本文選題：機(jī)載激光雷達(dá) + 濾波�。� 參考：《西南交通大學(xué)》2014年博士論文

【摘要】：機(jī)載LiDAR是一種新型的主動(dòng)式遙感技術(shù),能夠快速采集地表較大區(qū)域的高精度三維地形信息,已經(jīng)在獲取高分辨率DEM、城市地物提取和三維建模、森林植被調(diào)查、災(zāi)害監(jiān)測(cè)等方面得到了廣泛的應(yīng)用。在機(jī)載LiDAR應(yīng)用的各個(gè)領(lǐng)域,都將面臨對(duì)LiDAR點(diǎn)云中的地面點(diǎn)和非地面點(diǎn)進(jìn)行分類的關(guān)鍵環(huán)節(jié),即濾波處理。由于地貌的復(fù)雜性和地物的多樣性,在實(shí)際生產(chǎn)中濾波作業(yè)的自動(dòng)化程度較低,因此,發(fā)展高效、準(zhǔn)確及自動(dòng)化程度高的機(jī)載LiDAR點(diǎn)云濾波算法一直是熱點(diǎn)研究問(wèn)題。汽車目標(biāo)檢測(cè)是智能交通、道路建設(shè)及旅游規(guī)劃等方面的重要研究?jī)?nèi)容,機(jī)載LiDAR技術(shù)的出現(xiàn)為其自動(dòng)檢測(cè)提供了一種新的途徑。為此,本文分析、探討了機(jī)載LiDAR系統(tǒng)的數(shù)據(jù)特點(diǎn)及點(diǎn)云數(shù)據(jù)濾波技術(shù),并針對(duì)機(jī)載LiDAR點(diǎn)云數(shù)據(jù)的汽車目標(biāo)檢測(cè)方法進(jìn)行了深入研究。本論文的主要研究成果及創(chuàng)新點(diǎn)有以下幾方面：1.在形態(tài)學(xué)濾波方法的基礎(chǔ)上,提出了一種無(wú)需迭代的、基于形態(tài)學(xué)開(kāi)重建的濾波方法(ORF),該方法首先對(duì)格網(wǎng)化DSM進(jìn)行腐蝕運(yùn)算獲得標(biāo)記圖像,通過(guò)對(duì)標(biāo)記圖像反復(fù)進(jìn)行測(cè)地膨脹運(yùn)算實(shí)現(xiàn)開(kāi)重建過(guò)程,然后利用白頂帽變換得到nDSM實(shí)現(xiàn)地物與地面點(diǎn)的分類,最后通過(guò)開(kāi)運(yùn)算進(jìn)行質(zhì)量控制完成濾波過(guò)程。使用ISPRS提供的15個(gè)不同復(fù)雜度測(cè)試數(shù)據(jù)進(jìn)行實(shí)驗(yàn),結(jié)果表明,該方法的Ⅰ類、Ⅱ類及總誤差均值分別達(dá)到3.49%、5.64%和4.06%,整體濾波性能優(yōu)于常規(guī)濾波算法。2.為改善單一形態(tài)學(xué)算子在濾波過(guò)程中的最大窗口選擇問(wèn)題,提高濾波的自動(dòng)化程度,在顧及多種形態(tài)學(xué)算子優(yōu)勢(shì)互補(bǔ)特性和城區(qū)LiDAR不同地物數(shù)據(jù)特點(diǎn)的基礎(chǔ)上,提出了一種融合序列形態(tài)學(xué)算子的城區(qū)濾波方法(SMOF)。該方法首先利用形態(tài)學(xué)開(kāi)運(yùn)算剔除極低粗差噪聲和樹(shù)木、汽車、電力線等小型地物,然后利用形態(tài)學(xué)梯度查找大型建筑物邊緣,并利用連通性分析和二值形態(tài)學(xué)重建方法剔除大型建筑物,完成地面與地物點(diǎn)的分類工作。使用ISPRS提供的9個(gè)城區(qū)測(cè)試數(shù)據(jù)進(jìn)行實(shí)驗(yàn),結(jié)果表明,該方法的Ⅰ類、Ⅱ類及總誤差均值分別達(dá)到6.90%、3.30%和5.44%,優(yōu)于整體濾波性能較好的Axelsson算法和Sithole算法,證明了該濾波方法的有效性和準(zhǔn)確性。3.針對(duì)形態(tài)學(xué)運(yùn)算濾波中的最大窗口選擇問(wèn)題,提出一種自動(dòng)化程度高的、基于迭代多尺度形態(tài)學(xué)開(kāi)重建的城區(qū)濾波方法(IMORF)。該方法通過(guò)多尺度的方法自動(dòng)獲取開(kāi)重建過(guò)程中的腐蝕窗口大小,利用反復(fù)迭代更換掩模影像的手段解決低矮地物的誤判問(wèn)題。使用ISPRS提供的9個(gè)不同復(fù)雜度城區(qū)測(cè)試數(shù)據(jù)進(jìn)行實(shí)驗(yàn),在統(tǒng)一的參數(shù)設(shè)置情況下,該方法的Ⅰ類、Ⅱ類及總誤差均值分別達(dá)到3.10%、6.05%和4.11%,整體分類和自動(dòng)識(shí)別性能優(yōu)于常規(guī)濾波算法。4.提出了基于機(jī)載LiDAR高程數(shù)據(jù)的CarH方法檢測(cè)汽車目標(biāo),該方法在形態(tài)學(xué)開(kāi)重建濾波的基礎(chǔ)上,根據(jù)汽車對(duì)象的形狀特征及其高程屬性完成檢測(cè)工作。并在三個(gè)典型實(shí)驗(yàn)區(qū)的正確度和完整度的均值分別為85.2%和81.3%,基本滿足實(shí)用性要求。5.在分析LiDAR點(diǎn)云強(qiáng)度信息的基礎(chǔ)上,提出了一種基于機(jī)載LiDAR高程和強(qiáng)度數(shù)據(jù)的汽車目標(biāo)檢測(cè)方法(CarH INT方法)。該方法在形態(tài)學(xué)開(kāi)重建濾波的基礎(chǔ)上,合并利用Otsu方法對(duì)強(qiáng)度數(shù)據(jù)的分類結(jié)果,得到高強(qiáng)度地物點(diǎn)；然后根據(jù)汽車對(duì)象的形狀特征及其高程屬性完成檢測(cè)工作。在三個(gè)典型實(shí)驗(yàn)區(qū)的正確度和完整度均值分別為93.3%和74.9%,能基本滿足實(shí)用性要求。6.提出了一種航空影像輔助下基于機(jī)載LiDAR高程數(shù)據(jù)的汽車目標(biāo)檢測(cè)方法(CarH_IMG方法),該方法在形態(tài)學(xué)開(kāi)重建濾波的基礎(chǔ)上,去掉利用航空影像NDVI數(shù)據(jù)獲取的植被信息,得到非植被地物數(shù)據(jù),然后根據(jù)汽車對(duì)象的形狀特征和高程信息完成汽車目標(biāo)檢測(cè)工作。在三個(gè)典型實(shí)驗(yàn)區(qū)的正確度和完整度均值分別達(dá)到95.9%和81.9%,能夠滿足不同場(chǎng)合下汽車目標(biāo)檢測(cè)的實(shí)用要求。
[Abstract]:The airborne LiDAR is a new type of active remote sensing technology , which can quickly acquire high - precision three - dimensional terrain information in the large area of the surface , and has been widely used in acquiring high - resolution DEM , urban figure extraction and three - dimensional modeling , forest vegetation survey and disaster monitoring . This paper presents a new method for detection of automobile targets based on airborne LiDAR elevation data . The results show that the method can automatically acquire the size of corroded windows in the process of opening and reconstruction by means of multi - scale method . on the basis of morphological open reconstruction filtering , the method combines the classification result of the intensity data by the OSU method to obtain a high - strength figure point ;
A method for detecting vehicle targets based on airborne LiDAR elevation data is proposed based on morphological features and elevation information . The accuracy and completeness of the three typical experimental areas reach 95.9 % and 81.9 % , respectively , which can meet the practical requirements of vehicle target detection in different situations .
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李英成,文沃根,王偉;快速獲取地面三維數(shù)據(jù)的LIDAR技術(shù)系統(tǒng)[J];測(cè)繪科學(xué);2002年04期

