本文關(guān)鍵詞：機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)濾波方法研究

  更多相關(guān)文章： 機(jī)載激光雷達(dá) 濾波 形態(tài)學(xué) 區(qū)域增長(zhǎng) 橋梁提取 點(diǎn)云柵格化

【摘要】：機(jī)載激光雷達(dá)技術(shù)(Airborne Light Detection And Ranging,簡(jiǎn)稱LiDAR)已成為一種新型空間數(shù)據(jù)獲取手段,利用激光測(cè)距技術(shù)、高精度動(dòng)態(tài)載體姿態(tài)測(cè)量技術(shù)和高精度動(dòng)態(tài)GPS差分定位技術(shù)獲取各激光腳點(diǎn)的空間三維坐標(biāo)及反射強(qiáng)度等信息。LiDAR為主動(dòng)式遙感,其數(shù)據(jù)采集對(duì)天氣、季節(jié)以及時(shí)段要求較低,可快速獲取地表空間信息。數(shù)字高程模型作為基礎(chǔ)測(cè)繪數(shù)據(jù),在地學(xué)分析等方面扮演中重要的角色,機(jī)載LiDAR已成為快速獲得大范圍高精度DEM的重要手段。 本文首先介紹了常用的濾波算法,并總結(jié)了濾波算法的精度評(píng)定方法,詳細(xì)地介紹了定量分析中評(píng)價(jià)方法及評(píng)價(jià)指標(biāo)。對(duì)涉及到濾波的相關(guān)問題進(jìn)行了論述和分析,例如：首末回波的選擇、點(diǎn)云密度與柵格大小的確定、數(shù)字高程模型的確定等,得出：末次回波更有利于濾波處理,能夠充分利用LiDAR的穿透性；適當(dāng)?shù)狞c(diǎn)云密度可提供點(diǎn)云數(shù)據(jù)的濾波精度,但過高的點(diǎn)云密度則造成數(shù)據(jù)冗余,降低濾波效率且對(duì)濾波精度并無提高；部分算法在濾波處理的過程中可生成DEM,但是該DEM是基于濾波設(shè)計(jì)并非最優(yōu),故需對(duì)激光腳點(diǎn)進(jìn)行判斷,然后利用成熟的內(nèi)插方法生成數(shù)字高程模型。 機(jī)載LiDAR的視場(chǎng)角比傳統(tǒng)攝影測(cè)量相機(jī)小,且航高較低,數(shù)據(jù)容易存在掃描漏洞；同時(shí)由于房屋遮擋及水體吸收也會(huì)產(chǎn)生數(shù)據(jù)空洞。許多濾波算法是基于柵格數(shù)據(jù)對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行濾波,故在濾波前需進(jìn)行點(diǎn)云數(shù)據(jù)柵格化。本文系統(tǒng)總結(jié)了點(diǎn)云柵格化的流程,對(duì)現(xiàn)有的大面積數(shù)據(jù)缺失的填充方法進(jìn)行分析,提出了基于地形的填充方法,實(shí)驗(yàn)結(jié)果表明：地形填充可適應(yīng)不同原因造成的區(qū)域數(shù)據(jù)缺失,能夠有效地保證高程的連續(xù)性并可保證濾波精度。 橋梁作為交通樞紐,是連接間隔地面的構(gòu)筑物,其與地面有著諸多相同的特性。橋梁屬于非常重要的地物類型,部分濾波算法將橋梁保留,而部分則將其移除。為了增強(qiáng)地面點(diǎn)的可信度并滿足不同用途的需求,因此將橋梁提取并根據(jù)實(shí)際需求予以移除或者保留。本文在對(duì)形態(tài)學(xué)濾波和區(qū)域生長(zhǎng)濾波研究的基礎(chǔ)上,通過橋梁特點(diǎn)的歸納和分析,提出了一種基于形態(tài)學(xué)濾波和區(qū)域生長(zhǎng)濾波的差異性進(jìn)行橋梁探測(cè)的算法。該算法不受橋梁的形狀限制,橋梁可分叉、無需平行和等寬,甚至在部分橋梁數(shù)據(jù)不完整的情況下也有效。 對(duì)多尺度形態(tài)學(xué)濾波進(jìn)行改進(jìn),根據(jù)結(jié)構(gòu)元可能對(duì)應(yīng)的地物類型進(jìn)行高差閾值的選擇,同時(shí)在濾波過程中顧及了結(jié)構(gòu)元與濾除地物的形態(tài)特征(面積、寬度等)。針對(duì)基于形態(tài)學(xué)濾波存在的過度腐蝕地形,以及基于區(qū)域生長(zhǎng)濾波需要大量地面種子點(diǎn)的現(xiàn)象,提出了一種從粗到精的兩級(jí)濾波策略。首先對(duì)LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行改進(jìn)的多尺度的形態(tài)學(xué)濾波(“粗濾波”)得到粗略DEM,由此可提供大量的地面種子點(diǎn)用于區(qū)域生長(zhǎng)(“精濾波”),從而得到精細(xì)DEM。該濾波算法所需參數(shù)較少,精度不受最大濾波窗口影響,僅與生長(zhǎng)高差相關(guān),較單獨(dú)形態(tài)學(xué)濾波精度有明顯的提高。利用ISPRS提供的濾波數(shù)據(jù)進(jìn)行測(cè)試,所有樣本的整體濾波精度達(dá)到總誤差3.51%和Kappa系數(shù)87.70%,結(jié)果表明：基于形態(tài)學(xué)與區(qū)域生長(zhǎng)的LiDAR點(diǎn)云數(shù)據(jù)濾波算法的精度優(yōu)于當(dāng)前的多種算法,對(duì)地形適應(yīng)較強(qiáng),可有效地保證地形細(xì)節(jié)特征,且具有較好的穩(wěn)健性。
【關(guān)鍵詞】：機(jī)載激光雷達(dá) 濾波 形態(tài)學(xué) 區(qū)域增長(zhǎng) 橋梁提取 點(diǎn)云柵格化
【學(xué)位授予單位】：西南交通大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：P225;P237
【目錄】：

