機(jī)載激光雷達(dá)技術(shù)(Airborne Light Detection And Ranging,簡稱LiDAR)能夠快速獲取大面積測量區(qū)域高精度、高密集的三維空間信息,這種技術(shù)已成為獲得高分辨率數(shù)字高程模型(DEM)的重要手段。激光雷達(dá)點云數(shù)據(jù)濾波是生成DEM極其重要的一步,對后續(xù)數(shù)字產(chǎn)品的生產(chǎn)和應(yīng)用起到關(guān)鍵作用,因此點云濾波是LiDAR系統(tǒng)研究的一個重要課題方向。目前LiDAR點云濾波研究重點在于如何減少人工干預(yù)提高濾波精度,實現(xiàn)自動化高精度濾波且能夠較好保留地形得到高精度DEM,針對這種情況本文主要工作與創(chuàng)新點包括以下三個方面:1、在總結(jié)國內(nèi)外LiDAR點云數(shù)據(jù)濾波算法研究現(xiàn)狀的基礎(chǔ)上,對每種濾波算法的優(yōu)點和局限性進(jìn)行分析,為在現(xiàn)有濾波方法基礎(chǔ)上提出改進(jìn)和創(chuàng)新提供參考。2、系統(tǒng)的闡述了機(jī)載激光雷達(dá)基礎(chǔ)理論系統(tǒng),介紹了機(jī)載激光雷達(dá)點云數(shù)據(jù)組成、數(shù)據(jù)存儲與特點,分析數(shù)據(jù)處理的難點,為實際工程應(yīng)用和后續(xù)的濾波算法設(shè)計提供理論依據(jù)。3、漸進(jìn)形態(tài)學(xué)濾波算法在點云濾波過程中由于異常值和大面積空白區(qū)域的存在,結(jié)果往往會產(chǎn)生嚴(yán)重的偏差,針對該算法存在的不足,本文算法引入形態(tài)學(xué)閉算子處理低異常值以降低其對濾波質(zhì)量的影響,再結(jié)合梯度算子對大面積空白區(qū)域進(jìn)行數(shù)據(jù)填充,避免了濾波前用最鄰近內(nèi)插法造成的精度損失。利用ISPRS公開測試數(shù)據(jù)和某礦實例數(shù)據(jù)對改進(jìn)算法進(jìn)行試驗,相比原算法,所有樣本整體濾波結(jié)果的I類誤差和總誤差都有所降低,結(jié)果表明:改進(jìn)的LiDAR點云數(shù)據(jù)濾波算法精度有所提高,能夠較好的適應(yīng)不同地形,在各種復(fù)雜環(huán)境中濾除非地面點有效地保留地形細(xì)節(jié)。4、影響DEM精度的主要因素有內(nèi)插方法、地貌類型、采樣數(shù)據(jù)分布特征等,其中內(nèi)插方法是直接因素,地貌類型、采樣數(shù)據(jù)分布特征則是通過插值算法影響DEM精度。本文根據(jù)DEM內(nèi)插方法的特點,選擇地形坡度因子和采樣數(shù)據(jù)分布情況作為指標(biāo),進(jìn)行內(nèi)插方法的適應(yīng)性研究,為在不同地貌類型和樣點分布特征情況下DEM內(nèi)插方法的適應(yīng)性研究提供思路。對濾波后的點云數(shù)據(jù)分別用克里金(Kriging)插值方法和反距離加權(quán)法(IDW)進(jìn)行內(nèi)插,結(jié)果表明:反距離加權(quán)法及克里金內(nèi)插法構(gòu)建的DEM模型適合樣點數(shù)量多且分布均勻的情況,反距離加權(quán)法在坡度較大地區(qū)的DEM精度要優(yōu)于克里金插值方法,在實際應(yīng)用中需要根據(jù)實際地形情況選取適合的方法構(gòu)建DEM模型。
【學(xué)位單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2018
【中圖分類】：P237;P208
【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景和意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
    1.3 本文的研究內(nèi)容及結(jié)構(gòu)
第二章 機(jī)載激光雷達(dá)理論與點云數(shù)據(jù)
    2.1 激光LIDAR基礎(chǔ)理論系統(tǒng)
        2.1.1 激光LiDAR測距系統(tǒng)
        2.1.2 激光LiDAR掃描系統(tǒng)
        2.1.3 激光LiDAR定位系統(tǒng)
    2.2 機(jī)載激光雷達(dá)點云數(shù)據(jù)
        2.2.1 數(shù)據(jù)組成
        2.2.2 數(shù)據(jù)存儲
        2.2.3 數(shù)據(jù)特點
        2.2.4 數(shù)據(jù)處理
    2.3 本章小結(jié)
第三章 改進(jìn)的漸進(jìn)形態(tài)學(xué)濾波算法
    3.1 漸進(jìn)形態(tài)學(xué)濾波方法
        3.1.1 數(shù)學(xué)形態(tài)學(xué)基本原理
        3.1.2 地面點提取
    3.2 改進(jìn)的漸進(jìn)形態(tài)學(xué)濾波算法
    3.3 算法實現(xiàn)具體流程
    3.4 試驗結(jié)果與分析
        3.4.1 試驗數(shù)據(jù)
        3.4.2 結(jié)果分析
    3.5 本章小結(jié)
第四章 DEM內(nèi)插方法與精度評定
    4.1 DEM內(nèi)插方法
        4.1.1 整體內(nèi)插
        4.1.2 分塊內(nèi)插
        4.1.3 逐點內(nèi)插
    4.2 DEM精度評定方法
    4.3 DEM內(nèi)插精度分析
        4.3.1 克里金方法(Kriging)
        4.3.2 反距離加權(quán)法(IDW)
        4.3.3 插值方法綜合評價
    4.4 本章小結(jié)
第五章 結(jié)論與展望
    5.1 結(jié)論
    5.2 展望
參考文獻(xiàn)
附錄
致謝
碩士期間參與項目及發(fā)表論文情況

