塔建模成为可能。提出了一种基于机载LiDAR点云数据的电力塔建模方法,其通过检测电力线对的连接点定位和提取电力塔,通过建立三维空间格网、利用二值图像轮廓跟踪的方法跟踪三维线结构,并由三维空间线特征建成电力塔三维模型。实验证明：此方法所建立的模型完整度高,能够保留点云所描述的三维空间位置以及拓扑特征,是可行和有效的。该成果可以有效地应用于电力设备管理与监测以及数字城市等可视化系统。     

联合机载激光测深波形和点云的水陆识别方法研究

水陆识别在河口海岸带水陆资源管理和科学研究中具有重要作用。利用机载激光测深(Airborne LiDAR bathymetry, ALB)回波波形和点云信息可实现水陆交界区域高精度和高分辨率水陆识别。但在复杂海陆环境区域,采用ALB波形特征或三维点云高程特征的传统识别方法具有各自不足。针对复杂海陆环境区域高精度水陆识别问题,提出了联合ALB波形和三维点云特征的水陆识别方法。首先,利用红外激光获取的三维点云高程,基于K-means聚类方法进行海陆识别。然后,利用红外和绿激光波形信息识别陆地中的内陆水域。将该方法应用于实际Optech CZMIL水陆识别。结果表明:相比传统点云聚类和波形聚类水陆识别方法,该方法将ALB水陆识别精度提高了3.6%～5.5%。     

融合无人机LiDAR与摄影测量的河道地形测绘方法

针对无人机摄影测量过程中植被穿透率低、无人机LiDAR(激光雷达)点云地物提取困难等问题,研究了一种融合无人机摄影测量与LiDAR的高精度河道地形测绘方法。该方法利用TerraSolid软件对LiDAR点云数据进行去噪与地形滤波处理,提取测区高精度DEM(数字高程模型),并通过LiDAR点云与DOM(数字正射影像)融合建立真彩色三维点云、与数码影像融合重建测区实景三维模型,实现地物的精准测绘。典型应用结果表明：该方法能有效发挥两种技术的互补优势,解决长江下游河道岸滩区域植被高密度覆盖的地貌测绘与建筑物复杂多样的地物测绘难题,数据采集与处理高效,产品直观、精细、多样化,精度可满足1∶1 000比例尺地形图测绘的要求。     

机载激光雷达数据处理质量控制与解决方案探讨

随着机载激光雷达技术的迅速发展,其数据处理已经成为整个生产过程的一个重要环节。文章就激光雷达数据处理过程中的GPS差分解算、坐标转换、点云数据分类、影像连接点、最终产品等的质量控制与解决方案进行分析和探讨。     

激光点云中电力线的提取和建模方法研究

当利用LiDAR激光点云进行电力线路危险点检测时,需要对电力线进行建模。为此提出了一种在激光点云中提取电力线并建模的算法。该算法首先利用激光雷达回波信息和电力线在三维空间中的线性特征,过滤掉大部分非电力线的点,然后在点云的XY平面内利用霍夫变换提取最长且相互平行的线性地物作为电力线,连接因数据遮蔽而造成的段线,并利用线的交点和沿线小网格内高程变化特征找出杆塔位置,最后在电力线断面内对多根电力线进行分割,分别计算悬链线模型。基于云南某500 kV线路实际数据的实验表明,该方法自动化程度高,电力线提取和建模准确度高。针对进一步提高该算法的通用性和自动化程度,提出了下一步的研究方向。     

基于红黑树与K-D树的LiDAR数据组织管理

LiDAR点云是由海量的激光离散脚点组成的三维点集,在平面以及垂直方向上均分布有数量不均的离散点。LiDAR点云离散点相互之间缺乏空间拓扑关系,所以建立适当的数据组织结构对LiDAR点云进行组织是对LiDAR点云进行处理的基础。根据LiDAR点云的数据结构特点,利用红黑树与K-D树建立一种“非空”规则立方体格网和K-D树相结合的双层次数据结构,用于LiDAR点云的组织管理,从而降低结构冗余和提高索引效率。     

融合LiDAR点云和高分辨率影像的地物分类研究

LiDAR点云包含丰富的高程信息,而高分辨率航空影像则富含光谱信息。在分析两类数据特征优势的基础上,以模糊集为融合方法的理论基础,研究了一种结合LiDAR点云和高分辨率影像的分类方法。该方法首先通过航空影像获取模糊分类结果,然后引入LiDAR点云的高程信息,再进行模糊决策融合,重点改善了建筑物与其他地物之间的混分现象。实验结果表明,在LiDAR点云的辅助下,该方法能够有效改善光谱信息分类中出现的建筑物与裸地、道路、水体等地类之间的混分现象,明显提高了总体分类精度,为复杂城市区域提供了更为精确的地物分类结果。     

基于DEM的黄土沟道提取汇流量阈值确定方法

沟道是黄土高原重要的地形特征和水文特征,汇流量阈值是采用水文分析方法提取沟道的关键,目前已有汇流量阈值的确定方法具有较强的主观性。为解决汇流量阈值不确定性的问题,采用30 m分辨率DEM为基础数据,以延安市宝塔区碾庄沟流域为研究区,提出了一种基于受试者工作特征曲线(ROC曲线)确定汇流量阈值的方法。首先采集69个实际沟道起点,分析沟道起点的汇流特征,并确定了汇流量集聚区间;其次提取了500个一级沟道点作为样本点,采用ROC曲线分析了汇流量对沟道的诊断价值,得到了汇流量最优阈值。结果表明:汇流量对沟道具有较高的诊断价值,存在某一汇流量阈值能够较好地判定样本点是否为沟道;采用ROC曲线法确定的汇流量最优阈值提取的沟道均方根误差<2.5个像元,结果较为理想。