基于机载 LiDAR 技术的地质灾害早期识别和分析

本研究基于机载LiDAR技术,对陕西某地区的地质灾害隐患进行识别,得出以下结论:该地区的地质灾害主要以崩塌和滑坡为主,通过光学影像识别地质灾害的准确率为81.5%,说明通过机载LiDAR技术对山谷的地质灾害识别效果良好,准确性较高。随着平均坡度的增大,崩塌个数呈先增大后减小的趋势。虽然传统调查技术对泥石流和滑坡的预测数量优于多源遥感新技术,但是多源遥感新技术可以对监测对象进行点云分类,滤除植被后获取地表点云数据,从而消除树木对监测结果的影响,所以其预测效果更为准确。

机载LiDAR和模糊推理系统在黄土高原土壤侵蚀监测中的应用

黄土高原是我国乃至全球土壤侵蚀最严重的地区之一,受限于监测技术,黄土高原土壤侵蚀的研究多集中于径流小区尺度,大规模的侵蚀研究和野外观测仍相对缺乏。机载激光雷达(LiDAR)技术的革新为高精度、大规模土壤侵蚀研究提供了新的可能。然而,该技术受复杂地形的影响会产生高程不确定性误差,导致其监测土壤侵蚀的能力缺乏深入研究。基于此,本文以我国黄土高原丘陵沟壑区典型小流域桥沟流域为研究对象,联合机载Li-DAR测量和模糊推理系统(FIS),定量分析了两期DEM求差(DoD)不确定性的空间分布,研究小流域土壤侵蚀与沉积的空间分布特征。结果表明:(1)地形形态、点云密度等对插值生成的DEM误差影响较大,地形平坦区域的DoD不确定性明显小于地形陡峭区域的DoD不确定性;(2)FIS算法通过将已知的误差源整合到一个稳定的误差模型中,减少了主观干预和人为误差,避免了在复杂的DEM表面对误差进行错误估计,提高了计算结果的准确性;(3)梁峁坡地区侵蚀产沙体积为9.21m^(3),占坡沟系统产沙体积的15.89%;沟谷坡地区侵蚀严重,侵蚀产沙体积为48.76m^(3),占坡沟系统产沙体积的84.11%,在坡沟系统的产沙中起主导作用。沟床地区主要以沉积为主,梁峁坡和沟谷坡对侵蚀产沙贡献较大,而沟床则主要为产沙沉积区。研究成果不仅为黄土高原小流域的土壤侵蚀监测技术的拓展提供了新的视角,也为实施有效的水土保持措施提供了理论依据和参考。

机载LiDAR点云数据的建筑屋顶面提取算法

针对机载LiDAR点云数据的屋顶面提取过程中因受植被影响导致提取精度低的问题,提出了一种基于区域生长的屋顶面点云提取算法。进行滤波处理得到非地面点云,利用屋顶面点云邻域特征信息提取屋顶面种子点,引入植被指数和RGB差值信息作为生长约束条件对屋顶面点云进行生长分割,利用屋顶面的高程与面积值对提取结果进行过滤优化,得到屋顶面点云。选取了农村、城市、工厂三组不同场景的测试数据进行实验,结果表明:Kappa系数分别达到了97.29%、97.82%、97.13%,算法可实现较好的建筑屋顶面提取效果,且针对不同建筑场景具有良好的适应性。

林区机载LiDAR点云的多分辨率层次布料模拟滤波

针对现有机载LiDAR(light detection and ranging)点云滤波方法在地形起伏剧烈的林区适用性不足的问题,提出一种多分辨率层次布料模拟滤波方法。首先,通过多尺度形态学开运算选择大量种子地面点;然后,基于种子地面点,使用布料模拟法由低至高逐层构建参考地形,以快速获取高分辨率参考地形;最后,基于点至参考地形的高差区分地面点和非地面点。利用国际摄影测量和遥感学会提供的数据集和参考方法,评估该方法性能。利用在中国、美国多个代表性林区的点云数据,评估该方法的可推广性。结果表明,该方法的Kappa系数和运行时间是83.72%和34.11 s,精度和效率较经典布料模拟滤波方法提高10.49%和52.17%。相比8种参考方法,该方法能够获得更高精度,并且具有稳定的可推广性。