2 隋立春;張熠斌;柳艷;曲佳;李偉;王蒙;李智臨;;基于改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點(diǎn)云數(shù)據(jù)濾波[J];測(cè)繪學(xué)報(bào);2010年04期

3 李卉;;集成LiDAR和遙感影像城市道路提取與三維建模[J];測(cè)繪學(xué)報(bào);2011年01期

4 隋立春;楊耘;;基于car(p,q)模型和數(shù)學(xué)形態(tài)學(xué)理論的LiDAR點(diǎn)云數(shù)據(jù)濾波[J];測(cè)繪學(xué)報(bào);2012年02期

5 左志權(quán);張祖勛;張劍清;;知識(shí)引導(dǎo)下的城區(qū)LiDAR點(diǎn)云高精度三角網(wǎng)漸進(jìn)濾波方法[J];測(cè)繪學(xué)報(bào);2012年02期

6 戚浩平,王煒,田慶久;高空間分辨率衛(wèi)星遙感數(shù)據(jù)在城市交通規(guī)劃中的應(yīng)用研究[J];公路交通科技;2004年06期

7 林祥國(guó);張繼賢;;機(jī)載LiDAR數(shù)據(jù)的多回波信息分析及應(yīng)用研究[J];測(cè)繪科學(xué);2013年02期

8 亢曉琛;劉紀(jì)平;林祥國(guó);;多核處理器的機(jī)載激光雷達(dá)點(diǎn)云并行三角網(wǎng)漸進(jìn)加密濾波方法[J];測(cè)繪學(xué)報(bào);2013年03期

9 李光輝;王成;習(xí)曉環(huán);鄭照軍;駱社周;岳彩榮;;機(jī)載LiDAR和高光譜數(shù)據(jù)融合提取冰川雪線[J];國(guó)土資源遙感;2013年03期

10 李峰;崔希民;袁德寶;王果;張玲;;改進(jìn)坡度的LiDAR點(diǎn)云形態(tài)學(xué)濾波算法[J];大地測(cè)量與地球動(dòng)力學(xué);2012年05期

相關(guān)博士學(xué)位論文 前7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 鄭澤忠;基于高分辨率航空影像高速公路汽車目標(biāo)檢測(cè)算法研究[D];西南交通大學(xué);2010年

3 左志權(quán);顧及點(diǎn)云類別屬性與地形結(jié)構(gòu)特征的機(jī)載LiDAR數(shù)據(jù)濾波方法[D];武漢大學(xué);2011年

4 周曉明;機(jī)載激光雷達(dá)點(diǎn)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

5 劉循;智能交通中運(yùn)動(dòng)汽車檢測(cè)及識(shí)別技術(shù)研究[D];四川大學(xué);2005年

6 管海燕;LiDAR與影像結(jié)合的地物分類及房屋重建研究[D];武漢大學(xué);2009年

7 董保根;機(jī)載LiDAR點(diǎn)云與遙感影像融合的地物分類技術(shù)研究[D];解放軍信息工程大學(xué);2013年

，

本文編號(hào)：1931566