• 摘要6-8
• Abstract8-12
• 第1章 緒論12-15
• 1.1 引言12
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀12-13
• 1.3 論文的主要結(jié)構(gòu)13-15
• 第2章 機(jī)載激光雷達(dá)技術(shù)原理15-21
• 2.1 機(jī)載激光雷達(dá)構(gòu)成與原理15-17
• 2.2 機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)17-19
• 2.3 機(jī)載激光雷達(dá)的應(yīng)用19-21
• 第3章 機(jī)載激光雷達(dá)濾波及其相關(guān)問題分析21-40
• 3.1 現(xiàn)有的濾波方法21-27
• 3.1.1 線性預(yù)測(cè)濾波算法22-23
• 3.1.2 加密濾波算法23-24
• 3.1.3 形態(tài)學(xué)濾波算法24-25
• 3.1.4 聚類分割的濾波算法25-26
• 3.1.5 濾波算法對(duì)比分析26-27
• 3.2 濾波方法的評(píng)價(jià)27-29
• 3.3 相關(guān)的若干問題分析29-31
• 3.3.1 首末回波選擇29-30
• 3.3.2 點(diǎn)云密度的分析30
• 3.3.3 數(shù)字高程模型的確定30-31
• 3.4 點(diǎn)云數(shù)據(jù)柵格化研究31-36
• 3.4.1 數(shù)據(jù)柵格化31
• 3.4.2 鄰近填充31-32
• 3.4.3 最低點(diǎn)填充32
• 3.4.4 地形填充32-33
• 3.4.5 不同方法對(duì)比分析33-36
• 3.5 橋梁提取36-40
• 3.5.1 橋梁提取分析36-37
• 3.5.2 橋梁提取算法流程37
• 3.5.3 實(shí)例驗(yàn)證37-40
• 第4章 基于形態(tài)學(xué)與區(qū)域生長(zhǎng)的濾波算法40-51
• 4.1 基于形態(tài)學(xué)與區(qū)域生長(zhǎng)的濾波算法40-44
• 4.1.1 數(shù)據(jù)預(yù)處理41-42
• 4.1.2 改進(jìn)的多尺度漸變窗口形態(tài)學(xué)42-44
• 4.1.3 區(qū)域生長(zhǎng)44
• 4.1.4 橋梁剔除44
• 4.1.5 數(shù)字高程模型確定及濾波精度評(píng)定44
• 4.2 參數(shù)分析44-46
• 4.3 ISPRS數(shù)據(jù)實(shí)驗(yàn)分析46-48
• 4.4 機(jī)載LiDAR濾波處理軟件48-51
• 結(jié)論與展望51-53
• 致謝53-54
• 參考文獻(xiàn)54-58
• 附錄1 ISPRS測(cè)試數(shù)據(jù)58-60
• 附錄2 ISPRS資料濾波結(jié)果60-66
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果66

