本文關(guān)鍵詞： 坡度算法 區(qū)域增長 階層式分類 ObjectARX　出處：《西南交通大學(xué)》2013年碩士論文　論文類型：學(xué)位論文

【摘要】：機載激光雷達技術(shù)是新興的一門技術(shù),在地形勘測、城市建筑物三維建模等方面都有很好的應(yīng)用。本文從濾波分類和建筑物點云提取兩方面進行了探討。首先介紹了常用的濾波分類算法和建筑物提取算法。實驗驗證了傳統(tǒng)數(shù)學(xué)形態(tài)法、改進的數(shù)學(xué)形態(tài)法和距離期望濾波算法的濾波效果。 傳統(tǒng)的坡度濾波算法,利用經(jīng)驗知識或樣本區(qū)間確定坡度閾值,不能完全得到真實的坡度閾值。在山區(qū)地形中,地形自身坡度與地物坡度之間的差別不是很大。僅僅應(yīng)用坡度閡值很難判定,容易造成過度濾波或真實地形的丟失。 針對以上問題,本文對傳統(tǒng)的坡度濾波算法進行了改進,增加了雙向坡度閾值、高程閾值和二次濾波。首次濾波時以較小的坡度閾值得到初始DEM,計算其最大坡度值,以最大坡度值作為第二次濾波的坡度閾值,一定程度上解決了坡度閾值選擇的自適應(yīng)問題。針對單向閾值在地形突變地區(qū)容易過度濾波的情況,增加了雙向閾值,在地形變化較大地區(qū)有一定的普遍適用性。另外融合了區(qū)域增長的思想,增加了高程閾值,加強了細節(jié)保護。 在研究建筑物區(qū)域增長算法的基礎(chǔ)上,對現(xiàn)有區(qū)域增長算法進行了一些改進。按照高程閾值分割、梯度分割、鄰域半徑密度分類的步驟得到建筑物的腳點,該算法較好地剔除了植被點和地面低矮附屬物的干擾,解決了建筑物和植被點分離過度和分離欠佳的問題,利用鄰域半徑密度法可以準確的得到建筑物種子點,較快的實現(xiàn)建筑物的分割分類。 按照階層式分類分割的策略,利用C#.net和ObjectARX技術(shù)在AutoCAD2010中開發(fā)了學(xué)習(xí)型的機載激光雷達點云分類分割軟件LIDAR-Scane。該軟件可以實現(xiàn)點云分類顯示、不規(guī)則三角網(wǎng)構(gòu)建、點云分類分割等功能。
[Abstract]:Airborne lidar technology is a new technology in topographic survey, In this paper, we discuss the filtering classification and building point cloud extraction. Firstly, the common filtering classification algorithms and building extraction algorithms are introduced. Proved the traditional mathematical form method, The filtering effect of the improved mathematical morphology method and the distance expectation filtering algorithm. In mountain terrain, the traditional slope filtering algorithm can not get the true gradient threshold completely by using empirical knowledge or sample interval to determine the slope threshold. The difference between the slope of the terrain and the slope of the object is not very big. It is difficult to judge only the threshold value of the slope, which is easy to cause excessive filtering or the loss of the real terrain. In order to solve the above problems, the traditional slope filtering algorithm is improved to increase the bidirectional gradient threshold, elevation threshold and secondary filtering. At the first time, the initial DEM is obtained with a smaller gradient threshold, and the maximum slope value is calculated. Taking the maximum slope value as the slope threshold of the second filtering, the adaptive problem of slope threshold selection is solved to some extent. In view of the situation that one-way threshold is easy to be over-filtered in the abrupt terrain area, the bidirectional threshold is increased. In addition, the idea of regional growth is integrated, the elevation threshold is increased, and the detail protection is strengthened. Based on the study of the building region growth algorithm, some improvements have been made to the existing area growth algorithm. According to the steps of elevation threshold segmentation, gradient segmentation and neighborhood radius density classification, the foot points of the building are obtained. The algorithm can eliminate the interference of vegetation points and low appendages on the ground, solve the problem of excessive separation and poor separation of buildings and vegetation points, and use the neighborhood radius density method to accurately obtain the building seed points. The faster implementation of building segmentation and classification. According to the strategy of hierarchical classification and segmentation, the LIDAR-Scane-based airborne lidar point cloud classification software LIDAR-Scaneis developed in AutoCAD2010 by using C#.net and ObjectARX technology. The software can realize point cloud classification display and irregular triangulation network construction. Point cloud classification and segmentation functions.
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：P225.2

