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。

基于改进的PointNet++模型的多光谱LiDAR数据分类方法

多光谱激光雷达(LiDAR)系统可同时并快速获取大范围空间目标地物的光谱强度信息和空间几何信息,为三维点云分类、语义分割、目标检测等研究提供新的数据源。然而,由于多光谱点云数据分布的不规则性以及数据量巨大等特性,使得地物特征的提取过程充满挑战。本文通过将通道注意力机制(SE-Block)和修正后的焦点损失函数嵌入至PointNet++网络中,提出了一种改进的PointNet++网络架构。PointNet++网络从不均匀采样的点中提取局部特征,并通过多尺度分组表示点之间的局部几何关系。将SE-Block嵌入至PointNet++网络中,通过显式地建模通道之间的相互依赖关系,自适应地重新校准通道方面的特征响应,从而强调重要通道并抑制不利于预测的无用通道,提高特征的显著性,以便更好地进行点云分类。另外,本文在改进的网络架构基础上利用修正后的焦点损失函数解决了多光谱LiDAR点云数据中类别不均匀分布的问题。本文提出的改进的PointNet++网络架构在托伯莫里港口数据集上进行了评估,获得的总体精度、mIoU、F1-score和Kappa系数分别为95.21%、62.59%、73.58%、0.918。与5个已建立的深度神经网络模型的比较实验证实,本文提出的改进的PointNet++网络架构在多光谱LiDAR点云分类任务中具有良好的性能。

浅谈基于LiDAR数据提取DLG等高线的流程

利用已有LiDAR数据成果探索更新1∶10 000基础地理信息数据中高程点、等高线要素的试生产工作总体技术路线、生产作业流程以及生产过程中出现的问题、解决问题的经验和技巧。

公路路面LiDAR数据空洞插补的MLSPF方法

数字交通发展要求开展公路路面数字化,路面数字化主要采用车载或机载激光扫描,但由于遮挡等原因,路面扫描容易产生大小不一的数据空洞。为了处理激光扫描点云数据中空洞,文中提出公路路面空洞插补的移动最小二乘平面拟合方法,即将公路细分为许多格网区域,并视单个格网近似为平面,采用格网内实测点云拟合最佳平面方程,由平面方程插值完成公路路面数据空洞的填补,获得路面数字化初步模型。开展大量实验研究,并与具有代表性的最近邻插值法、克里金插值法、反距离加权插值等算法进行对比,结果表明本方法在计算效率与精度等两个方面都具有优势,是一种可行可靠的方法。

基于机载LiDAR数据的单木参数提取研究

在林业资源清查中,传统的外业测量方法存在效率低、成本高、数据更新慢等问题。机载激光雷达凭借激光的穿透性与空间三维信息的优势,可以快捷、高效地得到单木的树高、冠幅等参数。但因上部冠层遮挡,机载激光雷达不能很好地取得单木的胸径参数,可以通过建立反演模型,由已知数据估测未知数据,从而得到单木的胸径。本文将分别探讨从基于冠层高度模型的单木分割方法(下简称FCHM)和基于归一化点云的单木分割算法(下简称FNPC)中提取单木树高、冠幅、胸径等参数的方法,并建立相应的反演模型。

浅析基础测绘更新中利用LiDAR数据更新高程点及等高线

省级基础测绘数据中高程点和等高线是地貌要素的主要数据,更新工作必不可少,它的变化也反映了地貌形态的变化,以往的局部高程点更新方法依靠外业仪器打点测量获取,在此基础上内业套合地物数据进行编辑处理,存在工作时间长、野外作业量大等问题。随着更新范围的扩大,这种方法满足不了生产的需要,而利用LiDAR数据更新高程点及等高线,改进作业模式,不仅能提高工作效率,而且数据的准确性及精度都有所提高。

多级移动曲面拟合LIDAR数据滤波算法

为提高城市区LIDAR数据滤波精度,提出了一种多级移动曲面拟合滤波方法。建立区块网格搜寻及索引机制完成对离散LIDAR点云的标示;通过建立二次多项式完成参考曲面的拟合,不同窗口大小获得不同层次的拟合曲面;设置自适应阈值,完成地面点与非地面点的判断。精度评价结果表明,该滤波算法误差在1m以内,能够满足实际应用的需求。

基于LIDAR数据的道路平面线形拟合方法研究

阐述了LIDAR数据滤波与分类方法,提出了一种在原始离散点集中提取道路信息的基于既有知识数学形态学分类方法,结合LIDAR数据的特点提出了一种针对带状离散点云的定步长径向搜索方法以提取道路中轴点列并对点列进行道路平面线形拟合与恢复,试验结果表明,基于既有知识数学形态学分类方法能较好地从LIDAR地面数据点云中提取道路信息;从机载LIDAR数据的离散带状点云中拟合公路平面线形,所采用的搜索算法简单快速,运算效率高。

