【摘要】：機(jī)載激光雷達(dá)是一種綜合的主動式遙感技術(shù),機(jī)載激光LIDAR系統(tǒng)是由三部分組成的:全球定位系統(tǒng)、激光掃描測距系統(tǒng)以及動態(tài)載體姿態(tài)測量系統(tǒng)~([1-2])。機(jī)載LIDAR可以迅速的采集目標(biāo)地物的空間三維坐標(biāo)信息,并且機(jī)載LIDAR系統(tǒng)所發(fā)出的脈沖激光束具有較強(qiáng)的穿透性,可以穿透部分林木直達(dá)地面。近年來,由于機(jī)載LIDAR技術(shù)的所具有的高效性和數(shù)據(jù)精度高等特點(diǎn),所以其在地形測繪、三維建模等多個領(lǐng)域以其特有的優(yōu)勢被廣泛應(yīng)用。在所有機(jī)載LIDAR采集的數(shù)據(jù)當(dāng)中,其最重要的是三維點(diǎn)云數(shù)據(jù)。怎樣利用機(jī)載LIDAR技術(shù)對空間信息進(jìn)行提取,以及根據(jù)機(jī)載LIDAR的點(diǎn)云數(shù)據(jù)如何進(jìn)行快速高效的處理并對其進(jìn)行分類,是研究者們所要攻克的難點(diǎn)。本文著重對時下熱門的兩種點(diǎn)云數(shù)據(jù)的分類算法進(jìn)行對比研究。首先對機(jī)載LIDAR點(diǎn)云回光強(qiáng)度值進(jìn)行基于法向量的改正;其次,基于改正后的點(diǎn)云回光強(qiáng)度信息通過KNN算法和BP神經(jīng)網(wǎng)絡(luò)算法對點(diǎn)云數(shù)據(jù)進(jìn)行分類并對比研究。本文的主要研究內(nèi)容如下:1.詳細(xì)介紹了機(jī)載激光雷達(dá)系統(tǒng)的硬件結(jié)構(gòu)和特點(diǎn)、激光雷達(dá)的工作方法、數(shù)據(jù)特性和誤差源。對機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)的處理流程進(jìn)行了詳細(xì)的總結(jié)。2.根據(jù)機(jī)載LIDAR點(diǎn)云數(shù)據(jù)的特點(diǎn),在前人對機(jī)載LIDAR點(diǎn)云的分類方法的基礎(chǔ)上提出了基于矯正回光強(qiáng)度的分類方法。本文提出了一種新的考慮入射角對點(diǎn)云回光強(qiáng)度的影響的校正模型�？梢杂行У臏p少機(jī)載LIDAR在掃描目標(biāo)地物時所產(chǎn)生的入射角對回光強(qiáng)度信息的影響。3.通過KNN算法和BP神經(jīng)網(wǎng)絡(luò)算法對回光強(qiáng)度信息校正后的點(diǎn)云數(shù)據(jù)進(jìn)行分類研究。首先進(jìn)行大量實驗確定算法中閾值的最優(yōu)性,并由兩種算法對海量點(diǎn)云數(shù)據(jù)分類,驗證方法的可行性。4.通過實驗驗證機(jī)載LIDAR點(diǎn)云回光強(qiáng)度校正模型的可行性。通過兩種算法對相同條件的點(diǎn)云數(shù)據(jù)分類,并對其分類效果進(jìn)行對比分析。實驗表明,在精細(xì)分類上,由于BP神經(jīng)網(wǎng)絡(luò)擁有主動學(xué)習(xí)能力其分類效果更加理想。
【圖文】：

5圖 1-1 機(jī)載 LIDAR 點(diǎn)云數(shù)據(jù)處理流程圖[30]Fig.1-1Airborne LIDAR point cloud data processing flow chart（2）分類。在完成對機(jī)載 LIDAR 點(diǎn)云數(shù)據(jù)的濾波之后，為了直觀的讀取空信息，我們需要進(jìn)一步的把地面點(diǎn)與非地面點(diǎn)區(qū)分出來。非地面點(diǎn)包含如：建物點(diǎn)、植被點(diǎn)、道路點(diǎn)等。分類的主要目的是為了區(qū)分不同的地物，，目前大部學(xué)者都是進(jìn)行水域點(diǎn)、植被點(diǎn)和道路點(diǎn)等數(shù)據(jù)的提取并進(jìn)行研究的。對于點(diǎn)云數(shù)據(jù)的分類現(xiàn)在有兩種最為主要的方式：其一是按照機(jī)載 LIDAR據(jù)中高程來進(jìn)行分類，或者結(jié)合遙感影像，應(yīng)用攝影測量與遙感的方式對地物行提取和分類[31]；其二是運(yùn)用濾波分類的方法直接對點(diǎn)云數(shù)據(jù)特征進(jìn)行分類和

