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。     

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%。     

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。     

基于特征差异的机载LiDAR侵蚀沟点云分割方法

为克服数字高程模型(Digital Elevation Model, DEM)提取侵蚀沟特征的局限性,提出一种基于机载激光雷达(Light Detection and Ranging,LiDAR)点云的不同尺度下的表面特征差异侵蚀沟点云分割方法。该方法首先对侵蚀沟点云进行特征分析,在对点云预处理的基础上,基于不同尺度获取点云表面特征差异,再结合曲率阈值方法分割得到初始侵蚀沟,最后基于聚类分析得到侵蚀沟点云。试验结果表明,该方法能够精确地从机载LiDAR点云中分割得到侵蚀沟,为侵蚀沟的定量评价提供了一种新思路。     

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。     

LiDAR测量技术在高陂水利枢纽工程中的应用

水利枢纽工程通常具有范围大、地形复杂等特点,应用机载激光雷达(LiDAR)测量技术能快速获取大面积目标空间信息,提高测量效率。机载激光测量(LiDAR)技术是直接采集并获取数码影像数据和激光点云数据,在此基础上经过后期加工和处理,得到DSM、DEM、DOM等数据产品的测量技术,在一些相关专业软件的辅助下,还可以其制作其他数据产品,如三维电子沙盘,生成测区三维景观,可以大大提高水利设计的直观度。     

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。     

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。     

基于多元隶属度的区域水土流失评价模型研究

区域水土流失评价对于水土流失治理的宏观决策、规划具有十分重要意义,基于此提出了一种基于多元隶属度的区域水土流失定性评价方法.该方法通过选取水土流失影响因子的区域特征指标,以径流场观测小区所获得数据为样本,采用模糊数学方法构建水土流失强度与其影响因子之间的多元隶属函数并依据隶属度划分水土流失强度等级分类,然后应用GIS等技术工具提取评价单元的评价指标参数,由构造的多元隶属函数和水土流失强度等级分类确定其对应的强度等级.该模型以鄂东大别山作为研究区域进行模型验证并与"三要素"专家规则模型进行比较,结果表明,这种方法在划分水土流失强度上更准确、合理.     

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。     

基于改进分水岭算法的农村地区LiDAR点云建筑物提取

针对LiDAR点云建筑物提取的研究很多,而在农村区域植被与建筑粘连且高度近似情况下的讨论较少。考虑到中国典型农村区域建筑特征,以湖南省益阳市泗湖山镇为研究区进行LiDAR点云的建筑提取研究。首先利用梯度及梯度方向约束的形态学滤波方法,将原始点云滤波得到地面点,对地面点及原始点云进行插值得到数字高程模型(DEM)和数字地表模型(DSM);然后通过两者相减得到归一化的NDSM,进而对NDSM进行高程及梯度双约束的标记分水岭变换得到地物对象;最后建立特征指标,对地物对象进行最大似然分类得到建筑物对象。研究表明建筑物分类的生产者精度和用户精度均>90%, Kappa系数>0.8, 构建方法在农村地区建筑提取研究中取得了良好效果。     

利用GPU加速的海量点云高效绘制

针对地面三维激光雷达点云的特点,结合其在水工建筑三维建模、水利工程安全监测、边坡监测等水利工程应用中的共性问题,提出一种利用GPU加速的海量点云绘制算法。与基于Z-Buffer的点云绘制算法相比,提出的绘制算法适用于10GB级的点云绘制,绘制帧速最高增幅达到40%。     

Mapping river floodplain ecotopes by segmentation of spectral (CASI) and structural (LiDAR) remote sensing data

Floodplain land cover maps are important tools for river management and ecological assessment. These maps have to be revised regularly due to the dynamic nature of floodplains. Automation of the mapping process cuts the map processing time and can increase overall accuracy. Manual delineation and classification of vegetation is based on colour, contrasts (texture) and often‐stereoscopic view of aerial images. In this study, this is mimicked by the simultaneous use of both structural light detection and ranging (LiDAR) and compact airborne spectral imager (CASI) remote sensing data in an image segmentation routine fractal net evolution approach (FNEA). The segmentation results are tested against manually delineated ecotopes. Ecotope delineation improves when LiDAR and CASI are used simultaneously; the combination significantly lowers the number of segmented objects needed to accurately map ecotopes. Overall map accuracy of the LiDAR and CASI combination is 8–19% higher than single CASI and LiDAR, respectively. Copyright © 2009 John Wiley & Sons, Ltd.     

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。