禄丰恐龙谷UAV LiDAR点云构建背斜数字地貌模型研究

UAV LiDAR具有高效、准确地采集复杂地形点云数据的优势,已成为构建精准数字地貌模型的重要手段。然而,针对背斜地貌的UAV LiDAR点云构建数字地貌模型的插值误差研究缺乏,严重制约了其在地貌学研究中的应用。本文基于禄丰恐龙谷环状构造中背斜地貌的UAV LiDAR点云数据,优选了IDW、NN、RBF、TIN、OK插值算法的关键参数,采用交叉验证和模型差异衡量不同点云密度和地表粗糙度下的插值精度,全局Moran指数、地貌参数分析误差的空间分布特征,基于最优的模型分析褶皱构造的形态特征。结果表明:1)IDW最优参数为权指数2和搜索点数16,RBF为规则样条函数和搜索点数24,OK为球面函数、无方向和搜索点数8;2)IDW最容易受点云密度的影响,TIN抑制插值误差随点云密度变化的效果最好,OK构建的模型最优;3)局部插值误差在空间上是可变的,地表粗糙度大的区域误差增加得快;4)该褶皱分为穹窿构造和短轴褶皱两类,翼间角为108～131°,背斜Ⅱ沿西南-东北向地下延伸。研究结果可为UAV LiDAR用于禄丰恐龙谷环状构造数字地貌建模及地表特征测量模拟分析提供参考。     

无人机成像点云与LiDAR点云用于DEM构建精度对比分析

针对传统的地面调查及卫星遥感手段构建DEM存在测量难度大或制图分辨率低等问题,通过无人机(Unmanned Aerial Vehicle, UAV)成像点云与机载激光雷达(Light Detection and Ranging, LiDAR)点云构建高分辨率DEM,并对比分析DEM产品的误差及其空间分布差异。采用多种滤波算法分类成像点云与LiDAR点云中的地面点云,结合点云内插的误差分析实验,得出以下结论：(1)利用点云的光谱信息能增强改进的渐进三角网滤波算法的效果;(2)成像点云和LiDAR点云构建DEM的最佳点云密度分别为27.70点/m²和16.44点/m²;(3)成像点云X和Y方向的误差集中在±0.1 m之间,Z方向的误差离散程度大,集中在±0.6 m之间,LiDAR点云X和Y方向的误差集中在±0.3 m之间,Z方向的误差集中在±0.5 m之间。研究结果可为点云用于地形复杂区域的高精度地形建模提供参考。