基于坡度信息和平面拟合的机载LiDAR点云滤波方法

提出了一种改进的滤波算法.新算法利用平面的性质和局部最低点的关系进行地面点的提取.初始的DTM拟合之后,新算法中最初用到的坡度阈值就会更新,这样DTM会包含更多细节的地形信息,从而使新算法在坡度变化复杂的区域能够实现地面点的提取.     

基于单个栅格的DEM坡度与分辨率关系研究

在黄土高原选取代表不同地貌类型的延川、绥德、富县3大研究样区108个小样区，以研究样区1：1万地形图所建立的5m分辨率的数字高程模型（DEM）提取的坡度矩阵为标准值，基于单个栅格分析15～75m分辨率的DEM提取的坡度矩阵准确程度．提出了基于栅格的坡度准确程度评价指标：分级正确率指标a和坡度数值误差指标b．在每一大样区随机选取的20个试验样区得到了上述两项误差指标与水平分辨率的函数关系，可以根据函数关系由已知误差求得所需要的水平分辨率范围，并且函数关系在每一大样区16个随机检验样区通过了检验．结论表明：指标a和b可以用于基于单个栅格方式评价DEM所提取坡度的准确程度，所得到的函数关系可望为实际工作选取适宜的水平分辨率提供依据．     

基于渐进加密三角网机载LIDAR点云滤波改进算法研究

机载三维激光扫描获取的原始点云中通常包含大量的非地面点,无法直接用于制作高精度DEM.基于渐进三角网,提出了融合点云聚类及点云拓扑特征分析的滤波算法.首先对点云数据进行以区域增长算法对点云进行聚类分割;然后通过对每个聚类中的关键点进行拓扑特征分析来剔除低矮人工地物和低矮植被;最后利用关键点与三角网的位置关系判断每个聚类是否为地面点.通过对某地点云数据实验分析,过滤后的点云能较好地保持地形特征.文中以少量特征点判定聚类是否为地形数据的思想,极大减少运算量,提高效率;加入点云特征分析,提高点云滤波效果.新算法适用于海量点云数据处理,可应用于获取高精度DEM、地形测绘等领域.     

LIDAR点云数据全自动滤波算法研究

提出了一种基于移动最小二乘法的点云数据全自动滤波算法,该方法首先对LIDAR点云数据进行合理分块,并建立分块网格的动态四叉树空间索引,便于数据操作和管理.对分块网格中的点云数据利用精简移动最小二乘法拟合出参考地形,将拟合得到的参考地形用于LIDAR点云高程阈值的迭代计算,将每次迭代前后高差小于阈值的点划为地面点,其余点划分为非地面点,迭代运算直至阈值满足要求为止.实验表明,精简移动二乘法效率高,计算量小,并且精度高,适合点云数据DEM(digital elevation model)拟合,利用该算法对LIDAR点云数据进行滤波的速度快、精度高,能够有效地识别地面点和非地面点,并保留地形的细节信息.     

基于扫描线坡度统计的LiDAR滤波算法

提出一种基于扫描线坡度统计的LiDAR滤波算法,该方法根据扫描线内点间距较小、密度较大的特点,将二维滤波转化为一维滤波．在统计扫描线内相邻点间的坡度。设定阈值迭代滤除地物点基础上,采用局部参数化表面拟合进一步将精化候选地面点,用ISPRS提供的参考数据进行实施测试分析,结果表明：可有效处理大面积、复杂城区,为下一步城市...     

基于LIDAR点云数据插值方法研究

利用机载LIDAR技术可以获取高精度﹑高密度的三维坐标数据,并生成三维立体模型,构建用户感兴趣的DEM和DSM,如今需要快速高效的处理LIDAR点云数据,研究和探讨最合适的插值方法就显得特别重要,本文着重研究了不同插值算法的特点。     

基于双次回波的LiDAR点云数据滤波方法

LiDAR系统发射的激光脉冲在遇到不同高度的障碍物时,会返回多次回波,目前大部分系统仅记录首尾两次回波.通常情况下,植被区域局部高程变化明显,而对于道路、房屋屋顶等人工地物,局部高程变化较小;因此,首尾两次回波在这两种不同的地物上具有显著的区别.利用该原理,采用双次回波技术滤除原始LiDAR数据中的植被信息,然后采用传统的形态学滤波区分建筑物和地面脚点,试验表明研究的算法可行有效.     

三角网数字地面模型内插法研究

地形表面由一组规则或不规则的分布的采样点组成的矩形或三角形来表示,由于原始采样点的空间分布受到客观条件的限制,往往不能满足显示的需要,这就需要进行内插以产生更多的点,才能使构建的数字地面模型真实的反映地表.基于Delaunay三角网理论,运用格网点的检索、高程内插、沿坡面内插法构建地形特征的数字地面模型,对于不规则离散分布的特征点数据,可以建立各种不规则网的数字地面模型,并通过高程矩阵(Grid)与不规则三角网(TIN)建立数字地面模型的比较,TIN构建数字地面模型的存储量小,速度快,精度高.因此,TIN是表示数字地面模型最简单的、最好的方法.     

