無(wú)人機(jī)低空攝影測(cè)量技術(shù)能夠通過(guò)少量地面控制點(diǎn)快速高效的獲取大量測(cè)區(qū)點(diǎn)位坐標(biāo)、DSM、DOM等數(shù)據(jù),其在測(cè)繪領(lǐng)域的不斷發(fā)展完善,正在一步步替代傳統(tǒng)測(cè)量手段,已經(jīng)成為測(cè)繪領(lǐng)域的中堅(jiān)力量。隨著傾斜攝影測(cè)量技術(shù)的發(fā)展,通過(guò)無(wú)人機(jī)影像密集匹配點(diǎn)云數(shù)據(jù)的精度不斷提高,相較于LIDAR點(diǎn)云成本大大降低。但無(wú)人機(jī)影像密集匹配點(diǎn)云數(shù)據(jù)量大且密度不均勻,為獲取高精度的DEM就需要將大量地物點(diǎn)去除,現(xiàn)行的濾波算法或多或少的存在著一些問(wèn)題,本文在分析機(jī)載LIDAR點(diǎn)云與無(wú)人機(jī)影像匹配點(diǎn)云的異同后,對(duì)于經(jīng)典的LIDAR點(diǎn)云濾波算法進(jìn)行改進(jìn),使其適用于無(wú)人機(jī)影像密集匹配點(diǎn)云。主要成果如下:點(diǎn)云粗差剔除主要分為極值粗差點(diǎn)剔除和一般粗差點(diǎn)剔除兩部分,極值粗差點(diǎn)通過(guò)基于高程統(tǒng)計(jì)的方法進(jìn)行粗差點(diǎn)的剔除。對(duì)于一般粗差點(diǎn),討論了當(dāng)前主流的粗差剔除方法:基于虛擬格網(wǎng)高程信息的粗差剔除、基于k-d樹(shù)索引的k鄰近距離的粗差剔除;發(fā)現(xiàn)這兩種方法很難滿(mǎn)足建筑物邊緣點(diǎn)位眾多且點(diǎn)云密度不均勻的無(wú)人機(jī)影像密集匹配點(diǎn)云。本文通過(guò)引入LOF算法進(jìn)行無(wú)人機(jī)影像密集匹配點(diǎn)云的粗差剔除,LOF算法是基于局部密度的離群點(diǎn)檢測(cè)方法,適合于密度存在差異的數(shù)據(jù)中的離群值識(shí)別,通過(guò)實(shí)驗(yàn)表明:在參數(shù)k值合理的情況下,基于LOF的離群點(diǎn)檢測(cè)方法能夠剔除較少的地面點(diǎn)。在點(diǎn)云濾波中,本文基于漸進(jìn)加密三角網(wǎng)的點(diǎn)云濾波算法進(jìn)行改進(jìn)。在種子點(diǎn)選擇中,原始算法通過(guò)研究區(qū)最大建筑物尺寸將研究區(qū)進(jìn)行格網(wǎng)劃分,本文參照移動(dòng)面的濾波方法,將固定格網(wǎng)變?yōu)椴粩嘁苿?dòng)的虛擬格網(wǎng),這種方法能夠提取更多的地面種子點(diǎn),大大提高了后續(xù)的迭代效率。閾值的選擇中引入了OTSU算法,通過(guò)計(jì)算每個(gè)初始TIN中的待定點(diǎn)到TIN的距離來(lái)計(jì)算距離閾值,并通過(guò)地面種子點(diǎn)來(lái)計(jì)算坡度閾值。
【學(xué)位單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類(lèi)】：P231
【文章目錄】：
致謝
摘要
abstract
變量注釋表Ⅻ
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容
    1.4 論文組織結(jié)構(gòu)
2 點(diǎn)云數(shù)據(jù)獲取及其特點(diǎn)
    2.1 機(jī)載LIDAR獲取點(diǎn)云
    2.2 無(wú)人機(jī)影像密集匹配點(diǎn)云獲取
    2.3 無(wú)人機(jī)影像密集匹配點(diǎn)云與LIDAR點(diǎn)云對(duì)比
    2.4 本章小結(jié)
3 點(diǎn)云粗差剔除
    3.1 基于高程統(tǒng)計(jì)的極值粗差點(diǎn)剔除
    3.2 一般粗差點(diǎn)剔除
    3.3 本章小結(jié)
4 改進(jìn)的點(diǎn)云濾波算法
    4.1 點(diǎn)云濾波算法概述
    4.2 改進(jìn)的漸進(jìn)加密三角網(wǎng)的點(diǎn)云濾波
    4.3 本章小結(jié)
5 實(shí)驗(yàn)驗(yàn)證
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡(jiǎn)歷
學(xué)位論文數(shù)據(jù)集

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王雯;任小玲;陳逍遙;;一種改進(jìn)的區(qū)域增長(zhǎng)彩色3D點(diǎn)云分割算法[J];國(guó)外電子測(cè)量技術(shù);2018年11期

