機載LiDAR(Light Detection and Ranging)系統(tǒng)為三維空間數據采集提供了一種全新的技術手段,它具有快速、準確獲取三維信息的特點,在地形測繪、環(huán)境監(jiān)測、森林防護和城市三維建模等應用中扮演著日益重要的角色。其硬件部分已得到較好完善,而點云數據后處理的發(fā)展相對滯后,濾波和分類是數據后處理過程中最重要的部分。由于地形環(huán)境和地物的復雜影響,使得現有算法存在自動化程度低,效率差,參數繁多等不足。本文以機載LiDAR數據后處理為主題,重點研究了機載LiDAR點云數據濾波和分類等方面的內容,在理論和算法上取得一定進展。為了有效提高運算效率和克服數據損失問題,選用虛擬格網組織數據,減少鄰域搜索時間且保持原有數據的精度。詳細分析了幾種典型的LiDAR點云數據濾波和分類算法,并總結需要解決的問題。通過對典型LiDAR點云數據濾波方法的優(yōu)缺點分析和總結,針對三角網迭代加密算法運算量大及曲面擬合算法閾值自適應性差等問題,通過改進三角網加密過程中點定位和局部優(yōu)化的判斷方式,可提高運算效率,根據點與曲面間的關系動態(tài)調整閾值參數,可增強其適應性。首先對原始數據進行預處理,然后利用改進的方法對標準測試數據進行實驗,最后對運算效率和濾波誤差進行定性、定量分析,證明了該方法的有效性和適用性。在濾波的基礎上,根據LiDAR數據中回波信息的特點,針對分類算法存在的不足,分析了利用回波次數和回波強度信息對地面點和地物點細分類的可能性,融合了一種基于高程紋理、回波次數和回波強度的點云數據分類方法。通過對濾波數據進行實驗,并對分類結果進行定性分析,證明了該方法在分類過程中能取得一定的效果。
【學位單位】：西南科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：P23
【部分圖文】：

西南科技大學碩士研究生學位論文 第6載 LiDAR 系統(tǒng)簡述載 LiDAR 能 快速、主動獲取高精度 三維地表信息和回波信息，相比，具有精度高、速度快、可靠性強和 成本低等優(yōu)點，在地形測護以及三維建模等領域具有較好的發(fā)展前景[12]。為了更深入的點云 數據濾波與 分類技術的研究，需先對機載 LiDAR 系統(tǒng)的 組理和點云數據的 構成及特點等相關知識進行分析。載 LiDAR 系統(tǒng)組成及工作原理LiDAR 系統(tǒng)組成載 LiDAR系統(tǒng)主要包括：激光掃描儀、慣性測量單元、DGPS(收機和成像設備[41]。該系統(tǒng)以飛行器作為載體，就組成了機載 LiD統(tǒng)。典型的 機載LiDAR 系統(tǒng)集成示意圖如圖 2-1 所示。

圖 2- 2 機載激光雷達對地定位示意圖 2-2 Schematic diagram of ground location by airbornDAR 點云數據的構成、格式和特點 點云數據構成R 系統(tǒng)的硬件發(fā)展情況，目前 LiDAR 系統(tǒng)獲標、回波信息以及與之對應的掃描信息組成會存在差別，甚至有些 LiDAR 系統(tǒng)還能提供分類處理過程中，使用最多的信息部分為點次數和回波強度信息。坐標信息數 LiDAR 數據濾波分類方法都是基于原始是 LiDAR 數據的核心。LiDAR 點云的三維PS、INS 和激光測距儀采集的初始數據經過激光測距儀獲得目標點的距離 S，同時利用中心點 G 的空間位置坐標( , , )，利用

圖 2- 3 機載 LiDAR 系統(tǒng)解算目標點三維坐標原理圖e principle diagram of three-dimensional coordinates of LiD機載 LiDAR 系統(tǒng)位于 G 點，目標點為 P 點，系 G 點的坐標信息 ( , , )和姿態(tài)信息( , , )，側滾角， 為飛機航偏角。激光測距儀是通過測定 t 來得到目標與參考中心之間的距離 S， = 1 2光束與掃描起始激 光束的夾角，可由編 碼器按固標點 P 的坐標公式如式(2-3)所示。 ( cos sin 1 2 )cos sin sin 1 2cos = ( cos sin 1 2 )sin sin 1 2sin = ( cos sin 1 2 )cos cos cos sin cos sin sin 。次數信息
【相似文獻】

