本文選題：LiDAR + 點(diǎn)云數(shù)據(jù)�。� 參考：《測(cè)繪通報(bào)》2017年S1期

【摘要】：機(jī)載LiDAR技術(shù)作為一種全新的遙測(cè)技術(shù),可以獲取高精度和高密度的三維點(diǎn)云地形數(shù)據(jù),它所獲取的高密度的點(diǎn)云數(shù)據(jù)存在數(shù)據(jù)冗余和數(shù)據(jù)量龐大等一些問(wèn)題,造成了存儲(chǔ)、后處理(如濾波、分類(lèi)、特征提取和建模)和顯示的不便。因此對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行有效的數(shù)據(jù)抽稀簡(jiǎn)化很有必要,抽稀算法需要在數(shù)據(jù)精度和采樣密度之間達(dá)到一種最優(yōu)平衡。本文將現(xiàn)有的LiDAR點(diǎn)云數(shù)據(jù)抽稀算法概括為隨機(jī)采樣算法、基于高程的算法和基于TIN的算法3類(lèi),并分別進(jìn)行了研究評(píng)述,最后探討了各類(lèi)方法的優(yōu)缺點(diǎn),以為機(jī)載點(diǎn)云數(shù)據(jù)抽稀簡(jiǎn)化提供參考。
[Abstract]:As a new telemetry technology, airborne LiDAR technology can obtain high precision and high density 3D point cloud terrain data. The high density point cloud data obtained by airborne LiDAR has some problems such as data redundancy and huge amount of data, which results in storage. Post-processing (such as filtering, classification, feature extraction and modeling) and display inconveniences. Therefore, it is necessary to simplify the point cloud data effectively, and the algorithm needs to achieve an optimal balance between data precision and sampling density. In this paper, the existing LiDAR point cloud data thinning algorithms are summarized as random sampling algorithms, elevation based algorithms and tin based algorithms. The advantages and disadvantages of each method are discussed. It provides a reference for the simplification of airborne point cloud data extraction.
【作者單位】： 廣東電網(wǎng)有限責(zé)任公司電力科學(xué)研究院;中國(guó)測(cè)繪科學(xué)研究院攝影測(cè)量與遙感所;
【基金】：國(guó)家自然科學(xué)基金面上項(xiàng)目(41371406) 南方電網(wǎng)科技專(zhuān)項(xiàng)(GD-KJXM20150903)
【分類(lèi)號(hào)】：P237

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 喜文飛;史正濤;;一種新的點(diǎn)云數(shù)據(jù)組合精簡(jiǎn)算法研究[J];科技通報(bào);2014年03期

2 方源敏;夏永華;陳杰;宋煒煒;楊永明;左小清;;基于改進(jìn)的角度偏差法的采空區(qū)點(diǎn)云數(shù)據(jù)精簡(jiǎn)[J];地球科學(xué)與環(huán)境學(xué)報(bào);2012年02期

3 靳克強(qiáng);龔志輝;湯志強(qiáng);張斌;袁輝;;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)質(zhì)量評(píng)價(jià)體系分析與探討[J];測(cè)繪與空間地理信息;2012年04期

4 劉亞文;龐世燕;左志奇;;蟻群算法的建筑立面點(diǎn)云數(shù)據(jù)提取[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2012年11期

5 劉尚蔚;朱小超;張永光;魏群;;多片點(diǎn)云數(shù)據(jù)拼接處理技術(shù)的研究[J];水利與建筑工程學(xué)報(bào);2014年01期

6 高源鴻;彭巖;歐洋;;點(diǎn)云數(shù)據(jù)制作地面模型初探[J];測(cè)繪與空間地理信息;2014年04期

7 張東;;點(diǎn)云數(shù)據(jù)中球面點(diǎn)的自動(dòng)提取[J];測(cè)繪;2014年03期

8 熊愛(ài)武;;基于車(chē)載激光點(diǎn)云數(shù)據(jù)的道路模型重建[J];地理信息世界;2013年06期

9 郝洪美;徐凱;;滑坡監(jiān)測(cè)中點(diǎn)云數(shù)據(jù)分析[J];北京測(cè)繪;2014年04期

10 官云蘭;賈鳳海;;地面三維激光掃描多站點(diǎn)云數(shù)據(jù)配準(zhǔn)新方法[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2013年05期

相關(guān)會(huì)議論文 前4條

1 宋碧波;盧小平;盧遙;;基于點(diǎn)云數(shù)據(jù)的建筑物三維重建[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

2 隋立春;張熠斌;趙旦;;基于MicroStation的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類(lèi)處理軟件[A];第二屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2010年

3 楊銘;陳建峰;;基于CUDA的海量點(diǎn)云數(shù)據(jù)kNN查詢算法[A];第四屆“測(cè)繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

4 王恒;趙亮;;深度圖像的平面分割算法[A];第十七屆中國(guó)遙感大會(huì)摘要集[C];2010年

相關(guān)博士學(xué)位論文 前3條

1 王果;不同平臺(tái)激光點(diǎn)云數(shù)據(jù)面狀信息自動(dòng)提取研究[D];中國(guó)礦業(yè)大學(xué)（北京）;2014年

2 楊建思;機(jī)載/地面海量點(diǎn)云數(shù)據(jù)組織與集成可視化方法研究[D];武漢大學(xué);2011年

3 敖建鋒;動(dòng)態(tài)沉陷區(qū)地面激光掃描數(shù)據(jù)處理關(guān)鍵問(wèn)題研究[D];中國(guó)礦業(yè)大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 李俊寶;TLS在古建筑物測(cè)繪及建模中的應(yīng)用研究[D];長(zhǎng)安大學(xué);2015年

2 彭占偉;基于K近鄰的點(diǎn)云數(shù)據(jù)處理研究[D];昆明理工大學(xué);2014年

3 唐云龍;基于車(chē)載激光點(diǎn)云數(shù)據(jù)的典型地物分類(lèi)與提取[D];北京工業(yè)大學(xué);2015年

4 吳蒙;基于三維激光掃描技術(shù)的建筑物建模研究[D];東華理工大學(xué);2015年

5 裴東東;基于影像的點(diǎn)云數(shù)據(jù)分割方法研究[D];東華理工大學(xué);2016年

6 楊軍建;點(diǎn)云數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D];東華理工大學(xué);2016年

7 樊琦;基于點(diǎn)云數(shù)據(jù)的三維模型重建[D];西安科技大學(xué);2015年

8 李祖來(lái);基于三維激光掃描數(shù)據(jù)隧道變形信息提取[D];西南交通大學(xué);2016年

9 仇正良;三維地表點(diǎn)云數(shù)據(jù)處理研究[D];西南交通大學(xué);2016年

10 胡澄宇;基于機(jī)載LiDAR的林間道路提取方法研究[D];西南交通大學(xué);2016年

，

本文編號(hào)：2003156