基于倾斜影像和机载LiDAR点云的城市级实景三维模型生产技术

随着实景三维中国建设的推进,目前城市级的实景三维模型重建已成为研究重点。城市级的倾斜摄影测量建模,存在数据处理量大、涉及地形复杂多样和由于视线遮挡导致模型变形等问题。针对这些问题,本文总结了融合倾斜影像和机载LiDAR点云数据进行城市级实景三维模型重建的全技术流程,并以中山市为例进行了验证。结果表明,本文提出的全技术流程可以有效提高城市级实景三维模型的重建效率和质量。

联合无人机光学与机载LiDAR在高位滑坡要素识别中的应用:以川西汶川龙溪沟滑坡为例

高位和高隐蔽性滑坡调查人力难至、效率低下且安全风险大,利用无人机光学和机载LiDAR等航空遥感技术进行调查识别能够有效克服该问题,已成为当前研究应用的热点。目前多数研究与应用以宏观调查和解译为主,针对滑坡拉裂缝、滑坡壁等发育要素的精细化识别和量测研究较少。为进一步细化无人机光学和机载LiDAR识别的滑坡要素解译特征,提高该技术的综合应用效果,本文选取川西地震活跃区的汶川龙溪沟高位滑坡为示范,采用无人机摄影测量、机载LiDAR、解译对比与空间测量以及实地调查复核等方法,提取了28条拉张裂缝、2条剪切裂缝、8处下挫陡坎、2条滑坡壁、5条前缘边界、5个次级变形体,基于滑坡要素排列组合划分了2个次级滑体、4个变形区。野外验证结果与室内解译高度吻合,证明了该方法的可靠性和准确性。研究成果总结对比滑坡要素在不同数据上的色调、纹理、光谱差异,探索联合无人机光学与机载LiDAR的滑坡要素“色调-纹理-图谱”协同对比提取方法,阐述了高位滑坡“先解译要素再分区组合”的精细识别过程。研究成果可为其他高危高位滑坡的精细化识别研究及防治应用提供技术参考,具有应用推广价值。

基于机载LiDAR的风暴潮过境前后海岸滩涂侵蚀监测

本文以广东饶平县金狮湾沙滩为研究区,首先利用机载LiDAR测量设备对研究区风暴潮过境前后的海滩滩涂进行数据采集,评定LiDAR点云数据精度;然后利用获取的点云数据制作DSM,并处理得到海岸滩涂的高程较差,分析风暴潮过境前后海岸滩涂的侵蚀变化情况。结果表明,两次LiDAR点云数据高程中误差分别为2.8和5.4 cm;研究区海岸滩涂风暴潮过境后呈现出西部小面积侵蚀、其他区域淤涨的变化。该研究可为风暴潮及海岸侵蚀等海洋灾害现场调查提供可靠、准确的数据支撑。

机载LiDAR技术耕地田坎测算及精度评价

粮食安全是实现国家经济发展、社会稳定、国家安全的重要基础,耕地是粮食生产的基本载体,保障粮食生产安全,要从耕地保护源头抓起。针对目前“非粮化、非农化”工作中日益突出的问题,本文研究采用无人机载LiDAR遥感技术开展耕地田坎识别与测算技术研究以及精度评价。通过借助机载LiDAR“可穿透植被缝隙”直达地表的技术优势,探测识别了耕地植被底下的田坎长、宽、高特征形态,同时与外业实测数据进行了精度对比验证。研究表明,在土地整理的新增耕地来源识别与测算工作中,基于机载LiDAR遥感技术得到的田坎信息精度指标满足相关技术要求,且相较常规测算方式其工作效率和精度大大提高,极大提升了土地整理工作的效率和准确度,可广泛应用于土地整理、土地全域综合整治等耕地保护工作中。