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭沛沛;李成名;殷勇;;建筑物合并的Delaunay三角網(wǎng)分類過濾法[J];測繪學(xué)報;2016年08期

2 李堅;李德仁;邵振峰;;一種并行計算的流數(shù)據(jù)Delaunay構(gòu)網(wǎng)算法[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2013年07期

3 趙明波;何峻;田軍生;付強;;基于改進(jìn)的漸進(jìn)多尺度數(shù)學(xué)形態(tài)學(xué)的激光雷達(dá)數(shù)據(jù)濾波方法[J];光學(xué)學(xué)報;2013年03期

4 李永花;王英;辛兵廠;;基于剖面和迭代選權(quán)曲面擬合的LIDAR點云濾波算法研究[J];全球定位系統(tǒng);2013年01期

5 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點云數(shù)據(jù)濾波[J];測繪學(xué)報;2012年02期

6 隋立春;張熠斌;張碩;陳衛(wèi);;基于漸進(jìn)三角網(wǎng)的機(jī)載LiDAR點云數(shù)據(jù)濾波[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2011年10期

7 羅伊萍;姜挺;王鑫;張銳;羅勝;;基于數(shù)學(xué)形態(tài)學(xué)的LiDAR數(shù)據(jù)濾波新方法[J];測繪通報;2011年03期

8 羅伊萍;姜挺;龔志輝;江剛武;陳文鋒;;基于自適應(yīng)和多尺度數(shù)學(xué)形態(tài)學(xué)的點云數(shù)據(jù)濾波方法[J];測繪科學(xué)技術(shù)學(xué)報;2009年06期

9 蘇偉;孫中平;趙冬玲;孫崇利;張超;楊建宇;;多級移動曲面擬合LIDAR數(shù)據(jù)濾波算法[J];遙感學(xué)報;2009年05期

10 劉經(jīng)南;許曉東;張小紅;程世來;;機(jī)載激光掃描測高數(shù)據(jù)分層迭代選權(quán)濾波方法及其質(zhì)量評價[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2008年06期

相關(guān)碩士學(xué)位論文 前1條

1 殷飛;機(jī)載激光雷達(dá)數(shù)據(jù)濾波方法研究[D];西南交通大學(xué);2010年

本文編號：2829905