无需阈值支持的机载LiDAR点云数据滤波方法

点云数据滤波仍旧是现阶段机载LiDAR数据后处理的首要步骤,但其发展尚未完全成熟。在回顾和总结已有滤波算法的基础上,将统计学中偏度与峰度的概念引入到算法中,提出了一种新的基于偏度平衡的地面点与非地面点非监督分类方法,利用统计矩原理从LiDAR点云数据生成的DSM中有效地提取DTM。该方法区别传统算法的最大的优势在于无需参数或者阈值支持,并且相对于LiDAR点云数据的格式和分辨率是独立的。实验结果证明,该方法切实可行,具有较强的适应性,并且能够较好地满足精度要求。     

融合影像的LiDAR点云数据分类方法

提出一种融合影像的LiDAR点云分类算法。该算法首先采用渐进三角网加密方法对地面点和非地面点进行分类;接着采用本文所提出的坡度信息量的方法对非地面点进行分类为建筑物点和植被点;最后对于分类可信度不高的建筑物和植被粘连的区域,通过融合影像进一步区域分割。实验结果表明,该方法自动程度高,并且分类准确度高;在实验所用的区域,准确率达到83%。     

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。     

基于知识的车载LiDAR地物自动分类

车载LiDAR已广泛应用于三维数字城市建模、道路信息数据采集等领域。海量点云信息中不同地物目标的自动识别和分类是LiDAR数据后处理的难点之一。根据不同地物目标物理特性、空间拓扑关系及其在点云中的相关特征知识,建立地物分类规则,依据分类知识进行地物自动识别和分类。通过实测数据分类试验,证明该方法可以较好实现建筑物、树木、线杆、行人等不同地物的自动识别和分类。     

多特征融合与几何卷积的机载LiDAR点云地物分类

目的点云分类传统方法中大量依赖人工设计特征,缺乏深层次特征,难以进一步提高精度,基于深度学习的方法大部分利用结构化网络,转化为其他表征造成了3维空间结构信息的丢失,部分利用局部结构学习多层次特征的方法也因为忽略了机载数据的几何信息,难以实现精细分类。针对上述问题,本文提出了一种基于多特征融合几何卷积神经网络(multi-feature fusion and geometric convolutional neural network,MFFGCNN)的机载Li DAR(light detection and ranging)点云地物分类方法。方法提取并融合有效的浅层传统特征,并结合坐标尺度等预处理方法,称为APD模块(airporne laser scanning point cloud design module),在输入特征层面对典型地物有针对性地进行信息补充,来提高网络对大区域、低密度的机载Li DAR点云原始数据的适应能力和基础分类精度,基于多特征融合的几何卷积模块,称为FGC(multi-feature fusion and geometric convolution)算子,...     

顾及回波次数信息的城区机载LiDAR点云滤波研究

针对城区地物复杂、地面点云被植被和建筑遮挡等问题,文章在渐进三角网滤波算法的基础上提出一种改进方法。该方法利用机载LiDAR点云具有多次回波特性对点云进行分类,提高地面点云占有率,再进行渐进三角网滤波。实验结果表明,该方法提高了地面点云种子点提取的正确率,为下一步城市点云精确分类做好了准备。     

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...     

一种去除机载LiDAR航带重叠区冗余点云的方法

机载LiDAR系统在获取高密度地表点云的同时,也带来了数据冗余的问题,特别是在航带重叠区中尤为突出。旨在研究无完整航迹信息辅助下去除航带重叠点,提出了基于点云GPS时间直方图的去除航带重叠点的方法。该方法包括三个步骤:(1)建立点云的GPS时间直方图,并根据GPS时间直方图特点获取航带重叠区外包矩形以及外包矩形中的所有点云;(2)考虑到城市中高密度点云有助于建筑物的三维重建,通过滤波分类处理获取建筑物点并予以全部保留;(3)对重叠区中除建筑物点外的其他所有点进行格网数据组织并根据GPS时间直方图逐格网去除航带冗余点。实验结果表明,该方法能较好地保留建筑物点的同时高效去除航带重叠点且不依赖于航迹信息,提高了后续数据分析处理的效率。     

一种高斯混合模型组合分类的机载LiDAR城区道路提取方法

城区道路自动提取一直是遥感领域研究的重点和热点之一.针对遥感影像提取易受建筑物和植被遮挡的影响,点云数据提取道路边界又较模糊的不足,提出了一种高斯混合模型组合分类的道路提取方法.该方法利用融合影像即含有色彩信息的点云数据,首先对滤波后点云中的反射强度属性,运用偏度平衡法粗提取道路点云;再对点云数据中的灰度信息和点密度属...     

