本文關(guān)鍵詞：利用DSM點云提取DEM的關(guān)鍵技術(shù)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著攝影測量技術(shù)的飛速發(fā)展,激光機載LiDAR和影像匹配技術(shù)在地理國情檢測、數(shù)字三維建模等方面應(yīng)用廣泛。本文分別從點云數(shù)據(jù)濾波和點云數(shù)據(jù)抽稀兩個方面進行探討研究。由于原始點云數(shù)據(jù)分布規(guī)律雜亂,且存在噪聲點等低異常點,數(shù)據(jù)預(yù)處理顯得尤為重要。本文通過格網(wǎng)劃分原始點云數(shù)據(jù),并對格網(wǎng)進行編號,便于數(shù)據(jù)管理,在格網(wǎng)劃分基礎(chǔ)上使用數(shù)學(xué)形態(tài)學(xué)的開、閉運算相結(jié)合的方式剔除低異常點。本文提出了一種基于多分辨率的點云數(shù)據(jù)濾波算法:點云數(shù)據(jù)濾波的實質(zhì)是分類地面點與地物點,在一定區(qū)域內(nèi),格網(wǎng)最低點為地面點,選取并標記為初始地面控制點;使用TPS對下一層所選控制點進行插值運算,利用標準差濾除閾值高于TPS插值面的控制點,并迭代運算到最終分辨率;最終基于區(qū)域生長和三角網(wǎng)濾除地物點。實驗表明,基于多分辨率的點云數(shù)據(jù)濾波算法能夠有效地濾除地物點,并達到精度要求,對于復(fù)雜度較高的地形區(qū)域,算法有一定的缺陷。海量點云數(shù)據(jù)有助于高精度的地形表達,與之帶來的是更多的冗余數(shù)據(jù),如何剔除這些冗余數(shù)據(jù),對數(shù)據(jù)存儲有著重要的作用。文本提出了一種顧及地形特征的點云數(shù)據(jù)抽稀算法:首先標記邊界特征點,其次提取格網(wǎng)中局部極值點,和邊界點作為種子點構(gòu)建TIN;然后利用一定原則逐漸選取非種子點中的地形特征點加密TIN;為進一步減少經(jīng)過以上處理后殘留的冗余點,采用一種臨近三角面的平面測試策略剔除三角網(wǎng)中可能存在的冗余點,得到最終結(jié)果。通過模擬數(shù)據(jù)和不同地形的真實數(shù)據(jù)對算法進行測試,結(jié)果表明算法在保證地形精度的前提下,能夠有效地減少冗余點數(shù)量,使得抽稀后的點云數(shù)量可以保持在原始數(shù)據(jù)的35%以下。同時,為了提高算法的實用性,通過大量試驗得出了算法中所需參數(shù)的最優(yōu)配置。提出并設(shè)計基于Socket的分布式處理系統(tǒng),建立局域網(wǎng),管理網(wǎng)絡(luò)中的計算機,通過調(diào)配計算機對數(shù)據(jù)進行批量處理,減少人工參與,提高運算性能。
【關(guān)鍵詞】：機載LiDAR點云 濾波 抽稀 薄板樣條插值 不規(guī)則三角網(wǎng)
【學(xué)位授予單位】：蘭州交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：P208;TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-13
• 1.1 研究背景9
• 1.2 研究意義9-11
• 1.3 論文研究內(nèi)容11-12
• 1.4 論文組織結(jié)構(gòu)12-13
• 2 點云數(shù)據(jù)濾波13-25
• 2.1 點云數(shù)據(jù)濾波現(xiàn)狀13-19
• 2.1.1 基于坡度的濾波方法14-15
• 2.1.2 基于移動窗口的濾波方法15
• 2.1.3 基于數(shù)學(xué)形態(tài)學(xué)的濾波方法15-18
• 2.1.4 基于漸進三角網(wǎng)的濾波方法18
• 2.1.5 其他濾波方法18-19
• 2.2 點云數(shù)據(jù)噪聲點剔除19-20
• 2.2.1 噪聲來源及其影響19
• 2.2.2 現(xiàn)有剔噪方法19-20
• 2.2.3 數(shù)學(xué)形態(tài)學(xué)剔噪20
• 2.3 基于多分辨率的點云數(shù)據(jù)濾波算法20-24
• 2.3.1 算法思想及流程20-21
• 2.3.2 算法關(guān)鍵技術(shù)21-24
• 2.4 本章小結(jié)24-25
• 3 點云數(shù)據(jù)抽稀25-31
• 3.1 點云數(shù)據(jù)抽稀現(xiàn)狀25-26
• 3.1.1 非選擇性抽稀算法25
• 3.1.2 選擇性抽稀算法25-26
• 3.2 顧及地形特征的點云數(shù)據(jù)抽稀算法26-30
• 3.2.1 算法思想及流程26-27
• 3.2.2 算法關(guān)鍵技術(shù)27-29
• 3.2.3 精度評估29-30
• 3.3 本章小結(jié)30-31
• 4 分布式處理31-33
• 4.1 Socket簡介31
• 4.2 基于Socket的分布式處理設(shè)計31-32
• 4.3 本章小結(jié)32-33
• 5 實驗與分析33-52
• 5.1 測試環(huán)境33
• 5.1.1 硬件環(huán)境33
• 5.1.2 軟件環(huán)境33
• 5.2 點云數(shù)據(jù)濾波實驗33-42
• 5.2.1 LiDAR點云數(shù)據(jù)實驗33-40
• 5.2.2 影像匹配點云數(shù)據(jù)實驗40-42
• 5.3 點云數(shù)據(jù)抽稀實驗42-47
• 5.3.1 模擬數(shù)據(jù)實驗42-43
• 5.3.2 算法分步實驗43
• 5.3.3 算法參數(shù)影響43-45
• 5.3.4 算法對比實驗45-47
• 5.4 分布式處理實驗47-50
• 5.4.1 系統(tǒng)效率分析47-48
• 5.4.2 點云處理實驗48-50
• 5.5 本章小結(jié)50-52
• 6 結(jié)論與展望52-54
• 6.1 研究總結(jié)及創(chuàng)新點52-53
• 6.2 進一步研究與改進53-54
• 致謝54-55
• 參考文獻55-58
• 攻讀學(xué)位期間的科研成果58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 赫高進;熊偉;陳犖;吳秋云;景寧;;基于MPI的大規(guī)模遙感影像金字塔并行構(gòu)建方法[J];地球信息科學(xué)學(xué)報;2015年05期