基于3D LiDar数据的城区植被识别研究

提出一种基于支持向量机(SVM)的三维LiDar数据分类方法:利用kd-trees存储无序的点云数据,在局部邻域中利用点云数据间的几何关系估算植被表面特征值;将密度值和高程差值作为SVM输入特征变量,利用基于径向基函数的SVM方法实现植被点云数据的分类。实验结果为:OA分类精度达到94.31%,Kappa系数为89.53%。该方法操作性较强,在分类精度及计算效率方面比传统方法具有优势。

从LiDAR数据中提取建筑物平面目标的新方法

提出一种从机载LiDAR点云数据中自动提取建筑物平面的方法。给出了基于边长约束的三角形生长算法对建筑物初始区域进行提取,针对提取出的建筑物脚点,利用自适应MeanShift方法在特征空间中对其进行聚类分析,并提取出平面目标,最后利用Alpha-Shape算法生成建筑物平面的轮廓线。通过实验证实了方法的有效性。

基于机载LiDAR数据的鄱阳湖地区高精度DEM生产研究

大面积湖泊周边地势平坦,利用航空摄影等常规手段实现此类地区精细DEM生产,需要依靠外业控制和大量人工编辑,作业周期长,成本高。本文结合国家基础航空摄影项目,基于ALS60完成了鄱阳湖地区大面积机载LiDAR数据的获取及预处理,并通过地面检校和精度验证,对传感器的系统误差进行修正,在此基础上对点云数据进行精细化处理及DEM高效生产,产品精度满足测绘相关规范要求。该项目的成功开展,为基于航空新型技术手段的大面积湖泊周边等常规作业困难地区的高精度测绘提供了借鉴。

基于FCM的机载LIDAR数据的建筑物和植被分类方法

针对LIDAR点云数据中建筑物和植被难以快速分类的问题,提出了应用FCM(Fuzzy C-Mean)模糊聚类的方法对离散机载激光点云数据进行建筑物和植被分类的方法。首先针对机载点云数据的特点采用了平面投影的De launay构网方法进行点云的三角网重构,然后根据三角网的法向矢量信息的属性不同,利用FCM方法和改进的方位矩阵方法对其进行模糊聚类,进而实现建筑物和植被等不同属性的点云分类。该方法可快速将点云进行分类,且分类结果可用不同颜色进行空间显示。在此基础上,采用IDL(Interface description language)语言编制了三维激光点云可视化分类软件LIDARVIEW。并应用该软件对某区域的机载点云数据进行了分类实验。实验结果表明:(1)基于平面投影的Delaunay构网方法特别适合机载LIDAR点云数据的快速构网,且该方法构网速度快、效率高;(2)应用FCM模糊群聚的方法和改进的方位矩阵方法适用于机载LIDAR数据的植被和建筑物分类,分类速度快且效果好;(3)FCM模糊群聚方法对机载LIDAR数据的群聚分类结果可靠、合理,具有较强的通用性和推广性。

基于ICP算法的非常规航空影像与机载LiDAR数据配准

航向重叠度小于53%,不满足连续3张影像进行模型连接的航空影像视为非常规航空影像。针对非常规航空影像与机载激光扫描(Light Detection And Ranging,LiDAR)数据的配准,本文提出了首先利用影像匹配得到匹配点云,然后基于迭代最邻近点(Iterative Closest Point,ICP)算法配准匹配点云和机载LiDAR点云,最后使用配准点进行单像空间后方交会解算影像方位元素的配准方法。相关实验表明利用本文方法配准航空影像和机载LiDAR数据,相对于人工配准,自动化程度大大提高,精度更高。

基于多源LiDAR数据的公路平纵线测量模拟技术研究

针对传统公路平纵线测量技术低效率、高成本及高风险性,提出一种地空LiDAR数据融合的公路平纵线测量模拟技术,主要创新为两点,一是基于扫描视角的互补性,采用车载+地面三维激光扫描技术获取公路平、纵面的三维信息,且为实现两类数据的融合,将基于地理定位资源粗算两类数据的对应关系,以降维配准的解算空间,而后,基于轮廓线之间的彼此对应关系进行多源LiDAR数据的半自动配准融合。二是考虑多源LiDAR数据复杂性,通过点云投影至最佳拟合面完成坐标转换后,引入Alpha-Shapes算法进行公路平纵线轮廓的自动矢量化;同时,利用TerraSolid软件提取公路平纵线轮廓,通过建构局部小步长三角网,以重叠参数进行约束,获得一个平纵共线方程。最后通过实验,根据共线方程与实际扫描观测区的偏移量计算,得出较传统公路平纵线测量方法,所提方法所得的测量不会产生偏移量,更趋近真实场景。

