本文關(guān)鍵詞：基于地形復雜度的LiDAR點云簡化方法研究

  更多相關(guān)文章： LiDAR 點云簡化 地形復雜度 主成分分析 DEM

【摘要】：LiDAR(Light Detection and Ranging)是一種利用全球定位系統(tǒng)、慣性測量裝置、激光掃描測距系統(tǒng)和成像裝置,對被測物體表面信息進行測量的技術(shù)。作為一種新興技術(shù),LIDAR技術(shù)具有自動化程度高、數(shù)據(jù)生產(chǎn)周期短、受外界環(huán)境影響小、精度較高等優(yōu)點。但是LiDAR技術(shù)獲取的點云數(shù)據(jù)量巨大,在構(gòu)建不同尺度的DEM時,大量的點云數(shù)據(jù)對于提高DEM精度沒有明顯的作用,反而會導致數(shù)據(jù)處理速度急速下降。因此對LiDAR點云數(shù)據(jù)進行抽稀簡化很有必要。在LiDAR點云簡化過程中,點的取舍準則直接決定保留點的分布和質(zhì)量狀況。一般情況下,點的取舍準則是基于地形特征設(shè)定的。目前大多數(shù)的LiDAR點云簡化算法都是基于單一地形特征因子實現(xiàn)點云簡化,但是單一地形特征因子無法全面綜合地描述地形特征,故提出一個可以綜合評判地形特征的地形復雜度指標是至關(guān)重要的。本文選取坡度S、地形起伏度Cur、地形粗糙度Rel和全曲率Rou四個單一地形因子指標,采用主成分分析方法,提出地形復雜度指標模型,構(gòu)建了一個地形復雜度指標C,并得到C與S、Cur、Rel口Rou之間的經(jīng)驗公式。選取具有典型地形特征的實驗區(qū)域,計算C,得到C與地形特征的對應(yīng)關(guān)系。最后選取實驗區(qū)域?qū)Φ匦螐碗s度指標與地形特征之間的對應(yīng)關(guān)系進行驗證,實驗結(jié)果表明,構(gòu)建的地形復雜度指標能夠有效地描述地形特征,且與地形特征之間的對應(yīng)關(guān)系是合理的�；跇�(gòu)建的地形復雜度指標C,本文提出了一種新的LiDAR點云簡化方法TCthin。TCthin方法根據(jù)設(shè)計的點云采樣準則,基于包圍盒算法原理實現(xiàn)點云簡化。實現(xiàn)思路是首先基于低分辨率DEM計算C值；然后根據(jù)目標簡化尺度對LiDAR點云數(shù)據(jù)劃分簡化格網(wǎng),并與C值相關(guān)聯(lián)；最后根據(jù)C值決定點云的取舍,當0=C0.5時,每個簡化格網(wǎng)上保留高程Z均值點,當0.5=C
【關(guān)鍵詞】：LiDAR 點云簡化 地形復雜度 主成分分析 DEM
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：P237;P208
【目錄】：

• 摘要6-8
• Abstract8-12
• 第1章 緒論12-21
• 1.1 研究背景12-13
• 1.2 研究現(xiàn)狀13-17
• 1.2.1 點云簡化方法研究進展13-16
• 1.2.2 地形復雜度研究進展16-17
• 1.3 研究目標、研究內(nèi)容及技術(shù)路線17-19
• 1.4 論文組織結(jié)構(gòu)19-21
• 第2章 地形復雜度模型21-27
• 2.1 地形復雜度模型構(gòu)建方法21-23
• 2.2 地形復雜度模型中單一地形因子選取23-26
• 2.2.1 單一地形因子選取準則23
• 2.2.2 單一地形因子選取23-26
• 2.3 地形復雜度數(shù)學模型26
• 2.4 本章小結(jié)26-27
• 第3章 地形復雜度模型解算及實驗驗證27-32
• 3.1 地形復雜度模型解算步驟27
• 3.2 地形復雜度模型解算實驗過程及結(jié)果27-30
• 3.3 地形復雜度指標與地形的關(guān)系30
• 3.4 地形復雜度指標適用性驗證30-31
• 3.5 本章小結(jié)31-32
• 第4章 基于地形復雜度的LiDAR點云簡化方法32-40
• 4.1 LiDAR點云簡化準則與方法32-34
• 4.1.1 點云簡化準則32
• 4.1.2 常用點云簡化方法32-33
• 4.1.3 點云簡化效果評價方法33-34
• 4.2 TCthin點云簡化方法34-38
• 4.2.1 TCthin點云采樣規(guī)則設(shè)計34-36
• 4.2.2 TCthin點云簡化基本思路36
• 4.2.3 TCthin點云簡化流程36-37
• 4.2.4 TCthin點云簡化效果評價方法37-38
• 4.3 編程實現(xiàn)TCthin點云簡化方法38-39
• 4.5 本章小結(jié)39-40
• 第5章 TCthin方法點云簡化實驗與效果分析40-51
• 5.1 實驗設(shè)計40-41
• 5.2 實驗數(shù)據(jù)與處理41-46
• 5.2.1 實驗區(qū)域概述41-43
• 5.2.2 數(shù)據(jù)預處理43-45
• 5.2.3 三種簡化方法參數(shù)設(shè)置45-46
• 5.3 點云簡化程度分析46-47
• 5.4 點云簡化質(zhì)量評價47-50
• 5.5 本章小結(jié)50-51
• 結(jié)論與展望51-53
• 研究結(jié)論51-52
• 研究展望52-53
• 致謝53-54
• 參考文獻54-58
• 攻讀學位期間發(fā)表的論文及科研成果58