基于机载LiDAR的树冠形态特征因子对单木生物量估算的影响

机载激光雷达遥感(light detection and ranging,LiDAR)是高精度单木参数反演的可靠手段,但单木生物量估算一直是研究的难点和热点。以马尾松、桉树为研究对象,基于从机载LiDAR数据中提取树高、冠幅为自变量,辅助以冠形率(crown shape ratio,CSR)、树冠率(crown rate,CR)等形态特征因子,采用随机森林(random forest,RF)、最小二乘支持向量机(least squares support vector machine,LS-SVM)、梯度提升回归树(gradient boosting decision tree,GBRT)机器学习构建生物量估算模型,对比分析各模型反演单木生物量的精度。结果表明:加入树冠形态特征因子可以有效提高生物量模型的精度;在3种模型中,RF模型效果最佳,未加入树冠形态特征因子的模型拟合结果R^(2)为0.77,rRMSE(relative root mean square error)为21.57%,加入树冠形态特征因子后,在不同的组合下,模型拟合的R^(2)分别为0.86、0.85、0.85,rRMSE分别为20.93%、20.17%、21.19%。

一种改进的机载LiDAR数据构建DEM地面种子点选取方法

针对机载激光雷达(LiDAR)数据使用传统方法获取的地面种子点密度低,种子点之间空白区域的地形信息缺失,不利于后续提取地面点和构建高质量数字高程模型(DEM)的问题,本文提出了一种基于新的网格遍历规则的地面种子点选取方法。与传统方法中的起始网格在X和Y方向上每次移动1个规则网格宽度不同,该方法每次移动1/2个网格宽度,增加规则网格数量,获取的地面种子点个数相较于传统方法提高约200%,可补充种子点之间空白区域的地形信息,有利于提高后续点云数据处理的精度和相关产品的可靠性。

基于机载LiDAR技术的河道测绘应用研究

为消除传统河道测绘方法效率低、难度大、危险系数高等弊端,利用穿透性较强的机载激光扫描测量技术,对某河道洲滩较多、环境复杂的盘山河段进行地形图及断面测绘作业。通过梳理机载LiDAR河道测绘技术流程,利用大疆智图和Terrasolid软件对外业高密度原始点云进行分析处理,提取项目需要的河道点云成果,与RTK实地测量数据进行对比分析,结果表明:采用机载LiDAR技术获取的研究区河道点云数据成果精度相对较高,裸露地表、草地、林地点云成果均能够满足1∶5000地形图平原地区精度要求,河道断面面积较差相对较小,符合规范及使用要求,且测速快、覆盖面广,为大区域范围内河道基础数据测绘生产提供了可靠有效的技术方法。

机载LiDAR建筑物点云提取方法研究

针对机载LiDAR建筑物点云提取过程中受相邻非建筑物点云影响较大、已有建筑物点云提取算法效率不高的问题,本文提出了以最大类间方差法与主成分分析法相结合的机载LiDAR建筑物点云提取方法。该方法首先使用渐进数学形态学滤波算法对地面点与非地面点进行分离;其次通过最大类间方差算法提取得到初始建筑物点云;最后,对于提取到的初始建筑物点云,使用主成分分析方法进一步处理,滤除非建筑物点云,得到精细化建筑物点云并进行单体化。使用城市机载点云数据进行实验,验证了本文提出建筑物点云提取方法的有效性。

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。

机载LiDAR技术在广州黄埔区地质灾害调查中的应用

近年来,机载LiDAR技术快速发展,其能够“穿透”地面植被,获取地面真实高程,对于精准获取地质灾害隐患点具有重要意义。为查明广州黄埔区地质灾害发育特征,文章基于机载LiDAR技术获取了黄埔区总面积为526.5 km^(2)的三维点云和数字正射影像等数据,结合传统人工现场调查手段,查明项目范围内的典型地质灾害发育特征。解译结果表明:调查区内地质灾害呈面状和线状分布,主要集中在中北部山区丘陵地带,其他地区零星分布或无分布,崩塌及危岩体类地质灾害435处、滑坡及不稳定斜坡类地质灾害1027处,极端天气情况下可能诱发的低频泥石流灾害66处,以滑坡及不稳定斜坡类灾害为主;此外,区内地质灾害发育规律与地形地貌、地质条件、工程活动及降雨等因素具有较强的关联性,其中降雨诱发地质灾害较为显著,灾害多发生在月降雨量650~700 mm区间。研究表明,机载LiDAR技术能够实现研究区内地质灾害的识别,对指导识灾避灾减灾工作具有较好的指导作用和应用价值。

