基于多元辅助信息的机载LIDAR点云数据滤波分类研究

借助多元辅助信息对黑龙江省凉水国家级自然保护区内las标准格式的原始激光雷达点云数据进行处理。首先根据研究区内地形起伏分布和地物的不同裁剪分割点云数据,去除掉极高点与极低点;然后采用渐进式不规则三角网算法和带权的线性迭代预测算法,通过设置不同的参数组分别对具有代表性特征的分块数据进行滤波试验,对比分析了两种算法在不同地形区域的滤波效果,进而得到各自的适用范围。再结合这两种算法对所有分块进行滤波处理,并充分利用las格式点云携带的强度与回波及同步获取的影像等多元信息,帮助分类。最后评价多元信息滤波分类的效果。结果表明:结合两种算法和多元辅助信息对凉水地区进行滤波分类能很好地保留地形与地物的局部细节信息,从而为准确构建研究区域的数字高程模型和数字表面模型提供了技术依据,同时验证了机载LIDAR技术在东北林区应用推广的可行性与优势性。

基于分类因子自适应滤波的惯导传递对准精度评估方法

针对舰载武器捷联惯导系统传递对准精度评估对载体线运动特性要求高的问题,提出了一种基于分类因子自适应滤波的"速度+位置+姿态"匹配传递对准精度评估方法。该方法以差分GPS提供的速度、位置为主参考信息,以舰载主惯导的姿态为辅助参考信息构造复合量测量,设计了基于分类因子的自适应滤波器,以提高主惯导水平和方位信息利用率,利用卡尔曼固定区间平滑算法实现了舰载武器捷联惯导系统传递对准精度的准确评估。仿真分析结果表明:该方法仅依赖舰船的摇摆运动,就能实现对舰载武器惯导姿态误差的有效估计,且对姿态量测噪声时变特性具有良好的适应性,估计误差小于10%,是一种有效实用的传递对准精度评估方法。

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%。

高斯混合聚类对移动曲面拟合滤波分类的应用

为了提高激光雷达点云滤波算法的精度和自适应性,对移动曲面滤波算法进行改进。采用格网边界点构建曲面约束条件,检验格网内是否全部为建筑物点。利用区域拟合求解地形的起伏,引入机器学习中高斯混合模型(GMM)对地形起伏进行滤波分类,将移动曲面中的种子点作为聚类算法中的靶向点参与分类学习。实验数据为雷达飞行的自测区,对于自测区采用随机抽样的方式,检验判断滤波效果。同时为检验GMM算法的准确性,在三类误差检验方式的基础上,增加了Kappa系数作为检验方式。通过与谱系聚类分类算法对比,证明所提算法能取得较好的滤波效果。

基于可变步长PCNN赋时矩阵高斯噪声滤波

提出了一种用脉冲耦合神经网络(pulse-coupled neural network,PCNN)赋时矩阵定位噪声、分类滤波并能自适应调整灰度补偿步长的高斯噪声滤波方法。使用PCNN求得含噪图像的赋时矩阵,再在滤波窗口中根据目标像素与周围像素的点火时刻关系确定噪声点,对噪声点分4类滤波:增加、减少可变灰度步长,维纳滤波和中值滤波,最后对图像维纳滤波平滑小噪声点。实验结果表明,该算法能有效去除噪声且较好保持图像的边缘细节,与同类高斯滤波方法进行峰值信噪比、信噪比改善因子比较,验证了算法的有效性。

水利工程困难地区点云滤波方法初探

随着四川水利事业的不断发展,许多水利工程位于高差大、植被发育、测区有一定水域的地区,由于地形环境的复杂性,传统的航测和点云数据处理成果精度较低。本文在引大济岷金鸡峡枢纽区激光雷达点云数据处理中,应用了一种利用回波信息分类、水面约束和人工干预等方式进行水利工程困难地区点云分类滤波的处理方法。经验证,数据处理精度和效率都得到了提高,为相似地形地貌的水利工程点云数据处理提供了技术参考。

滤波器的过去、现在与未来

介绍滤波器的发展和应用概况,侧重叙述了几种新型滤波器及正被研究的有关课题。

浅析机载Li DAR点云数据的构成与简单分类

分类作为机载Li DAR点云处理的关键步骤之一,在点云处理过程中起到重要的作用,本文立足于电晕数据的概念、构成、以及常见的数据分类计算,简要地对机载Li DAR点云数据的分类进行研究,试图为机载Li DAR点云数据研究提供数据资料。

