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。

POWERLINE-ALS:一种用于输电线路场景深度学习语义分割的机载LiDAR点云数据集

为实现基于深度学习的输电线路点云精确语义分割,必须建立能够准确反映目标类别特征的点云数据集。但现有数据集无法满足输电线路场景点云语义分割的需要。因此,基于机载LiDAR获取的某地区500 kV超高压输电线路巡检点云数据构建了一套深度学习数据集——POWERLINE-ALS。该数据集包含地线、导线、杆塔、植被、建筑、低矮电力线等6个类别,输电线路长21 km。同时,利用PointNet++、PointCNN、KPConv、SPG、RandLA-Net等5种常用深度学习模型对数据集进行了训练和测试。模型实验结果表明,POWERLINE-ALS能够在目前主流的深度学习模型上应用,具有普适性,其最高测试精度和平均交并比分别达95.31%和82.25%,可以满足实际点云数据语义分割工作的精度要求。

基于机载LiDAR点云数据的建筑物三维模型重建方法分析

本文以机载LiDAR点云数据为研究对象,提出一套建筑物三维模型重建方法。首先使用渐进三角网滤波算法分类地面点与非地面点,通过训练完成的随机森林模型完成建筑物点云提取;其次将方向作为约束条件,使用随机抽样一致(Random Sample Consensus,RANSAC)算法完成建筑物轮廓线提取并获取屋顶关键点信息;最后使用SharpGL工具包,以建筑物轮廓线与屋顶关键点信息为框架重建建筑物三维模型。以实测机载LiDAR点云数据为例进行实验,结果表明本文方法能够提取得到完整的建筑物轮廓信息,并具有较高的建筑物模型重建精度。

基于机载LiDAR点云数据的历史文化街区重建方法研究

为了提高历史街区重建过程中建筑物轮廓与实际建筑物激光脚点的吻合精度,提出了一种基于机载LiDAR点云数据的历史文化街区重建方法。首先,对机载LiDAR点云数据作预处理,去除点云数据中的噪声。其次,利用区域生长算法对激光脚点作分割,完成建筑物点云数据的获取。之后,采用Alpha Shape算法提取建筑物特征信息,得到轮廓线,再通过管子算法将轮廓线规则化。针对多边形轮廓线,采用分类强制正交法对其作规则化。最后,通过平面拟合、直线拟合等方法,对历史文化街区进行三维重建。结果表明,所提出的重建方法在提取建筑物轮廓时,激光脚点吻合更精确,并且重建耗时为25 min,优于文献所提的2种方法。基于机载LiDAR点云数据的历史文化街区重建方法,可以在一定程度上提高历史文化街区的重建质量,并为其他历史文化街区的保护与更新提供借鉴。

机载LiDAR点云数据在校园乔木提取中的应用

传统的乔木测量方法虽然能够获取乔木参数,但是只能提供少量的信息,无法满足大面积测量的需求。相比之下,LiDAR(机载激光探测及测距)技术可以迅捷地完成乔木三维点云数据的采集,为植被三维建模及无损监测提供数据支持。文章首先根据乔木的位置特征对目标进行自动分割,利用空间拟合圆算法提取乔木参数,然后将提取到的参数与人工测量的乔木参数进行对比。为验证所提取结果的可行性,选取长春市吉林建筑大学校区为测试点进行测试。测试结果表明,使用机载LiDAR进行胸径和树高的扫描测量,其结果精度高、速度快,胸径和树高的复相关系数均超过95%。

滩涂机载LiDAR点云数据滤波方法研究

机载LiDAR点云数据滤波是制作高精度数字地形产品的重要环节。通过分析常用滤波算法基本原理、滩涂机载LiDAR点云数据的特点,提出了一种基于潮汐水位高程约束,移动窗口滤波与三角网渐进加密滤波组合的滤波方法。试验表明:该滤波方法获取的滩涂地形有效点云数据质量与人工滤波结果相当,在一定程度上提高了滩涂区域机载LiDAR点云数据滤波的效率,为快速获取滩涂区域数字高程模型提供了有效途径。

基于机载LiDAR点云数据的建筑物轮廓提取

基于机载LiDAR点云数据的滤波、建筑物点提取、建筑物轮廓提取以及轮廓线规则化等步骤出发,提出了一系列实现建筑物轮廓线提取算法。使用实测机载LiDAR点云数据对本文提出的建筑物轮廓线算法进行实验,结果表明,本文算法能够从采集的机载LiDAR点云数据中自动提取得到建筑物轮廓线,并有着较高的精度。本文方法对于城市化精细建模、输电线路三维设计的应用意义较大。

机载LIDAR点云数据在1:10000省级基础测绘中的应用

为了提高1:10000省级基础测绘数据的更新效率,以黄河干流甘肃段为例,利用机载LIDAR点云数据,通过点云分类和点云编辑,快速生产DSM、DEM成果;利用航空影像数据,经过空中三角测量、影像纠正、DLG采编等,生产DOM、DLG成果。通过对航空摄影测量生产工艺流程的整合与优化,采用机载LIDAR点云数据和航空影像数据相结合的生产方法,实现了省级基础测绘1:10000数字产品的快速更新,提高了测绘生产效率。

机载LiDAR点云数据建筑物提取方法分析研究

本文以机载LiDAR技术获取的高精度城市点云数据为基础,采用多尺度虚拟格网的坡度滤波算法对复杂点云中的地面点云和非地面点云进行有效分离,然后依托于城市建筑物的点云数据特征,采用格网八邻域搜索的滤波算法进行建筑物点云提取。本文详细介绍了点云滤波算法的原理及步骤,并以某具有独立建筑物的城市区域进行实验测试,所分离出的非地面点云和提取的建筑物点云均具有较高的精度,因此表明本文所采用的建筑物点云提取方法具有较高的可靠性。

