機(jī)載激光雷達(dá)技術(shù)(LiDAR)能夠快速、大范圍的獲取地球表面的高精度三維點(diǎn)云數(shù)據(jù),其獲取系統(tǒng)集成了 GPS、IMU、激光掃描儀等儀器設(shè)備,而由于其數(shù)據(jù)的獲取方式為主動式獲取,對植被等地物具有一定的穿透能力,因此在目標(biāo)地物三維信息的快速獲取方面具有絕對的優(yōu)勢。在獲取的眾多目標(biāo)地物中,道路是國民經(jīng)濟(jì)基礎(chǔ)建設(shè)最基本的設(shè)施,同時也是最重要的設(shè)施之一,道路信息的快速、準(zhǔn)確、及時高效的獲取與更新對“智慧城市”和“數(shù)字交通”的實(shí)現(xiàn)和構(gòu)建具有十分重要的意義。然而現(xiàn)有的基于LiDAR數(shù)據(jù)提取道路的方法存在著不同材質(zhì)的道路反射強(qiáng)度不同,城市區(qū)域廣場、停車場等大面積區(qū)域難以進(jìn)行區(qū)分等問題,通常會導(dǎo)致城市道路部分誤提取過多等現(xiàn)象。因此,本文綜合利用了多光譜機(jī)載LiDAR點(diǎn)云的反射強(qiáng)度信息和坐標(biāo)信息,以快速、準(zhǔn)群地獲取道路網(wǎng)為目的,開展了以下研究工作:(1)介紹了已有的機(jī)載LiDAR數(shù)據(jù)的濾波方法,并利用已有的方法對多光譜數(shù)據(jù)進(jìn)行了濾波處理,在濾波后數(shù)據(jù)的基礎(chǔ)上,對多光譜數(shù)據(jù)進(jìn)行了融合,概述了幾種多光譜數(shù)據(jù)融合的方法。(2)對融合后的多光譜點(diǎn)云數(shù)據(jù)進(jìn)行了各種統(tǒng)計特征的計算和簡單的理解,并通過理論或?qū)嶒?yàn)對其作用進(jìn)... 

【文章來源】：武漢大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖２－２廣場和道路的二進(jìn)制特征??

３．１隨機(jī)森林分類器簡介??隨機(jī)森林是一種比較新的機(jī)器學(xué)習(xí)模型，可以應(yīng)用于回歸和分類問題，本??文主要基于隨機(jī)森林進(jìn)行分類。隨機(jī)森林是通過隨機(jī)的方式建立起一個森林，??而森林則是由很多相互之間沒有關(guān)聯(lián)、毫無關(guān)系的決策樹組成。通過訓(xùn)練得到??隨機(jī)森林之后，當(dāng)輸入一個新的樣本，進(jìn)行類別的判斷時，其實(shí)際上是通過隨??機(jī)森林中的每一棵決策樹分別進(jìn)行一下判斷，每個決策樹都會給出當(dāng)前樣本應(yīng)??該屬于類別的結(jié)果，在所有的給出的類別結(jié)果中，選擇做多的類別就是該樣本??進(jìn)行預(yù)測的結(jié)果類別，圖３－１展示了常見的決策樹，它既可以是二叉樹，也可??以是非二叉樹。隨機(jī)森林有很多的優(yōu)點(diǎn)，例如由于兩個隨機(jī)性的引入，使得隨??機(jī)森林不容易陷入過擬合且具有很好的抗噪聲能力；在不做特征選擇和特征降??維的情況下，仍然能夠處理很高維度的數(shù)據(jù)特征，而且對數(shù)據(jù)集的適應(yīng)能力??強(qiáng)；在創(chuàng)建隨機(jī)森林的時候，對產(chǎn)生的錯誤使用的是無偏估計；訓(xùn)練速度快，??實(shí)現(xiàn)比較簡單，易于并行處理，并且可以檢測出特征之間的互相影響。??Ｄｅｐｅｎｄｅｎｔ?ｖａｒｉａｂｌｅ：?ＰＬＡＹ??’??