LiDAR点云自适应坡度邻域体系研究

邻域体系的定义对LiDAR点云分割至关重要,研究通过分析现有邻域定义方法及局限性,并在已有研究基础上引出Filin等人提出的自适应坡度的邻域体系,利用新的邻域体系计算LiDAR点的法向量,与TIN邻域的计算结果进行比较,实验结果表明新的邻域体定义方法可以有效提高特征参数的计算可靠性和精度,有利于LiDAR的后续处理和应用.     

基于AE的等高线三维地形建模与实现

数字高程模型(DEM)是地理信息系统的一种基础数据.等高线地图作为生成DEM的重要的数据来源,具有十分重要的研究价值.文章以Visual C++为开发平台,以ArcGIS Ensine为开发组件,建立了基于等高线矢量数据的三维真实感地形模型,结合实例开发分析每一个步骤的实现过程,并给出所生成的三维地形图实例.     

一种基于分布式并行模型的海量机载LiDAR点云数据快速滤波方法

机载LiDAR点云数据是遥感大数据的重要组成部分,基于单机的处理算法已经无法满足海量点云数据处理的要求.首先,针对现有单机多级移动曲面拟合滤波算法存在粗差和拟合曲面精度不高的问题,提出适合海量机载LiDAR点云数据滤波的多级多窗口移动曲面拟合滤波算法(WHMCFA);其次,设计并实现基于MapReduce的PWHMCF...     

基于DEM的坡度算法分析及精度探讨

坡度是最基本的地形因子之一.介绍了基于DEM的坡度计算方法,对坡度分级统计中的误差来源分类进行分析,并结合GIS软件产品用实验法分析其DEM精度,以及各误差因素对坡度统计计算的影响,以便在实践中根据不同资料适当地选择算法和软件产品,进而提高工程项目的质量.     

大区域虚拟战场环境研究中的数据源模拟

大区域虚拟战场环境研究需用大规模的数据源作为实验数据，其中数字高程模型数据和相应的彩色影像数据是2种重要的数据源，但这些数据源售价较高，远非一般研究单位所能承受；提出了一种由小范围数据源模拟大范围数据源的无缝翻转法和一种用灰度影像数据模拟彩色影像数据的方法。前者解决了当前放大方法不能实现无缝拼接的问题，后者实现了将灰度图转换成彩色图。这2种方法可为大区域虚拟战场环境研究提供满足实验要求的大规模数字高程模型和彩色影像数据。     

基于抗差Kalman滤波的精密单点定位

当精密单点定位的观测值含有异常数据时,Kalman滤波的精度将会降低。采用抗差Kalman滤波方法能够有效抑制观测异常,提高滤波的精度和可靠性。运用武汉国际GPS服务跟踪站数据对该方法进行了验证。结果表明,抗差Kalman滤波的精度比Kalman滤波的精度有一定程度提高,说明抗差Kalman滤波能够有效抑制观测异常。     

三维点云数据采集与拼合技术的研究与应用

激光三维扫描技术在工程地质勘察领域的广泛应用,使得三维地质建模的过程中不免要处理大量复杂的点云数据,因此,如何对点云数据进行有效处理,是影响建模质量的关键。介绍了逆向工程的基本思想和激光三维扫描技术的应用方法,以及三维地质点云数据的采集方法和过程。在此基础上,重点阐述了对点云数据进行拼合过程的数值原理和实现方法,讨论了点云数据处理的发展现状、应用前景和推广价值。分析认为．综合应用曲面数值模拟、三维数字重构、图像算法分析、程序可视化等方法,可以有效完成点云数据的处碑和分析,满足三维地质建模的要求。     

基于数据挖掘的垃圾E-mail过滤方法

分析了己有的垃圾E-mail过滤规则的算法的本质,给出了将邮件表示成事务的方法。在将垃圾邮件的训练集表示成事务集后,可以用FP-Tree算法从训练集中挖掘出频繁特征集。同时探讨了如何将一个频繁特征集表示成规则及如何使用规则的问题。     

一种基于偏度平衡的LiDAR点云滤波算法

在回顾现有机载LiDAR点云数据滤波算法的基础上,引入统计学偏度与峰度的概念,提出了一种新的基于偏度平衡的点云滤波算法,并重点对算法性能展开深入分析.通过对比实验得出结论：与传统滤波方法相比,该算法完全自动化的特点以及高效的运算效率具有较大的实际应用价值.