利用机载LiDAR点云数据提取城区道路

提出一种从机载LiDAR点云中提取城区道路的方法。首先,利用机载LiDAR点云的高程和强度属性,对末次回波点云进行去噪、滤波和分类后获取初始道路点云;然后使用基于边长和面积阈值的约束Delaunay不规则三角网方法精化初始道路点云;最后采用α-Shapes方法从精化后的道路点集中提取道路轮廓,并用数学形态学细化方法提取道路中心线。试验结果表明,该方法提取的城区道路正确率和完整性较高。

顾及矢量特征的机载LiDAR点云数据压缩方法

LiDAR技术可获取海量点云数据,数据压缩是点云数据预处理的一个重要环节。该文结合大范围城市区域高程范围随区域变化大的特点,提出一种有效的压缩策略。该策略主要通过建立高程方向不均等的三维格网来提高邻域点集的搜索效率,并根据某一压缩准则计算特征量对数据进行压缩。将该策略应用于上海浦东某区域,并与均匀采样法进行比较,证明其能有效提高点云数据压缩效率。

机载LiDAR点云数据与影像数据融合

分析机载LiDAR系统获取的点云数据与影像数据的优缺点,从而取长补短,将二者进行叠加融合,并成功地将航空影像的光谱信息赋给相对应的LiDAR点云,弥补了LiDAR点云在光谱信息方面的缺陷,为LiDAR点云数据的后续处理提供重要的信息支持。

森林区域机载LiDAR点云数据的改进八叉树滤波算法研究

【目的】利用机载LiDAR点云数据能准确获取地物点三维坐标的特点,本文对森林区域LiDAR数据进行滤波分析,旨在提高点云滤波精度。【方法】基于改进的八叉树模型,将复杂地形分解为大量山坡地形,通过改变节点尺寸,既保留了点云的原始信息,又增强了点云数据分割的准确性。针对森林区域地形起伏不定的实际情况,在滤波算法中引入坡度判断,在一定程度上改善了山坡低矮植被易被错分为地面点的情况。【结果】对于3组不同地形下的点云数据,滤波总错误率分别为4.57%、4.75%和5.83%。这一结果对森林区域不同地形下的点云滤波具有一定的实用性。【结论】本文提出的改进八叉树滤波算法可以充分利用数据结构特征实现快速、高精度的滤波,从而节约时间成本和运行成本,也为后续森林参数的提取奠定基础。

机载LiDAR点云数据的航带拼接研究探讨

对机载LiDAR点云数据的航带拼接问题作初步的探讨和研究。研究结果表明,经过不同扫描带间点云数据的拼接,相邻扫描带间的高程漂移大大降低,证明了研究结果可靠。

机载LiDAR点云数据在城市遥感信息提取中的应用探索

随着机载LiDAR技术的发展,利用LiDAR点云数据辅助城市遥感信息提取研究成为当前的热门。本文在介绍点云数据处理流程和特征提取的基础上,从目标提取方面对LiDAR点云数据用于城市遥感的应用进行了探索。在后续工作中,笔者需要进一步关注城市遥感的应用需求,充分挖掘点云数据隐含特征,提高LiDAR点云数据处理的效率、精度和自动化程度。

一种基于移动曲面拟合的机载LIDAR点云数据滤波方法

针对机载LIDAR点云数据滤波问题,在分析张小红教授提出的移动曲面拟合法滤波的基础上,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于移动曲面拟合的机载LIDAR点云数据滤波方法,并通过实验验证了该方法的可行性和适用性。

机载LiDAR点云数据质量检查方法

机载LiDAR技术近年来得到快速发展,该技术是快速、大规模、高精度获取三维地理信息数据的重要手段之一。机载LiDAR集成了众多的系统,数据获取、数据处理过程繁多且复杂,只要其中一个环节出现问题,都会影响最终数据的使用。本文结合实际项目,在机载LiDAR点云原始数据检查中,论述了飞行姿态航高、IMU数据、CROS数据,点云精度、点云密度等检查内容和方法,可为同类工作检查做一个参考。

无人机载LiDAR点云数据的应用探讨

无人机在近年来的测量工程中得到了广泛的应用,使用无人机结合机载LiDAR设备进行数据采集,按照航空摄影测量与遥感的作业技术要求和方法进行数据获取,将得到的点云数据结合地面控制成果进行一体化处理。实践证明,其精度要求可以能满足1:5000、1:2000甚至更大比例尺地图测图的精度要求。

机载LiDAR点云数据抽稀算法研究述评

机载LiDAR技术作为一种全新的遥测技术,可以获取高精度和高密度的三维点云地形数据,它所获取的高密度的点云数据存在数据冗余和数据量庞大等一些问题,造成了存储、后处理(如滤波、分类、特征提取和建模)和显示的不便。因此对点云数据进行有效的数据抽稀简化很有必要,抽稀算法需要在数据精度和采样密度之间达到一种最优平衡。本文将现有的LiDAR点云数据抽稀算法概括为随机采样算法、基于高程的算法和基于TIN的算法3类,并分别进行了研究评述,最后探讨了各类方法的优缺点,以为机载点云数据抽稀简化提供参考。

机载LiDAR点云数据处理软件对比及评测

针对国内外现有的主流商业LiDAR点云数据处理软件,从软件功能完备性、软件操作和数据处理流程便捷性、处理结果的精度等多方面对TerraSolid、LiDAR-Suite和LiDAR360进行对比,分析各软件的优势和劣势,为测绘生产人员选择点云处理软件提供参考,也对国产激光雷达点云数据处理软件的发展提出一点看法。