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.     

应用于基础测绘的机载LiDAR高程精度方法研究

机载LiDAR是近些年发展起来的一种主动式对地观测新技术,代表着高效获取空间数据的发展方向.该技术在三维空间信息的实时获取方面取得了重大突破,为获取高时空分辨率地球空间信息提供了一种全新的技术手段.它具有自动化程度高、受天气影响小、数据生产周期短、精度高等特点.本文以实验区为基础,通过神经网络算法,提高了机载LiDAR...     

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。     

机载LiDAR技术在柬埔寨1∶2000地形图测量中的应用

结合柬埔寨项目1∶2000地形图测绘项目,介绍机载激光雷达技术在植被茂盛的密林地区测绘中的应用,重点介绍了项目实施中技术方案的制定和数据后处理的过程。试验表明,机载激光雷达技术可以解决大面积森林覆盖地区、沙漠、沼泽、草原等困难地区及其他无法到达或危险区域的测绘工作,能够大量减少人工成本并获取丰富的地形测量成果,成果精度满足相关规范要求。     

浅谈输电铁塔结构优化设计

以广西某220 kV输电线路铁塔设计为基础,就影响铁塔结构的档距、布材、坡度等关键影响因素进行优化设计,通过对这些控制因素的优化进而使铁塔结构得到优化.经过优化设计的新铁塔安全性能好、地形适应性强、土石方开挖少、材料较省.     

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。     

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...     

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。     

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。     

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。     

Detecting Fluvial Wood in Forested Watersheds using LiDAR Data: A Methodological Assessment

It has long been known that large wood in rivers increases channel complexity and is a primary driver of geomorphic change in forested mountain streams in the Pacific Northwest. Studies analyzing the presence and distribution of fluvial wood are often limited in their spatial extents to the site or reach scales because of the intensive fieldwork required for comprehensive wood surveys. Remote sensing techniques are beginning to allow researchers to assess fluvial wood dynamics and distributions on a basin or regional scale. We used 2009 high‐resolution light detection and ranging (LiDAR) point cloud data to detect and quantify wood within five forested watersheds in the Oregon Coast Range. We filtered the LiDAR data to remove the forest canopy over the stream channel and visually inventoried fluvial wood based on its distinct shape within the channels. We derived several wood and stream morphometric variables to test theories relating to wood abundance and positioning in the lower reaches of streams. We were able to detect fluvial wood with confidence; however, validation of results with ground‐truth data was difficult in the study due to the dynamic and mobile nature of wood through time. We mapped a total of 163 single logs and 55 logjams within the five study watersheds. We did not find statistically significant differences between individual pieces and jam positioning in relation to slope; however, the surveyed wood was often found in areas of lower stream power. This research shows that it is possible to use height‐filtered LiDAR to detect in‐stream wood in densely forested watersheds and has the potential to be employed in future wood studies across broad spatial scales. Copyright © 2015 John Wiley & Sons, Ltd.     

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。