基于机载LiDAR点云的道路点滤波提取方法研究

提取出道路地面点对于从机载LiDAR数据中提取地物有重要意义,论文提出了一种滤波方法提取道路地面点。首先,通过LiDAR数据中的道路特征的高程值进行区域分割,保存粗略数据;然后再根据LiDAR数据中的反射强度进行第二次滤波,超出反射强度某阈值的点划分为非地面点,剔除此部分点;第三次对已提取出的点进行分析,根据道路点密集的特征剔除周围反射强度符合阈值但形状稀疏的孤立点。实验结果表明该算法对地面点的提取效果较好,具有一定的实用性。     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

基于地平拟合改进的激光点云滤波算法

针对复杂地形条件下使用传统滤波方法处理激光点云数据时生成的数字高程模型质量较低的问题,提出了一种基于地平拟合和简单形态学(simple morphological filter, SMRF)相结合的点云滤波算法。算法通过SMRF粗滤波生成初始模型,计算原始高程与模型高程差值实现高程归一化;结合渐进移动窗口不断减小的特点,采用地平拟合算法在不同尺寸下构建多个面片集合;利用空间向量后处理,合并过度分割的面片及孤立点,完成地面点云提取。使用ISPRS数据集和实际采集到的点云数据将该算法与4种算法进行比较验证。结果显示,该算法的中误差降低3.3 cm,平均绝对误差降低2.0 cm,与真实地形的相关度达到0.996 4,在8组实验区的平均Ⅰ类误差、Ⅱ类误差和总误差分别为2.54%、7.47%和3.06%,滤波精度明显提高。     

基于地形认知的布料模拟滤波算法

数字高程模型(Digital Elevation Model, DEM)可以反映一个地区的地形特征,具有广泛的科研应用。对激光雷达点云数据进行点云滤波以提取地面点,并对地面点进行插值是构建DEM的常用步骤,其中在点云滤波过程中使用的滤波算法直接影响到最终构建的DEM的精度。布料模拟滤波(Cloth Simulation Filtering, CSF)算法作为一种点云滤波算法,具有模型简单、滤波效率高等优点,其针对平坦地区的滤波精度较高,但在处理复杂地形时会因布料模型的内部弹力以及重力惯性等因素,导致滤波结果的精度较差。为了提升CSF算法在处理复杂地形时的滤波精度和地形适应性,提高其构建DEM的精度,提出了基于地形认知的布料模拟滤波算法(Cloth Simulation Filtering Algorithm with Topography Cognition, CSFTC)。该算法提出了地形认知模型,基于点云数据点的局部分布特征构建认知模型,并将其扩展为粗精度数字高程模型(Rough Digital Elevation Mo-del, R-DEM);通过点云地形归一化实现宏观地形趋势与...     

茂密植被区域LiDAR点云数据滤波方法研究

点云数据的滤波和分类是激光雷达数据应用处理重要环节,是当前研究的热点问题。本文针对茂密植被区域点云数据的特点,提出了以移动窗口和坡度算法为基础的改进的点云数据滤波算法。试验结果表明,改进的滤波算法对地形变化复杂、植被郁闭度较高覆盖、地面激光脚点比少的点云数据有良好的效果。     

激光雷达点云数据的滤波算法述评

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对它所获取的点云数据的滤波过程就是将LIDAR点云数据中的地面点和非地面点分离的过程。主要对数学形态学的滤波算法、基于坡度的滤波法、基于TIN的LIDAR点云过滤算法、基于伪扫描线的滤波算法、基于多分辨率方向预测的LIDAR点云滤波方法等几种较为重要且实用的激光雷达点云数据滤波算法进行介绍和讨论,评价对比了各自算法的优势和不足,初步探讨了每种算法缺陷及其改进方向。     

融合梯度与平坦度的城区点云滤波算法

机载激光雷达系统(Light Detection and Ranging,简称LIDAR)是一种综合应用激光测距仪、IMU和GPS的新型快速测量系统.然而由于地理环境的复杂性,其数据滤波一直是一个研究难点.目前学者们已经提出了许多种滤波算法,但是这些滤波算法主要采用单一特征.本文的目的是在前人算法基础上尝试利用多元特征的互补性来提高滤波的精度,从而生成精度更高的DEM产品用于生产实践.     

基于大疆精灵4无人机多光谱影像的西沙植被监测

西沙群岛位于热带,常年多云,在光学卫星数据获取时易受天气影响导致缺失,使得地表动态监测困难。为解决这一问题,探讨无人机低空平台对西沙群岛植被的监测能力,选取大疆精灵4多光谱无人机,通过5个多光谱波段提取4项植被指数,包括归一化差值植被指数（NDVI）、叶绿素指数（GCI）、绿色归一化植被指数（GNDVI）以及归一化绿红差值指数（NGRDI）,评估了2020年5月西沙群岛北岛的植被生长状况,并结合关键气象参数以及Worldview2卫星光学影像对比分析了2020年5月和2018年5月北岛植被生长变化及其潜在归因。研究结果表明：2020年5月北岛平均NDVI、GCI、GNDVI和NGRDI别为0.30、0.84、0.26和0.05,反映出植被覆盖度较低,可能存在枯黄现象,与地面监测结果一致;2020年人工管理植被区和自然生长植被区各项指数差异由2018年的-23%—15%增加到15%—40%,表明2020年自然生长植被长势显著差于人工管理植被,反映出较强的环境胁迫;气象数据显示2020年4月—5月该地区日平均温度较常年同期升高、累计降水量减少、平均风速增大同时增加了土壤水分亏缺,可能是引起...     