全波形激光雷达和航空影像联合的地物分类

针对机载激光雷达与航空光学影像的互补特性,提出了一种基于多源遥感数据的高精度地物信息提取和分类方法。首先从激光雷达的全波形数据获得数字高程模型(DEM)、地物的正规化数字表面模型(nDSM)和激光雷达回波相对强度信息,从航空数码相机影像获得植被指数信息;然后利用决策树方法进行地物识别。选取“黑河综合遥感联合试验”中的3种典型区域(城市、农田和水体)进行分类,结果表明：该方法能够有效地分离建筑物、高大植被、低矮植被、裸土地以及水泥地等基本地物。     

Research on Classification of Land Cover based on LiDAR Cloud and Aerial Images

Aerial images contain abundant spectral information,texture information and spatial information,and airborne LiDAR can provide three-dimensional information of ground objects.An object-oriented classification method was researched by taking advantages of the two types of data.Converting LiDAR point cloud into 2-D raster image by preprocessing,and matched it with aerial image.Then,multi-scale segmentation algorithm was applied to image segmentation based on spectral information and height information.Next,XGBoost algorithm were applied to select features extracted from segmented object respectively.The SVM classifier was used to classify and prove the superiority of XGBoost algorithm by comparing with two traditional feature selection algorithms：Relief and RFE.Finally,objects at shadow regions were distinguished and merged into real objects based on certain rules.Testing the method in three regions,the results showed that the method was feasible and effective,and could be well applied to the classification of urban ground object.     

决策树分类法及其在土地覆盖分类中的应用

基于决策树分类算法在遥感影像分类方面的深厚潜力,探讨了3种不同的决策树算法(UDT、MDT和HDT)。首先对决策树算法结构、算法理论进行了阐述,然后利用决策树算法进行遥感土地覆盖分类实验,并把获得的结果与传统统计分类法进行比较。研究表明,决策树分类法有诸多优势,如:相对简单、明确、分类结构直观,另外,与以假定数据源呈一固定概率分布,然后在此基础上进行参数估计的常规分类方法相比,决策树属于严格“非参”,对于输入数据空间特征和分类标识具有更好的弹性和鲁棒性(Robust)。     

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。     

一种运用PCA的深度学习激光点云分类方法

为了提高机载激光雷达数据的分类精度和避免耗时的点云多特征提取,本文在点云去噪的基础上,对点云数据进行相对高程的特征提取,提出一种基于PCA数据降维与Point-Net相结合而形成的网络模型,并将获取的相对高程特征和原始特征经过降维处理后输入到网络中.运用Point-Net网络模型提取的全局特征进行点云分类,返回每个点分...     

采用决策树分类技术对北京市土地覆盖现状进行研究

以TM1～7多波段影像为数据源,采用决策树分类技术对北京市土地覆盖现状进行研究。探讨如何使用决策树方法逐层区分草地、林地、水体、裸地、居民地和道路等基本地物类型,并进一步研究了如何区分城市裸地与乡村裸地的方法,分类精度达到93.3%。研究表明,决策树分类法有诸多优势,如:相对简单、明确、分类结构直观。     

输电通道机载激光点云多级配准研究

机载LiDAR在输电通道变化检测应用中的关键是多时相点云的高效高精度配准,实验将PCA主轴变换与改进ICP算法相结合提出一种多级配准方法.首先基于输电通道杆塔不易形变的特点,采用PCA算法计算对应杆塔点云的3个主轴向量,通过校正主轴方向得到两组杆塔点云的粗略位姿变换关系,然后利用改进搜索和收敛策略的IC P方法实现精配...     

基于机载激光雷达数据识别单株木的新方法

在林业应用中,机载激光雷达技术较被动式遥感技术有着独特优势。以从机载激光雷达数据中分离单株木,提取单株木树高和树冠大小信息为目的,融合有标记约束的分水岭分割和流域跟踪分割两种图像分割方法,提出一种新的单株木识别思路。以美国某地区实地采集激光雷达数据为例验证本文提出方法,实验结果表明该方法通过增加边缘检测范围的约束条件,能够有效避免过分割现象,并通过使用约束条件,减少在其检测范围内的目标数量,从而避免不必要的检测干扰,较传统方法能快速准确地识别单株木。     

应用C4.5算法构造客户分类决策树的方法

客户等级划分是CRM中一个非常重要的方面。而决策树是进行分类分析的一个常用工具，该文主要讨论如何应用C45算法构造客户等级分类决策树及其在CRM中的应用。