相關期刊論文 前10條

1 蔡慶生;;基于機載LiDAR點云數據濾波方法研究[J];北京測繪;2015年02期

2 房華樂;林祥國;段敏燕;張繼賢;;面向對象的車載LiDAR點云濾波方法[J];測繪科學;2015年04期

3 尚大帥;馬東洋;趙羲;萬歡;;一種基于移動曲面擬合的機載LIDAR點云數據濾波方法[J];測繪技術裝備;2012年02期

4 董保根;秦志遠;陳靜;徐驗兵;;無需閾值支持的機載LiDAR點云數據濾波方法[J];計算機工程與應用;2013年15期

5 李永強;牛路標;李立雪;毛杰;張西童;;LiDAR點云的建筑物立面空洞修復[J];測繪科學;2017年10期

6 童靜;;地形特征保護的LIDAR點云濾波方法研究[J];科技致富向導;2014年18期

7 楊娜;秦志遠;朱艷;唐德瑾;;面向對象的機載LiDAR點云濾波方法[J];測繪科學技術學報;2014年02期

8 曹鴻;李永強;牛路標;毛杰;閆陽陽;;基于機載LiDAR數據的建筑物點云提取[J];河南城建學院學報;2014年01期

9 許振輝;劉玲;閆夢龍;;融合影像信息的LiDAR點云濾波[J];公路;2011年03期

10 楊娜;秦志遠;晏耀華;周莎;;面向地面點識別的機載LiDAR點云分割方法研究[J];測繪工程;2014年10期

相關博士學位論文 前10條

1 馮義從;車載LiDAR點云的建筑物立面信息快速自動提取[D];西南交通大學;2014年

2 左志權;顧及點云類別屬性與地形結構特征的機載LiDAR數據濾波方法[D];武漢大學;2011年

3 董保根;機載LiDAR點云與遙感影像融合的地物分類技術研究[D];解放軍信息工程大學;2013年

4 閆吉星;建筑物LiDAR點云三維重建的全局優(yōu)化方法[D];武漢大學;2015年

5 孫美玲;機載LiDAR數據濾波及城區(qū)汽車目標檢測方法研究[D];西南交通大學;2014年

6 魏征;車載LiDAR點云中建筑物的自動識別與立面幾何重建[D];武漢大學;2012年

7 惠振陽;從機載LiDAR點云中提取城市道路網的關鍵技術研究[D];中國地質大學;2017年

8 付瑋;基于攝影測量系統(tǒng)的標定與表面數據融合算法研究[D];南昌大學;2018年

9 黃旭;LiDAR點云約束下的多視影像密集匹配與融合方法研究[D];武漢大學;2016年

10 謝洪;基于地面三維激光掃描技術的海量點云模型重建關鍵算法研究[D];武漢大學;2013年

相關碩士學位論文 前10條

1 時培強;機載LiDAR點云數據濾波及分類研究[D];西南科技大學;2018年

2 劉凱斯;機載激光LiDAR點云數據濾波和分類算法研究[D];首都師范大學;2014年

3 李煉;機載LiDAR點云濾波及分類算法研究[D];成都理工大學;2014年

4 趙振峰;基于機載LiDAR點云的道路提取研究[D];昆明理工大學;2012年

5 張杰;機載LiDAR點云濾波及特征提取技術研究[D];中國礦業(yè)大學;2017年

6 童禮華;多平臺LiDAR點云數據集成技術研究[D];南京大學;2014年

7 孫蒙;機載LiDAR點云與航空影像融合的地物分類方法研究[D];中國礦業(yè)大學;2016年

8 鐘禮山;側視LiDAR數據多層次單木點云分割研究[D];南京大學;2016年

9 陳飛;基于機載LiDAR點云的道路提取方法研究[D];西南交通大學;2013年

10 董靜;融合多特征的機載LiDAR點云數據濾波方法研究[D];遼寧工程技術大學;2011年

本文編號：2840340