（１）對于每一個邊界待定目標(biāo)點(diǎn)（像素值為１，下同），判斷其８個領(lǐng)域??是否有連續(xù)的３個目標(biāo)點(diǎn)，如果存在這樣的情況，將該點(diǎn)消除；??（２）對于每一個邊界待定目標(biāo)點(diǎn)（像素值為１，下同），判斷其８個領(lǐng)域??是否有連續(xù)的３或４個目標(biāo)點(diǎn)，如果存在這樣的情況，將該點(diǎn)消除；??（３）對于每一個邊界待定目標(biāo)點(diǎn)（像素值為１，下同），判斷其８個領(lǐng)域??是否有連續(xù)的３，?４，?５個目標(biāo)點(diǎn)，如果存在這樣的情況，將該點(diǎn)消除；??（４）對于每一個邊界待定目標(biāo)點(diǎn)（像素值為１，下同），判斷其８個領(lǐng)域??是否有連續(xù)的３，?４，?５，?６個目標(biāo)點(diǎn)，如果存在這樣的情況，將該點(diǎn)消除；??（５）對于每一個邊界待定目標(biāo)點(diǎn)（像素值為１，下同），判斷其８個領(lǐng)域??是否有連續(xù)的３，?４，?５，?６，?７個目標(biāo)點(diǎn)，如果存在這樣的情況，將該點(diǎn)消??；??（６）將剩余所有的邊界點(diǎn)取消標(biāo)記，如果在第（５）步中仍然存在著目標(biāo)??被消除，那么標(biāo)記出剩余圖像的邊界點(diǎn)，繼續(xù)從步驟（１）開始執(zhí)行，否則，??止迭代，提取完成。??圖３－２為利用Ｋ３Ｍ算法進(jìn)行圖像骨架線提取的效果展示。??

【參考文獻(xiàn)】：
期刊論文
[1]機(jī)載LiDAR點(diǎn)云中道路的提取方法[J]. 惠振陽,胡友健.  測繪科學(xué). 2017(03)
[2]基于GIS淹沒模型的城市道路內(nèi)澇災(zāi)害風(fēng)險區(qū)劃研究[J]. 葉麗梅,周月華,向華,牛奔,高偉,周羽.  長江流域資源與環(huán)境. 2016(06)
[3]架空輸電線路機(jī)載激光雷達(dá)點(diǎn)云電力線三維重建[J]. 林祥國,張繼賢.  測繪學(xué)報. 2016(03)
[4]機(jī)載激光點(diǎn)云數(shù)據(jù)中電力線自動提取方法[J]. 陳馳,麥曉明,宋爽,彭向陽,徐文學(xué),王珂.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2015(12)
[5]機(jī)載激光淺海測深技術(shù)的現(xiàn)狀和發(fā)展[J]. 王越.  測繪地理信息. 2014(03)
[6]機(jī)載LiDAR和高光譜數(shù)據(jù)融合提取冰川雪線[J]. 李光輝,王成,習(xí)曉環(huán),鄭照軍,駱社周,岳彩榮.  國土資源遙感. 2013(03)
[7]外部壓力法(EPM)的二值圖像骨架提取[J]. 崔雪森,伍玉梅,戴陽,張晶.  計算機(jī)工程與應(yīng)用. 2013(13)
[8]基于機(jī)載LiDAR的數(shù)字電網(wǎng)巡線應(yīng)用研究[J]. 藍(lán)增榮,胡慶武,隆華平.  大眾科技. 2013(01)
[9]機(jī)載LiDAR技術(shù)在浙江省灘涂海岸測量中的應(yīng)用研究[J]. 樓燕敏,吳迪.  測繪通報. 2012(12)
[10]影像與LiDAR數(shù)據(jù)信息融合復(fù)雜場景下的道路自動提取[J]. 李怡靜,胡翔云,張劍清,江萬壽,張永軍.  測繪學(xué)報. 2012(06)

博士論文
[1]機(jī)載激光掃描點(diǎn)云中目標(biāo)穩(wěn)健提取與多細(xì)節(jié)層次表達(dá)[D]. 黃榮剛.武漢大學(xué) 2017

碩士論文
[1]基于機(jī)載LIDAR數(shù)據(jù)的城市建筑物提取研究[D]. 趙影.吉林大學(xué) 2011
[2]機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類技術(shù)研究[D]. 龔亮.解放軍信息工程大學(xué) 2011



本文編號：2915616