圖 1-2 技術(shù)路線圖Fig.1-2 Technology roadmap紹了本文的選題的背景與選題的意義。系統(tǒng)闡述了術(shù)。以及介紹了機(jī)載 LIDAR 的系統(tǒng)組成、系統(tǒng)特點(diǎn)展前進(jìn)，并對本文的研究內(nèi)容和技術(shù)路線做了介紹
【學(xué)位授予單位】：昆明理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：P237

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳富強(qiáng);;機(jī)載LIDAR技術(shù)的優(yōu)勢及應(yīng)用前景研究[J];北京測繪;2013年02期

2 成樞;張艷亭;馬浩;任國慶;黃剛;;國產(chǎn)機(jī)載LiDAR安置角誤差檢校初探[J];測繪通報;2013年01期

3 藍(lán)增榮;胡慶武;隆華平;;基于機(jī)載LiDAR的數(shù)字電網(wǎng)巡線應(yīng)用研究[J];大眾科技;2013年01期

4 左志權(quán);張祖勛;張劍清;;知識引導(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];測繪學(xué)報;2012年02期

5 于萍萍;陳建平;于淼;馬賀清;;雙三維數(shù)字礦山仿真信息系統(tǒng)建設(shè)[J];金屬礦山;2012年02期

6 王植;吳立新;賀正雄;李慧盈;;基于正交多項式的平原城區(qū)機(jī)載LiDAR數(shù)據(jù)濾波算法[J];地理與地理信息科學(xué);2012年01期

7 覃馭楚;李斌;牛錚;黃文江;王長耀;;小光斑激光雷達(dá)全波形數(shù)據(jù)遞進(jìn)分解與相對輻射校正[J];中國科學(xué):地球科學(xué);2011年01期

8 李慧盈;李文輝;陳圣波;;一種機(jī)載雷達(dá)點(diǎn)云數(shù)據(jù)的快速分類方法[J];吉林大學(xué)學(xué)報(地球科學(xué)版);2010年05期

9 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];測繪學(xué)報;2010年04期

10 周曉明;馬秋禾;李二森;唐德瑾;;基于小波多分辨率方向高程限差的LiDAR數(shù)據(jù)濾波[J];測繪科學(xué);2010年04期

相關(guān)博士學(xué)位論文 前2條

1 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

2 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

相關(guān)碩士學(xué)位論文 前10條

1 張萌;基于顏色信息的城區(qū)LiDAR點(diǎn)云數(shù)據(jù)植被提取方法研究[D];西安電子科技大學(xué);2014年

2 林鑒;機(jī)載LIDAR點(diǎn)云數(shù)據(jù)濾波及建筑物點(diǎn)群分割研究[D];西南交通大學(xué);2014年

3 谷延超;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)濾波方法研究[D];西南交通大學(xué);2014年

4 劉凱斯;機(jī)載激光LiDAR點(diǎn)云數(shù)據(jù)濾波和分類算法研究[D];首都師范大學(xué);2014年

5 陳飛;基于機(jī)載LiDAR點(diǎn)云的道路提取方法研究[D];西南交通大學(xué);2013年

6 趙振峰;基于機(jī)載LiDAR點(diǎn)云的道路提取研究[D];昆明理工大學(xué);2012年

7 尚大帥;機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波與分類技術(shù)研究[D];解放軍信息工程大學(xué);2012年

8 曲佳;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)精度分析與評價研究[D];長安大學(xué);2010年

9 楊賽;BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)問題的分析研究[D];江西理工大學(xué);2010年

10 黃麗;BP神經(jīng)網(wǎng)絡(luò)算法改進(jìn)及應(yīng)用研究[D];重慶師范大學(xué);2008年

本文編號：2660613