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 高恩陽;鄭昊鴻;;點云數(shù)據(jù)濾波方法綜述[J];科技資訊;2012年33期

2 龔書林;;三維激光點云處理軟件的若干關(guān)鍵技術(shù)[J];測繪通報;2014年06期

3 趙強;彭國華;王鋒;;點云精簡的一種方法[J];西南民族大學學報(自然科學版);2006年05期

4 李德江;張延波;于曼竹;姜麗麗;曲雪光;;基于掃描模式的點云修復技術(shù)研究[J];測繪與空間地理信息;2011年06期

5 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

6 詹慶明;張海濤;喻亮;;古建筑激光點云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

7 曾敬文;朱照榮;丁銳;;基于立方體網(wǎng)格的數(shù)據(jù)點云約簡和體積計算方法[J];測繪科學;2008年06期

8 楊欣;姚海燕;;平面點云邊界參數(shù)識別[J];中國西部科技;2009年27期

9 孫瑞;張彩霞;;點云數(shù)據(jù)壓縮算法綜述[J];科技信息;2010年32期

10 張毅;閆利;;地面激光點云強度噪聲的三維擴散濾波方法[J];測繪學報;2013年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 李文濤;韋群;楊海龍;;基于圖像的點云生成和預處理[A];2011年全國通信安全學術(shù)會議論文集[C];2011年

2 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學前沿技術(shù)論壇”論文精選[C];2012年

3 馬國慶;陶萍萍;楊周旺;;點云空間曲線的微分信息計算及匹配方法[A];第四屆全國幾何設(shè)計與計算學術(shù)會議論文集[C];2009年

4 江倩殷;劉忠途;李熙瑩;;一種有效的點云精簡算法[A];第十五屆全國圖象圖形學學術(shù)會議論文集[C];2010年

5 解輝;張愛武;孟憲剛;;機載激光點云快速繪制方法[A];第二十五屆全國空間探測學術(shù)研討會摘要集[C];2012年

6 李凱;張愛武;;基于激光點云的糧倉儲糧數(shù)量測量方法[A];第二屆“測繪科學前沿技術(shù)論壇”論文精選[C];2010年

7 朱曉強;余燁;劉曉平;袁曉輝;Bill P.Buckles;;基于航拍圖像和LiDAR點云的城市道路提取[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學術(shù)會議論文集（上冊）[C];2008年

8 劉虎;;基于線性八叉樹的點云簡化與特征提取研究[A];促進科技經(jīng)濟結(jié)合，，服務(wù)創(chuàng)新驅(qū)動發(fā)展——蚌埠市科協(xié)2012年度學術(shù)年會論文集[C];2012年

9 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學前沿技術(shù)論壇”論文精選[C];2012年

10 楊雪春;;反求工程建模中點云切片技術(shù)研究[A];全國先進制造技術(shù)高層論壇暨第八屆制造業(yè)自動化與信息化技術(shù)研討會論文集[C];2009年

中國重要報紙全文數(shù)據(jù)庫 前2條

1 曹裕華 高化猛 江鴻賓;激光點云 亦真亦幻[N];解放軍報;2013年

2 中國工程院院士 劉先林;四維遠見的裝備創(chuàng)新[N];中國測繪報;2012年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

2 劉涌;基于連續(xù)序列自動快速拼接的全方位三維測量技術(shù)研究[D];西南交通大學;2013年

3 袁小翠;產(chǎn)品表面缺陷視覺檢測數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];南昌大學;2015年

4 賴祖龍;基于LiDAR點云與影像的海岸線提取和地物分類研究[D];武漢大學;2013年

5 王瑞巖;計算機視覺中相機標定及點云配準技術(shù)研究[D];西安電子科技大學;2015年

6 韓峰;基于點云信息的既有鐵路狀態(tài)檢測與評估技術(shù)研究[D];西南交通大學;2015年

7 金龍存;3D點云復雜曲面重構(gòu)關(guān)鍵算法研究[D];上海大學;2012年

8 李揚彥;基于點云的三維重建與形變事件分析[D];中國科學院深圳先進技術(shù)研究院;2013年

9 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學（北京）;2014年

10 何朝明;離散點云處理的關(guān)鍵技術(shù)研究[D];西南交通大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 段紅娟;點云圖像交互式曲線骨架提取技術(shù)及其應(yīng)用[D];西南交通大學;2015年

2 張永恒;散亂點云數(shù)據(jù)配準方法研究[D];長安大學;2015年

3 吳愛;面向特征擬合的點云簡化方法研究[D];中國地質(zhì)大學(北京);2015年

4 薛廣順;基于立體視覺的牛體點云獲取方法研究與實現(xiàn)[D];西北農(nóng)林科技大學;2015年

5 呂超;異型面工件定位裝配系統(tǒng)測控技術(shù)研究[D];北京交通大學;2016年

6 劉婷玉;基于逆向工程的曲面模型數(shù)字化技術(shù)研究[D];華東理工大學;2016年

7 羅寒;地面激光掃描三維模型重建技術(shù)研究[D];東華理工大學;2016年

8 劉群;基于小光斑機載LiDAR數(shù)據(jù)的單木三維分割[D];北京林業(yè)大學;2016年

9 張巍;基于深度相機Kinect的植物葉片重建研究[D];江蘇大學;2016年

10 謝穎;基于三維激光掃描的糧倉儲量測量中點云數(shù)據(jù)處理技術(shù)的研究[D];華東師范大學;2016年

本文編號：553836