点云密度是机载激光雷达(light detection and ranging,LiDAR)点云数据的重要特征,也是硬件制造、数据采集、数据处理及数据应用中常用的关键指标。随着LiDAR硬件技术的发展,点云密度越来越高,能够更精确地描述地形地物的特征和规律,已...点云密度是机载激光雷达(light detection and ranging,LiDAR)点云数据的重要特征,也是硬件制造、数据采集、数据处理及数据应用中常用的关键指标。随着LiDAR硬件技术的发展,点云密度越来越高,能够更精确地描述地形地物的特征和规律,已有众多学者针对点云密度开展相关研究。基于此,归纳了目前点云密度的研究和应用现状,探讨了存在的主要问题;研究了不同密度点云数据生产DEM的能力;验证了点云抽稀及点云加密方法。展开更多
为了进一步优化政务版地图制作时兴趣点(Point of Interest, POI)的显示效果,提出了一种能应用于生产实践的POI优化制作方法。基于高德地图API接口,先利用Python语言爬取POI点数据,并通过几何与人工校正等工作过程完成了POI有效数据的获...为了进一步优化政务版地图制作时兴趣点(Point of Interest, POI)的显示效果,提出了一种能应用于生产实践的POI优化制作方法。基于高德地图API接口,先利用Python语言爬取POI点数据,并通过几何与人工校正等工作过程完成了POI有效数据的获取,然后通过POI数据预处理及多种POI抽稀方式完成多级电子地图的抽稀工作。实验证明,抽稀后的POI点分布合理、整洁美观。展开更多
文摘针对点云数据构建数字高程模型(DEM)的精度受点云抽稀和内插算法等因素影响的问题,设计不同点云抽稀方法和不同内插算法对DEM构建精度影响的两组试验,寻求适用于复杂条带状泥石流沟谷地形构建DEM的组合方法.利用空间抽稀、体素分割抽稀、随机抽稀3种方法以96%的抽稀率对原始点云数据进行抽稀,得到的抽稀结果再分别应用自然邻点插值法、反距离权重法(IDW)、克里金法、样条函数法4种内插算法进行内插,共构建出12种组合生成DEM的方法,对每种组合方法构建的DEM进行高程和坡度精度评价分析.结果表明,针对泥石流沟谷地形空间抽稀条件下利用IDW进行DEM内插的结果最为可靠,拟合优越度为0.999540,平均误差为0.7462 m,中误差为1.2629 m.
文摘点云密度是机载激光雷达(light detection and ranging,LiDAR)点云数据的重要特征,也是硬件制造、数据采集、数据处理及数据应用中常用的关键指标。随着LiDAR硬件技术的发展,点云密度越来越高,能够更精确地描述地形地物的特征和规律,已有众多学者针对点云密度开展相关研究。基于此,归纳了目前点云密度的研究和应用现状,探讨了存在的主要问题;研究了不同密度点云数据生产DEM的能力;验证了点云抽稀及点云加密方法。
文摘为了进一步优化政务版地图制作时兴趣点(Point of Interest, POI)的显示效果,提出了一种能应用于生产实践的POI优化制作方法。基于高德地图API接口,先利用Python语言爬取POI点数据,并通过几何与人工校正等工作过程完成了POI有效数据的获取,然后通过POI数据预处理及多种POI抽稀方式完成多级电子地图的抽稀工作。实验证明,抽稀后的POI点分布合理、整洁美观。