2 朱俊鋒;胡翔云;張祖勛;熊小東;;多尺度點云噪聲檢測的密度分析法[J];測繪學(xué)報;2015年03期

3 王f^;;DEM內(nèi)插算法與精度評定研究[J];現(xiàn)代測繪;2013年05期

4 陳卓;馬洪超;;基于機載LiDAR數(shù)據(jù)的大型立交橋自動提取與建模方法[J];測繪學(xué)報;2012年02期

5 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

6 周曉明;馬秋禾;許曉亮;楊靖宇;王楠;;LIDAR點云濾波算法分析——以ISPRS測試實驗為參考[J];測繪工程;2011年05期

7 楊應(yīng);蘇國中;周梅;;影像分類信息支持的LiDAR點云數(shù)據(jù)濾波方法研究[J];武漢大學(xué)學(xué)報(信息科學(xué)版);2010年12期

8 袁楓;張繼賢;張力;高井祥;;結(jié)合強度信息的LIDAR數(shù)據(jù)濾波方法[J];測繪科學(xué);2010年05期

9 繆志修;齊華;王國昌;程昂;;基于機載LiDAR數(shù)據(jù)構(gòu)建的DEM抽稀算法研究[J];鐵道勘察;2010年04期

10 隋立春;張熠斌;柳艷;曲佳;李偉;王蒙;李智臨;;基于改進的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點云數(shù)據(jù)濾波[J];測繪學(xué)報;2010年04期

  本文關(guān)鍵詞：利用DSM點云提取DEM的關(guān)鍵技術(shù)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：315561