基于体素栅格滤波的点云地图处理方法

为了保证算法的实时性,在激光SLAM算法(Simultaneous Localization and Mapping,SLAM)中通常使用滤波算法使激光点云地图保持稀疏的状态以减少运算复杂度.在多传感器融合的SLAM算法中,激光点云为图像像素提供深度信息,最终输出携带色彩信息的点云地图,此时由滤波算法引起的点云稀疏性将...     

基于机载LiDAR点云数据的复杂城市区域数字地面模型提取

LiDAR已成为获取数字地面模型（DTM）的重要手段。结合城市地形较平坦的特点,提出了一种针对LiDAR离散点云数据提取DTM的分步滤波方法,该方法主要通过高程频率直方图获取滤波主要参数,运用趋势面拟合的方法剔除剩余地物点,然后通过克里金法对地面点进行插值,最终得到DTM。将这种滤波方法应用在上海陆家嘴某区域,并与单纯趋势面拟合法的结果进行比较,实验数据表明,该滤波方法能有效的获取城市DTM。     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

基于LiDAR点云数据的等值线绘制方法

随着新型传感器激光雷达（LiDAR）步入市场,自20世纪80年代起逐渐应用于建筑规划、植被水利等行业.而在测绘行业,采用三维激光雷达扫描技术以取代传统的测量技术才刚开始起步,因其自动化程度高,更新周期短且获取到的数据精度高,信息全而逐渐被现代测绘业逐渐认可.用激光雷达采集到的点云数据为源数据,探究了三维离散点间接综合等值线的方法,并尝试改进三维道格拉斯算法,实现点子重要性排序以用于不同比例尺下地形图的综合.借助二次开发技术实现点数据栅格化,绘制等值线,同时在此过程中对比分析选用不同数量的点集合以及不同分辨率分别对等值线绘制的影响.结果表明先对点数据进行综合继而回放等高线既保留了原始地形的特征,且缩短了数据处理时间,同时也可根据实际比例尺的缩小程度,多尺度地输出、显示等值线.     

基于最小二乘曲线拟合法的点云滤波算法研究

作为机载激光雷达数据处理的关键环节,激光雷达点云滤波一直是数据应用的重要前提和研究热点.本文充分考虑激光雷达通过线扫描获取数据的特点,并结合最小二乘曲线拟合法得到的拟合值具有跟随地形变化的特点,提出了一种最小二乘曲线拟合法用于点云滤波的算法.试验结果表明,该算法能获得准确的地形点,对地物复杂的城区及斜坡地区都有良好的滤...     

基于TerraSolid与Inpho的LiDAR数据处理方法分析与研究

介绍了机载激光扫描(Airborne Laser Scanning)/激光雷达(LiDAR)遥感信息获取系统的基本原理及系统组成,主要对基于TerraSolid和Inpho的两种LiDAR数据处理原理、滤波实现方法以及作业流程进行了分析,并通过不同地形特征的实验数据对其精度、效率、可操作性等方面进行了研究。     

无人机摄影测量点云道路自适应提取

在无人机摄影测量中, 针对传统的地面点云提取方法对图像点云数据中的道路提取适应性较差的问题, 本文提出了一种无人机摄影测量点云道路自适应提取方法. 首先, 根据点云的空间几何特征将点云划分为3个类别; 然后, 针对非道路的点云类别采取相应的方法进行剔除; 最后, 对经过自适应提取方法得到的点云数据进行滤波平滑和基于颜色的区域生长分割处理. 实验结果表明, 该方法提取的道路点云的I类误差为4.97%, II类误差为1.14%. 该方法能够有效地提取目标道路路面, 提高了无人机摄影测量工程应用中点云数据处理的效率.     

基于机载LiDAR点云数据森林郁闭度估测

郁闭度是反映森林数量和质量的重要参数,是森林调查的重要因子之一。以广西壮族自治区高峰林场试验区获取的机载LiDAR点云数据为基础,基于二维冠层高度模型（Canopy Height Model,CHM）和三维点云开展了森林郁闭度估测研究。使用实地调查的105块样地作为验证参考数据对郁闭度估测结果进行了精度评价,结果表明：基于二维CHM估测郁闭度与实测值之间的R²=0.388,RMSE=0.17;而基于三维点云估测郁闭度采用了2种方法：第一种方法采用归一化后2 m以上高度植被点云密度与归一化后所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.467,RMSE=0.13。第二种方法采用归一化后2 m以上高度第一次回波植被点云密度与归一化后第一次回波所有点云密度比值估测郁闭度,估测结果与实测值之间的R²=0.478,RMSE=0.12;基于三维点云的2种方法估测林分郁闭度的精度皆优于基于二维CHM的方法,基于三维点云估测林分郁闭度方法中,第二种方法的精度优于第一种方法。     

基于样本加权PointNet++的输电通道点云分类研究

输电通道内地物要素复杂,机载LiDAR获取的电力线、杆塔、植被等地物点云密度差异大、空间分布不规则,实际应用中"所见即所得"的应用需求对点云的高效自动化分类带来挑战.将深度学习中的PointNet++算法用于输电通道机载点云自动分类研究,分析样本加权对不同密度点云数据分类精度的影响,利用两组实验数据验证算法的精度和效率...