抗差自适应分步滤波算法在PPP/INS组合导航中的应用

针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题,基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离,仅对观测粗差进行诊断和抗差处理;然后在第一步滤波的基础上,执行第二步滤波,对状态模型异常进行诊断和自适应处理。算法分析表明,抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明,抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响,提高PPP/INS组合导航系统定位结果的稳定性和可靠性。

改进点云滤波算法在地形图测绘中的应用

因山区地形复杂、地势陡峭、高差大、荆棘丛生和行走困难等因素,导致野外地表单点数据采集十分困难。由于摄影测量难以获取植被覆盖区地表数据,为更好、更快地实现上述区域地形数据采集,本文以贵州省某生态环境保护与修复项目为依托,充分利用无人机的轻便灵活性和激光雷达高效、快速及局部穿透性的特点,对测区进行低空无漏洞扫测,有效克服了传统单点数据采集的弊端。为确保无人机机载三维激光扫描获取地表点云数据的精度,在滤波过程中避免因地形坡度突变和低矮植被覆盖而导致的滤波不足或过度滤波的问题,本文提出拟合趋势面和高程内插改进算法。同时,引入坡度算法对已处理点云进行二次判别,进一步改善经验阈值不合理而导致的“纳伪”或“去真”错误,从而达到获取真实地表点云数据的目的,使生成的数字高程模型(Digital Eleva⁃tion Model,DEM)更平滑。通过地表点云数据和3D模型,绘制试验区1∶1000大比例尺数字线划图。经实测精度检验,点云数据精度可靠,成果满足相关规范要求,可为开展类似项目提供借鉴。

无人机LiDAR点云与无人机影像匹配点云分析比较

随着无人机技术的不断发展,无人机数码航测技术和无人机LiDAR技术在测量领域的应用越来越广泛。为分析无人机LiDAR点云和无人机影像匹配点云2种点云的差异,该文通过对西南某铁路一个测区在同一飞行高度的情况下同时进行无人机数码航摄及无人机LiDAR航摄2种方式航摄。对2种不同的摄影方式获取的点云进行比较,分析出2种方法获取点云在形态表现、滤波分类,以及利用2种点云制作DEM高程精度方面的差异,为实际工程航飞方式的选择提供一个参考。

一种面向FPGA的快速Hough变换

在FPGA上设计并实现了一种用于直线检测的快速Hough变换方法。使用分类滤波器把直线目标分成多个方向,使多个方向上的运算在空间上实现了并行处理;在每个方向上,设计实现了一种用于Hough变换的流水线处理结构;提出了一种基于直方图统计的两阶段搜索算法。大量的实验验证了提出的Hough变换实现方法的可行性,结果证明该方法占用空间少,实时性高。

集群式遥感影像并行处理系统的应用研究

基于计算机系统的数据集群处理方法,通过建立任务索引对原始影像进行点云自动滤波分类处理、遥感影像正射纠正集群并行处理、基于视差图的数字正射影像镶嵌线自动搜索等多项智能化处理,对航空遥感影像数据批量快速生产进行了研究,最终获取高精度的真正射遥感影像(TDOM)。研究成果满足数据批量生产要求,一定程度上改善了遥感影像的成果质量。

基于QRS波群独立建模的心电信号降噪方法

在心电信号(ECG)采集过程中,噪声的干扰将极大地影响心电图信号的分析和处理,为了提取正确的生理信息,需要消除心电图信号中存在的噪声,心电信号中QRS波群包含了大量细节信息,常用去噪方法在消除噪声的同时会模糊QRS波的细节部分。因此,提出一种基于QRS波群独立建模的心电信号降噪方法。为了有更好的降噪效果,将心电信号划分为QRS波群和低频信号两部分,分别建立去噪模型。首先,利用连续小波变换(CWT)峰检测方法提取信号的QRS波群,选择惩罚最小二乘法(PLS)对其进行处理;然后使用分段分类协同滤波方法(SCCS)处理其他部分。当添加的噪声信号为5 dB,10 dB,15 dB,20 dB的高斯白噪声时,去噪后的心电信号的平均信噪比提升为11.46 dB,10.73 dB,9.87 dB,8.53 dB,平均均方根误差为0.0033,0.0014,0.0005,0.00033,平均PRD为15.25,9.26,5.69,3.74。实验数据来源于MIT⁃BIH心律异常数据库,最后的仿真实验结果表明提出的方法可以对心电信号进行有效去噪。