2 陳華臻;高健;;面向反光工件點(diǎn)云缺陷的點(diǎn)云增強(qiáng)算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2019年07期

3 馬東嶺;王曉坤;李廣云;;一種基于高度差異的點(diǎn)云數(shù)據(jù)分類(lèi)方法[J];測(cè)繪通報(bào);2018年06期

4 楊澤鑫;程效軍;丁瓊;程小龍;;面向室內(nèi)場(chǎng)景點(diǎn)云的對(duì)象重建[J];測(cè)繪通報(bào);2017年06期

5 翁福洲;黃鶴;;快速點(diǎn)云定向數(shù)學(xué)模型實(shí)際精度分析[J];北京測(cè)繪;2017年04期

6 琚俏俏;王令文;;基于自適應(yīng)切片的點(diǎn)云壓縮算法[J];工程勘察;2017年09期

7 許寧;鐘友玲;;地面三維激光掃描點(diǎn)云重建技術(shù)研究[J];數(shù)碼世界;2017年08期

8 龔書(shū)林;;三維激光點(diǎn)云處理軟件的若干關(guān)鍵技術(shù)[J];測(cè)繪通報(bào);2014年06期

9 徐守乾;朱延娟;;稀疏點(diǎn)云的曲面重構(gòu)[J];中國(guó)制造業(yè)信息化;2011年03期

10 梁新合;梁晉;郭成;曹巨明;;法向約束的多幅點(diǎn)云數(shù)據(jù)融合算法[J];西安交通大學(xué)學(xué)報(bào);2009年05期

相關(guān)博士學(xué)位論文 前10條

1 趙宗澤;基于數(shù)學(xué)形態(tài)學(xué)的機(jī)載LiDAR點(diǎn)云建筑物區(qū)域提取[D];武漢大學(xué);2016年

2 魏崇陽(yáng);城市環(huán)境中基于三維特征點(diǎn)云的建圖與定位技術(shù)研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

3 奚以成;基于機(jī)載LiDAR技術(shù)的城市智能感知與變化檢測(cè)技術(shù)研究[D];沈陽(yáng)農(nóng)業(yè)大學(xué);2018年

4 宋孟肖;LiDAR點(diǎn)云輔助的城區(qū)航空影像空中三角測(cè)量[D];武漢大學(xué);2018年

5 李明磊;激光掃描點(diǎn)云的線(xiàn)結(jié)構(gòu)提取與應(yīng)用研究[D];戰(zhàn)略支援部隊(duì)信息工程大學(xué);2017年

6 曹如軍;基于機(jī)載LiDAR點(diǎn)云的建筑屋頂三維重建[D];武漢大學(xué);2017年

7 黃鵬頔;三維激光掃描點(diǎn)云典型場(chǎng)景可見(jiàn)性分析方法研究[D];廈門(mén)大學(xué);2017年

8 羅歡;高分辨率激光掃描點(diǎn)云語(yǔ)義標(biāo)注研究[D];廈門(mén)大學(xué);2017年

9 付瑋;基于攝影測(cè)量系統(tǒng)的標(biāo)定與表面數(shù)據(jù)融合算法研究[D];南昌大學(xué);2018年

10 黃旭;LiDAR點(diǎn)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(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 汪霞;融合序列影像的激光點(diǎn)云三維實(shí)景建模[D];中國(guó)礦業(yè)大學(xué);2019年

2 段志鑫;三維激光掃描數(shù)據(jù)精簡(jiǎn)、表面重構(gòu)方法及應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2019年

3 帥煒;基于多種類(lèi)型特征約束的LiDAR點(diǎn)云配準(zhǔn)算法研究[D];中國(guó)礦業(yè)大學(xué);2019年

4 崔紹臣;三維點(diǎn)云數(shù)據(jù)處理系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)[D];吉林大學(xué);2019年

5 陳哲;應(yīng)用于無(wú)人駕駛的視覺(jué)定位關(guān)鍵技術(shù)研究[D];吉林大學(xué);2019年

6 楊禮;融合UAV遙感影像與SFM點(diǎn)云的樹(shù)木識(shí)別及參數(shù)提取[D];河南理工大學(xué);2018年

7 郭強(qiáng);基于激光雷達(dá)的車(chē)前地形復(fù)現(xiàn)關(guān)鍵技術(shù)研究[D];吉林大學(xué);2019年

8 孔威;基于WEB的三維點(diǎn)云重建研究與實(shí)現(xiàn)[D];云南大學(xué);2018年

9 李沛婷;荒漠植被區(qū)機(jī)載LiDAR點(diǎn)云生成DEM算法研究[D];石河子大學(xué);2019年

10 彭信杰;基于深度點(diǎn)云卷積神經(jīng)網(wǎng)絡(luò)DPCNet的三維場(chǎng)景分割[D];河南大學(xué);2019年

本文編號(hào)：2864440