高分辨率卫星影像数据与LIDAR数据在铁路勘测设计中的深度应用

鉴于卫星影像分辨率和商业化程度的不断提高,LIDAR设备及技术在铁路勘测设计中得到大量应用,首次提出了"高分辨率卫星影像数据与LIDAR数据在铁路勘测设计中的深度应用"这一全新的勘测设计理念,其最终目的为:以卫星影像完成大范围选线设计(以卫星影像数据完成预可研、并以目前可以得到的高分辨率卫星影像测绘1∶5000比例尺地形图完成初测及方案可行性研究);对定测方案实施超低空飞行,以高密度、高精度的LIDAR激光点云数据、高分辨率数码影像数据,完成线路1∶2000数字地图、线路纵横断面、工点图内业测量(完成定测、初步设计、补充定测、施工图设计)。并从技术、经济、时间三个方面,论证了该理念的合理性、可行性、必然性。

基于Adaboost的高光谱与LiDAR数据特征选择与分类

提出一种基于Adaboost的高光谱与LiDAR数据特征选择与分类方法。方法首先提取地物的光谱、高程、纹理以及植被指数等特征,接着利用Adaboost评估不同特征的重要度,实现特征选择,最后基于特征子集进行Adaboost分类。甘肃省张掖城区的地物分类实验表明所提方法能选择出有利于类别区分的特征。

机载LiDAR数据的林分胸高断面积反演研究

机载LiDAR数据目前在森林生物量、树高以及郁闭度估测方面得到广泛研究,但估测林木胸高断面积的研究较少。以高峰林场为研究区,借助机载LiDAR数据并结合地面实测的105块样地反演林分胸高断面积。首先,选取4块坡度以及林分郁闭度有差异的样地,运用渐进不规则三角网(PTIN)、渐进形态学滤波算法(PMF)、布料模拟滤波算法(CSF)和基于插值的滤波方法(IBF)分别对点云数据进行滤波,以便选取最适的滤波方法完成样地滤波;其次,通过随机森林(RF)和迭代的决策树(GBRT)算法分别对林分胸高断面积进行估测;最后,选用精度较好的模型完成林分胸高断面积反演和制图。结果表明:布料模拟滤波算法(CSF)在坡度为25~33°、郁闭度为0.5~0.7的样地环境时,LiDAR数据滤波效果较好,这和研究区的环境基本一致,故选用CSF算法对研究区进行滤波;研究所构建的胸高断面积反演模型中,RF模型泛化能力优于GBRT模型,RF模型的R^(2)为0.77,RMSE为3.99m^(2)/hm^(2),rRMSE为17.76%;独立样本检验的R^(2)为0.66,RMSE为3.27m^(2)/hm^(2),rRMSE为14.73%,故采用RF模型完成研究区林分胸高断面积反演。

基于影像分割技术的LIDAR数据建筑物边缘提取

提出一种基于影像分割技术的LIDAR数据建筑物边缘提取方法,将LIDAR点云数据转化为DSM影像,采用改进的动态阈值分割算法对DSM影像进行分割,并将得到的图像进行边缘提取。试验表明,该方法不需要其他辅助数据,可以从LIDAR点云数据中提取建筑物边缘,为进一步的建筑物三维重建奠定基础。

基于LiDAR数据与数字相机快速生成正射影像技术研究

介绍机载LiDAR系统获取地表三维信息的基本原理以及DSS数字相机与LiDAR系统的硬件组成和数据处理流程,讨论LiDAR设备的检校方法,利用GPS/INS提供的像片外方位元素信息和LiDAR提供的高精度DEM,避免空中三角测量数据处理,快速生成正射影像。摄区试验证明,快速生成正射影像周期短,节约成本,满足了应急测绘需求。

基于低空影像和地面LiDAR数据的建筑物损毁评估方法研究

长期以来,人类饱受各种自然灾害的威胁。其中,重大地质灾害具有突发性强、危害范围广的特点,常给人类带来毁灭性的灾难,严重威胁着人类的生命和财产安全。研究表明,大多数地质灾害导致的建筑物损毁是造成人员伤亡和财产损失的主要原因。目前,受科技发展水平的限制,人类尚无足够的能力预测、控制或改变地质灾害发生的时间、地点和规模。为此,快速、准确的灾害测量和建筑物损毁评估成为人类应对重大地质灾害的主要手段。随着卫星、航空及地面等观测平台的快速发展,遥感技术已成为快速获取灾情数据的主要手段。针对当前卫星遥感时效性差、灾情评估精度低、传统航空测量机动性差、数据处理周期长、空地数据协同利用率低等问题,本文面向固体地质灾害设计了低成本、机动式的空地异源传感器协同观测系统,采用以低空无人机测量和视觉三维重建为主、联合局部地面LiDAR扫描的协同观测方式,获取较完备的灾场三维点云,研究灾场地物分类和建筑物损毁评估方法。