基于机载LiDAR点云生成高精度数字高程模型(DEM)的技术研究

机载激光探测与测量(Li DAR)系统在获取地面海量3D点云数据中,具有生产成本低、数据获取快、结果精度高等优势。对获取的点云数据通过去噪、分类步骤从地表中识别出地面点,植被、建筑物等非建筑物点,并对非建筑物点进行滤波得到高精度数字高程模型(DEM)数据。本文利用Trimble AX80激光扫描仪对石家庄市栾城区以不同飞行高度进行数字表面模型(DSM)获取,以Inpho系统SCOP++模块进行噪声处理、点云分类滤波处理后,生成栅格DEM并利用检查点进行高度中误差计算,分析得到机载Li DAR点云生成的DEM数据较传统方法精度更高,且低飞行高度得到的DEM数据质量更好。

基于LIDAR技术的道路信息提取方法探讨

机载激光扫描(LIDAR)技术在多等级三维地球空间信息的实时获取方面实现了重大突破,为获取高时空分辨率的地球空间信息提供了一种全新的技术手段。研究将机载LIDAR技术应用于对既有道路网基础信息数据的采集和实时更新,不仅能缩短公路建设项目周期,也能促进公路管理信息化的进步。文中分析了现有机载LIDAR数据滤波和分类算法的原理和不足,结合数学形态学和对道路的先验知识提出一种直接从原始点集中提取道路信息的方法,并通过实验对方法的效果进行了评价。

基于机载LIDAR树木提取应用

随着3S技术的发展,机载LIDAR测量技术是一种新兴的对地探测和定位模式,逐渐广泛应用于铁路勘察设计、数字城市三维建模、航测等领域,尤其是数字化电力巡线,引起电网运营单位高度重视。基于此背景,利用机载LIDAR技术对实验区梅州市平原县焦富甲乙线路进行树障隐患检测,对激光点云从几何空间分布特征进行分析,以规则格网区域增长算法为基础,通过冠层高度模型CHM和拉普拉斯算子方法研究树木提取,最后实现树障在架空输电线路中安全性分析。

基于历史秃山航空影像获取高精度DEM关键技术的应用研究

历史航空影像真实地反映了各个历史时期的地表形态、社会经济与环境状况等信息,客观有效地记录了地表演化变迁过程。早期历史航片山地植被覆盖率低,城市建筑物相对稀疏,通过航测法获取的DEM数据理论上可以直接反映山地的地形,且精度会优于现今植被茂密、覆盖率高的数码航片获取的DEM精度。本文基于区域网空三加密、密集匹配以及滤波分类等关键技术,对1979年浙江省某市北部山地区域秃山地表航空影像资料进行处理,获取高精度DEM数据,并通过与机载激光雷达获取的点云数据以及野外实地高程点测量值进行比较。结果表明,通过历史秃山地表航空影像获取的DEM数据山地精度优于0.8 m。

利用机载LIDAR点云数据制作高精度DEM及DSM的方法

通过对1∶2 000高精度DEM及DSM制作的项目实践,总结了利用LIDAR点云数据制作高精度DEM及DSM的方法,其制作的关键就是点云的滤波分类,并对点云的两种分类即自动滤波分类和人工精细分类进行详细阐述。

LIDAR技术在林区输电线路工程中的应用研究

本文通过探讨LIDAR技术的原理、分析点云数据的特点和优势、浅谈滤波和分类的方法,提出了在山地森林茂密覆盖的地区的输电线路工程中应用该技术的思路和方法。主体思路是旨在利用LIDAR技术能直接获取对象表面的包含高程信息的三维坐标这一优势,通过合适的滤波和分类方法提取出高精度的DEM数据和植被表面模型数据,以减少森林地区输电线路勘测定位工作量,并对局部外业作业困难地区可以有效补充,提高工作效率。