光子计数激光雷达中光子点云滤波方法的比较与分析

相对于传统阈值型和全波形激光雷达,光子计数激光雷达具有高密度、高分辨率、高穿透性等优势,然而光子计数激光雷达所获得的光子点云数据具有较多的背景噪声及干扰噪声,为准确识别目标上的有效光子信号,采用合适的光子滤波方法很有必要.目前主要存在的滤波方法有基于直方图统计去噪、基于局部距离统计去噪、基于密度的噪声空间聚类(DBSCAN)去噪等.为了解这些方法对山地和水体区域的适用性,选用机载多波束试验激光雷达分别对这些方法进行比较与分析.实验结果表明,3种去噪方法都可以准确提取有效的光子点云,其中直方图统计方法对于地形平坦区域和水体的去噪效果明显优于地形起伏区域,局部距离统计和DBSCAN的去噪效果受地形变化影响较小,且DBSCAN对山地数据的去噪效果最佳.用去噪精确度、去噪召回率和F1指标对这3种方法的去噪结果进行定量比较.3种方法对于山地区域内的有效光子去噪精度分别为0.9342、0.9524、0.9669,对于水体区域的有效光子去噪精度分别为0.9981、0.9492、0.9349.

基于卷积神经网络的ICESat-2光子点云去噪分类

ICESat-2(Ice, Cloud, and land Elevation Satellite-2)是美国NASA(National Aeronautics and Space Administration)在2018年发射的激光测高卫星,其上搭载的激光测高系统ATLAS(Advanced Topographic Laser Altimeter System)采用微脉冲多波束光子计数激光雷达系统,因其低能耗、高探测灵敏度、高重复频率的特性极大改善了沿轨采样密度,但也使获取的数据中包含大量的噪声,如何有效实现光子点云去噪分类成为后续应用的关键,也是当前研究的热点和难点,为此本文提出一种基于卷积神经网络的光子点云去噪和分类算法。首先将光子点云按照沿轨和高程方向划分格网,去除明显的噪声光子,并将每个粗信号光子点栅格化为影像;然后基于少量样本构建的卷积神经网络分类模型实现光子点云精去噪和分类;最后利用机载激光雷达数据进行验证,并与ATL08产品的去噪分类结果进行对比。结果表明,对于裸地和森林区域,卷积神经网络算法均能有效去除噪声光子,特别对于森林区域,可同时实现去噪和分类;其中,裸地区域地表计算的R2和RMSE分别为1.0和0.72 m,森林区域地表和树冠计算的R2分别为1.0和0.70,RMSE分别为1.11 m和4.99 m。本文利用深度学习算法实现光子点云去噪分类,在裸地和森林区域均取得了较好的结果,为后续光子点云数据处理提供了参考。

星载光子点云支持下的卫星影像区域网平差

以ICESat-2为代表的光子计数激光雷达对地观测手段具有地面足印小、采样频率高、波束数量多等特点,获取点云的平面精度和飞行方向数据密集程度得到很大提升,可作为一种新型三维控制条件以提高卫星影像定位精度。为解决光子点云没有同步影像记录平面位置的应用难题,提出一种星载光子计数激光点云支持下的卫星影像定位精度提升方法。首先采用三维地形剖面匹配方法实现对光子点云数据与卫星立体影像自动生成的数字表面模型(DSM)的精确配准;然后依据坡度变化从光子剖面点云中提取地形特征点,联合DSM多种地形特征生成共同地形特征控制点;最后将该地形特征控制点作为平高控制条件引入带附件参数的卫星影像区域网空中三角测量过程,以进一步提升定位精度。利用陕西省两个地区的ZY-3影像和ATLAS ATL03级数据进行实验,结果表明与完全无控定位方法和SRTM数据辅助定位方法相比,所提方法能够显著提高ZY-3影像平面和高程定位精度,提升幅度相对于SRTM数据分别可以达60%和34%左右,验证了所提方法的有效性和可行性。

星载光子计数激光雷达数据森林高度及林下地形反演研究进展

森林高度是衡量森林生物量、森林生态系统碳汇的重要参数,位于森林下的地形(林下地形)是支撑国家重大基础设施建设、灾害监测的战略信息资源。新一代星载激光雷达ICESat-2/ATLAS采用一种多波束微脉冲的光子计数技术,以10 kHz的重复频率对地发射激光脉冲,从而导致出现间隔为0.7 m、光斑半径为8.5 m的重叠光斑。相比于ICESat-1/GLAS,ICESat-2/ATLAS具有更高的空间采样率以及对坡度的不敏感性,是目前反演森林高度参数和林下地形的重要手段。本文介绍了ICESat-2/ATLAS的主要参数指标,总结了各类误差因素对ATL08官方产品的影响,分析了各种森林区光子点云滤波方法、ICESat-2林下地形反演方法及森林高度参数反演方法的适用性及面临的主要问题,展望了ICESat-2/ATLAS光子点云滤波、林下地形及森林高度参数反演的发展趋势及应用前景。