基于空间域和高差阈值的山顶点选取方法

山顶点是地形的重要特征点,其分布与密度反映了地貌的发育特征,同时也制约着地貌发育,通过提取山顶点,可以更好地理解地形的特征和变化。针对邻域比较法提取山顶点未能直接顾及山体的相对高度,且容易产生山顶点的多提和漏提的问题,提出了一种基于空间域和高差阈值的山顶点选取方法。该方法在邻域比较法的基础上,使用不同邻域设置半径分别提取多组潜在山顶点,以高差阈值为限制条件选取山顶点,并将不同空间域下选取的多组山顶点进行合并,得到符合高差阈值要求的山顶点。利用渑池县DEM数据进行实验研究,研究结果表明,与传统的邻域分析方法相比,该方法能够尽可能多的选取出符合条件要求的山顶点,方法容易理解,操作简便,可应用于根据不同相对高度提取山顶点和划分山体的工作中。

基于高差分析的点云数据提取矿区地表沉陷信息方法

机载LiDAR技术能够快速获取整个矿区地表空间位置及垂直相对位置的动态变化量,观测结果更为全面、直观,从而可以获得整个矿区地表开采沉陷分布与移动下沉情况。从点云数据滤波入手,对获取的鹤壁矿区两期点云数据提取的DEM作差值计算,得出该段时期内地表的垂直位移量,然后通过设置高差阈值和面积阈值,并采用基于高差分析的方法,提取地表沉陷信息。试验结果表明,该方法提取的沉陷面积精度能达到94.75%,可在中小尺度上对矿区开采沉陷进行监测。

一种基于流域剖分的山顶点提取方法

山顶点自动提取是数字地形分析的重要研究内容之一。本文总结了山顶点自动提取的主要技术方法。在此基础上,以基于流域剖分的山顶点自动提取方法为主线,详细阐述了流域剖分模型的建立过程。以大兴安岭与东北平原过渡的草原丘陵地带为试验样区,以ArcGIS Python框架为地理处理平台,对模型进行了实现与验证。并深入讨论了高差阈值对模型精度的影响,为山顶点自动提取提供了一种新思路。

地形变化检测及DEM快速更新方法的研究

数字高程模型(DEM)是地理信息系统(GIS)的重要组成部分,在实际应用中用途相当广泛。由于这几年发展较快,已有的DEM数据不能满足用图单位的精度要求,所以急需要检测更新DEM。因此,提出了一种地形变化快速检测及更新的方法,利用新旧两套DSM做差值计算,结合新的DOM分类出高植被,根据一定的高差阈值和面积阈值,快速发现变化区域并更新DEM。该方法应用到1∶10000 DEM更新项目中,取得了良好的效果,并为以后更新DEM的项目形成了一套成熟的解决方案。

基于机载LiDAR点云数据的电力线自动提取方法与研究

机载激光雷达(Light Detection and Ranging,LiDAR)技术作为一种能够在短时间内高效获取地面点云数据的新型测绘技术,目前已经在三维地表模型重建、电力巡检中发挥着重要的作用。为了更加有效地实现电力线测绘,本文设计并实现了基于机载LiDAR点云数据的电力线提取与重建方法。首先,通过改进形态学滤波法实现地面点与地物点分割,并通过高差阈值实现电力线点粗提取;其次,对粗提取电力线点进行栅格化处理与拟合残差计算,将计算结果与临界阈值对比实现电力线候选点集的提取;最后,通过双重K-means算法以及RANSAC算法实现单根电力线的提取与重建。使用福建北电南送特高压交流输变电工程中实测的部分机载LiDAR点云数据进行实验,结果表明:本文提出方法对电力线候选点集提取正确率在98%以上,较传统方法正确率更高,验证了本文电力线提取方法的有效性与优越性。

一种改进的坡度机载LiDAR数据滤波算法

改进了LiDAR点云数据处理滤波算法的判断条件,运用四种坡度阈值判断数据点的地形信息,实现了改善滤波效果的目的。

基于多级种子点优化的移动曲面滤波算法

针对移动曲面滤波算法的种子点粗差问题,提出了一种基于多级种子点优化的移动曲面滤波算法。首先直接剔除雷达点云数据中的异常值。然后通过格网化建立格网索引,并将点云数据分为两级格网,确定一级格网的种子点,利用一级种子点对二级备选种子点进行筛选。当种子点数量达不到要求时,以一级种子点为参考点进行种子点的表面生长。最后利用选取的种子点进行曲面拟合,计算雷达点云数据真实高程和拟合高程的高差,并采用顾及地形起伏的自适应高差阈值判断地面点和非地面点。与经典滤波算法比较,结果表明该滤波算法能有效减少三类误差。Ⅰ类误差、Ⅱ类误差、总误差精度的平均值分别提高7.30%、4.67%、5.57%。同时将该算法与国际摄影测量与遥感学会公布的8种算法进行比较,结果表明该方法具有较高的精度,自适应性强。