【參考文獻】

相關(guān)期刊論文 前10條

1 陳松堯;程新文;;機載LIDAR系統(tǒng)原理及應(yīng)用綜述[J];測繪工程;2007年01期

2 張小紅,劉經(jīng)南;機載激光掃描測高數(shù)據(jù)濾波[J];測繪科學(xué);2004年06期

3 曾齊紅;毛建華;李先華;劉學(xué)鋒;;機載激光雷達點云的階層式分類[J];測繪科學(xué);2008年01期

4 李卉;李德仁;黃先鋒;鐘成;;一種漸進加密三角網(wǎng)LIDAR點云濾波的改進算法[J];測繪科學(xué);2009年03期

5 龔亮;張永生;李正國;包全福;;基于多尺度虛擬網(wǎng)格與坡度閾值的機載LiDAR點云濾波方法[J];測繪科學(xué);2012年01期

6 袁楓;高井祥;張繼賢;張力;;一種從城區(qū)LiDAR數(shù)據(jù)提取DEM的方法[J];測繪通報;2010年02期

7 隋立春;張熠斌;柳艷;曲佳;李偉;王蒙;李智臨;;基于改進的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點云數(shù)據(jù)濾波[J];測繪學(xué)報;2010年04期

8 左志權(quán);張祖勛;張劍清;;知識引導(dǎo)下的城區(qū)LiDAR點云高精度三角網(wǎng)漸進濾波方法[J];測繪學(xué)報;2012年02期

9 唐德瑾;王楠;張振華;趙國青;;一種改進的坡度機載LiDAR數(shù)據(jù)濾波算法[J];測繪信息與工程;2010年03期

10 劉修國;張靖;高偉;陳啟浩;;Lidar點云數(shù)據(jù)中建筑物的快速提取[J];地球科學(xué);2006年05期

相關(guān)博士學(xué)位論文 前2條

1 羅伊萍;LIDAR數(shù)據(jù)濾波和影像輔助提取建筑物[D];解放軍信息工程大學(xué);2010年

2 周曉明;機載激光雷達點云數(shù)據(jù)濾波算法的研究與應(yīng)用[D];解放軍信息工程大學(xué);2011年

相關(guān)碩士學(xué)位論文 前9條

1 曹紅新;機載LIDAR數(shù)據(jù)濾波方法研究[D];西南交通大學(xué);2011年

2 劉艷華;機載激光掃描測高數(shù)據(jù)的應(yīng)用與試驗[D];太原理工大學(xué);2006年

3 賈廣帥;機載激光雷達數(shù)據(jù)特點和濾波方法研究[D];山東科技大學(xué);2007年

4 馮聰慧;機載激光雷達系統(tǒng)數(shù)據(jù)處理方法的研究[D];解放軍信息工程大學(xué);2007年

5 劉文;基于數(shù)學(xué)形態(tài)學(xué)原理和TerraScan的Lidar點云數(shù)據(jù)分類方法研究[D];國家海洋局第一海洋研究所;2008年

6 徐花芝;基于航空LIDAR點云數(shù)據(jù)的建筑物提取研究[D];長安大學(xué);2008年

7 張熠斌;機載LiDAR點云數(shù)據(jù)處理理論及技術(shù)研究[D];長安大學(xué);2010年

8 曲佳;機載激光雷達點云數(shù)據(jù)精度分析與評價研究[D];長安大學(xué);2010年

9 李r，

本文編號：1514795