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 張小紅,劉經(jīng)南;機(jī)載激光掃描測(cè)高數(shù)據(jù)濾波[J];測(cè)繪科學(xué);2004年06期

2 寧津生;王正濤;;測(cè)繪學(xué)科發(fā)展綜述[J];測(cè)繪科學(xué);2006年01期

3 李卉;李德仁;黃先鋒;鐘成;;一種漸進(jìn)加密三角網(wǎng)LIDAR點(diǎn)云濾波的改進(jìn)算法[J];測(cè)繪科學(xué);2009年03期

4 龔亮;張永生;李正國(guó);包全福;;基于強(qiáng)度信息聚類的機(jī)載LiDAR點(diǎn)云道路提取[J];測(cè)繪通報(bào);2011年09期

5 黃先鋒;李卉;王瀟;張帆;;機(jī)載LiDAR數(shù)據(jù)濾波方法評(píng)述[J];測(cè)繪學(xué)報(bào);2009年05期

6 隋立春;張熠斌;柳艷;曲佳;李偉;王蒙;李智臨;;基于改進(jìn)的數(shù)學(xué)形態(tài)學(xué)算法的LiDAR點(diǎn)云數(shù)據(jù)濾波[J];測(cè)繪學(xué)報(bào);2010年04期

7 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(diǎn)云數(shù)據(jù)濾波[J];測(cè)繪學(xué)報(bào);2012年02期

8 左志權(quán);張祖勛;張劍清;;知識(shí)引導(dǎo)下的城區(qū)LiDAR點(diǎn)云高精度三角網(wǎng)漸進(jìn)濾波方法[J];測(cè)繪學(xué)報(bào);2012年02期

9 董保根;秦志遠(yuǎn);朱傳新;徐驗(yàn)兵;;關(guān)于機(jī)載LiDAR點(diǎn)云數(shù)據(jù)形態(tài)學(xué)濾波的幾點(diǎn)思考[J];測(cè)繪科學(xué);2013年04期

10 李清泉,李必軍,陳靜;激光雷達(dá)測(cè)量技術(shù)及其應(yīng)用研究[J];武漢測(cè)繪科技大學(xué)學(xué)報(bào);2000年05期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 羅伊萍;LIDAR數(shù)據(jù)濾波和影像輔助提取建筑物[D];解放軍信息工程大學(xué);2010年

2 左志權(quán);顧及點(diǎn)云類別屬性與地形結(jié)構(gòu)特征的機(jī)載LiDAR數(shù)據(jù)濾波方法[D];武漢大學(xué);2011年

3 王刃;機(jī)載LIDAR數(shù)據(jù)濾波與建筑物提取技術(shù)研究[D];解放軍信息工程大學(xué);2008年

，

本文編號(hào)：530633