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。

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。

基于回波次数的点云强度滤波方法在处理 LiDAR数据中的研究与应用

作为一种新型的对地测绘手段,机载 LiDAR 具有其他方法所不具备的优势,其数据处理直接影响到 LiDAR 技术 的使用范围,其中,森林地区地表地形信息的获取作为基础地理信息测绘的内容,也是 LiDAR 领域研究的热点之一,本文结 合徕卡 ALS70-HP 机载激光雷达扫描系统对森林地区 LiDAR 数据地面点的提取,针对点云数据固有的激光强度信息及多次回 波特性,对树林茂密的地区进行了更精准的数据分类,为今后在其它领域的点云数据分类使用上提供了较为精准的参考信息。

基于 LiDAR 波形分解的点云 SVM 分类方法研究

LiDAR全波形数据可以记录发射激光脉冲与地物作用形成的后向散射信号的全回波信息,是发射激光脉冲沿途遇到的所有目标回波信号的总和,揭示了地物的几何和物理属性,是地物分类的重要依据。然而目前基于全波形分解的地物分类研究较少。本文将LiDAR全波形数据分解成波宽、振幅、回波次数3个独立的属性,并分别将这3个属性与高程进行格网化,生成一幅含有4个图层的图像;然后使用SVM分类器对这幅图像进行分类,成功分出了房屋、地面、高大植被,分类精度达96.248 2%,Kappa系数达0.928 1。

基于机载LiDAR属性信息检测离群点云

无人机载LiDAR是一种新型遥感技术,可快速获取高密度、高精度的地物点云数据,随着获取精度越高,点云数据量越大。为减少参与点云滤波处理的数据量,提高滤波速度,本文结合点云回波次数、高度和点云回波强度三种属性信息,采用箱形图检验方法获取非地面点云,并使用反复建立三角网方法分别对处理前后的点云数据进行对比分析。结果表明:针对截取的试验区点云数据,可去除多次回波对应的噪声点云363个,得到第1次和第2次回波分别占点云总数的98.49%和1.49%;高度和强度离群的点云共占点云总数的1.46%。通过对点云进行滤波前期的处理,可降低滤波时间32.2 s,且保留地面点云2551个。本文研究利用箱形图检测点云属性获取离群值,可提高点云处理速度和降低地面点云漏分的现象,为后期直接利用统计方法对点云属性信息分析和实现快速处理海量点云提供参考。