机载LiDAR支持下的实景三维GIS应用研究

基于GALAXYPRIME航摄仪获取的LiDAR点云数据和UCXPWA航摄仪获取的影像数据,本文实现了大面积DEM、DSM、DOM等高精度数据快速生产和可视化地形级三维场景搭建,开发了黄河流域(甘肃段)地形级实景三维应用系统,为面向WebGL地理场景的LiDAR点云数据可视化提供了解决方案。

基于自适应TIN滤波的机载LiDAR DTM构建研究

针对激光雷达测量(LiDAR)点云滤波算法易受地形起伏影响等问题,本文提出一种自适应不规则三角网DTM构建算法。采用领域搜索方法对低点与地面点进行清洗,通过两点之间的角度和距离自适应调整阈值参数,以达到自适应滤波构建DTM。为了验证算法的可行性,对比分析了渐进形态、坡度最大值、高程阈值滤波算法的精度。实验结果表明,自适应TIN滤波算法生成DTM在地形复杂区域具有较高的精度,相关研究成果对构建高精度DTM具有一定的参考意义。

无人机机载LiDAR航测技术在道路测绘中的应用

文章以某道路为例,探讨了道路测绘过程中无人机机载激光雷达(LiDAR)的应用,包括航测设备的选型、点云数据获取、点云数据滤波、建模分析等。结果表明,利用无人机LiDAR进行道路数据的采集,通过点云建模能够获得较好的测绘精度,为道路测绘工作提供参考。

机载LiDAR点云数据滤波方法研究

为了改善地形复杂区域机载激光雷达点云滤波效果,本文提出了一种结合布料模拟滤波与改进不规则三角网的机载LiDAR点云滤波方法。该方法实现机载LiDAR点云滤波的主要步骤为:首先,使用KD树算法将原始点云数据中的粗差剔除;其次,使用CSF对粗差剔除后点云数据进行滤波,滤除建筑物等高大地物点得到初始地面点;最后,使用改进的TIN算法对初始地面点进行进一步精滤波,得到最终地面点结果。为了对本文提出方法的有效性与优越性进行检验,使用两组实验数据进行滤波实验,结果表明本文点云滤波方法可有效降低Ⅰ类、Ⅱ类误差,对不同地形条件进行点云滤波均有较高的准确性。

基于机载LiDAR数据的地形复杂区高精度DEM生产实践

传统的地形测绘需要人工进行野外采点,存在时间长、成本高、环境危险等问题,且获得的数据不够直观,尤其在地形复杂区域,由于作业条件艰苦、部分地区无法到达,更是难以保证工程按期完成,而利用机载LiDAR技术能够方便地获取测区地表密集采样点的空间坐标和高程信息,为大面积、高效率、高精度获取DEM数据开辟了一条新的途径。本文利用机载LiDAR技术获取高密度的机载激光点云数据,并使用Terra Solid软件设计了点云分类方法和流程,完成高精度DEM的构建和精度分析,验证了利用机载LiDAR数据制作地形复杂区的高精度DEM的可行性。

无人机机载LiDAR在光伏发电项目大比例尺地形图测量中的应用

当前,光伏电站多建设在海拔高且高差大、植被多的地区,常规实时动态载波相位差分技术(RTK)测量方法效率较低,无人机倾斜摄影测量方法无法准确获取多植被区域的地面高程。基于此,提出一种在光伏发电项目大比例尺地形图测量中应用的无人机机载激光雷达(LiDAR)测量方法。首先从外业采集、内业数据处理两个方面介绍无人机机载LiDAR测量方法的技术流程,然后根据光伏发电项目应用实例数据对该测量方法的应用效果进行具体分析。研究结果表明:无人机机载LiDAR测量方法的植被穿透力强,可以快速获取植被下方高精度的地面点3D坐标,操作简单,且不需要布设大量像控点,外业采集的效率高;该测量方法的点云高程精度优于平面位置精度,可生产高精度数字高程模型(DEM)成果,直接提取等高线用于地形图成果绘制,内业数据处理的速度快。无人机机载LiDAR测量方法可以更好地满足在高山多植被地区的光伏发电项目建设的时间节点要求和精度要求,可以很好地应用于山区大高差的光伏发电项目大比例尺地形图测量作业。