本文選題：ICESat- + MABEL�。� 參考：《遙感學(xué)報(bào)》2014年06期

【摘要】：新一代星載激光雷達(dá)衛(wèi)星ICESat-2將采用多波束微脈沖光子計(jì)數(shù)技術(shù),并進(jìn)行高程剖面式的對(duì)地觀測(cè)。由于該點(diǎn)云數(shù)據(jù)具有背景噪聲大、密度低并呈線狀分布等特點(diǎn),傳統(tǒng)的點(diǎn)云濾波算法并不適用,研究新的點(diǎn)云濾波算法十分必要。本文以ICESat-2的機(jī)載模擬器MABEL數(shù)據(jù)為例,首先介紹了微脈沖光子計(jì)數(shù)激光雷達(dá)的基本原理和數(shù)據(jù)特點(diǎn),并針對(duì)高程剖面點(diǎn)云提出基于局部距離統(tǒng)計(jì)和最小二乘局部曲線擬合的點(diǎn)云濾波算法;然后,對(duì)美國(guó)加利福尼亞州Sierras-Forest地區(qū)MABEL試驗(yàn)中532 nm通道的光子點(diǎn)云進(jìn)行濾波處理,并利用識(shí)別的地面點(diǎn)插值得到3 m分辨率的線狀DEM,進(jìn)而估算了該區(qū)域美國(guó)云杉的平均樹(shù)高;最后,對(duì)該濾波算法進(jìn)行精度評(píng)價(jià),并分析了誤差來(lái)源及其對(duì)DEM精度和樹(shù)高反演精度的影響。結(jié)果表明:(1)該算法整體精度達(dá)97.6%,能有效剔除絕大部分噪聲點(diǎn)且對(duì)地形起伏具有較強(qiáng)的自適應(yīng)能力;(2)誤分噪聲點(diǎn)影響了濾波過(guò)程中局部地形的擬合,而濾波過(guò)程中的分類(lèi)誤差將降低DEM和樹(shù)高反演的精度。
[Abstract]:A new generation of spaceborne lidar satellite ICESat-2 will adopt multi-beam micro-pulse photon counting technique and carry out elevation profile Earth observation. Because the point cloud data has the characteristics of large background noise, low density and linear distribution, the traditional point cloud filtering algorithm is not suitable, so it is necessary to study the new point cloud filtering algorithm. Taking the data of MABEL, an airborne simulator of ICESat-2, as an example, this paper first introduces the basic principle and data characteristics of micro-pulse photon counting lidar. A point cloud filtering algorithm based on local distance statistics and least square local curve fitting is proposed for elevation profile point cloud, and then the photonic point cloud of 532nm channel in MABEL experiment in Sierras-Forest region of California is filtered. The linear DEM with 3 m resolution is obtained by interpolating the identified ground points, and the average tree height of the spruce in this region is estimated. Finally, the accuracy of the filtering algorithm is evaluated. The error source and its influence on Dem accuracy and tree height inversion accuracy are analyzed. The results show that: (1) the overall accuracy of the algorithm is 97.6, which can effectively eliminate most of the noise points and has a strong adaptive ability to terrain fluctuation; (2) the false division of noise points affects the local terrain fitting in the filtering process. The classification error in filtering process will reduce the accuracy of Dem and tree height inversion.
【作者單位】： 中國(guó)科學(xué)院遙感與數(shù)字地球研究所
【基金】：國(guó)家自然科學(xué)基金重大國(guó)際合作研究項(xiàng)目(編號(hào):41120114001) 中國(guó)科學(xué)院百人計(jì)劃專(zhuān)項(xiàng)
【分類(lèi)號(hào)】：TN958.98

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王峰;丘廣新;程效軍;;改進(jìn)的魯棒迭代最小二乘平面擬合算法[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年09期

2 龐勇;趙峰;李增元;周淑芳;鄧廣;劉清旺;陳爾學(xué);;機(jī)載激光雷達(dá)平均樹(shù)高提取研究[J];遙感學(xué)報(bào);2008年01期

3 蘇偉;孫中平;趙冬玲;孫崇利;張超;楊建宇;;多級(jí)移動(dòng)曲面擬合LIDAR數(shù)據(jù)濾波算法[J];遙感學(xué)報(bào);2009年05期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉清旺;李增元;陳爾學(xué);龐勇;武紅敢;;利用機(jī)載激光雷達(dá)數(shù)據(jù)提取單株木樹(shù)高和樹(shù)冠[J];北京林業(yè)大學(xué)學(xué)報(bào);2008年06期

2 靳克強(qiáng);龔志輝;王勃;湯志強(qiáng);;機(jī)載激光雷達(dá)數(shù)據(jù)提取DEM的關(guān)鍵技術(shù)分析[J];測(cè)繪工程;2010年06期

3 王濤;龔建華;張利輝;岳玉娟;;基于機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)提取林木參數(shù)方法研究[J];測(cè)繪科學(xué);2010年06期

4 王峰;林鴻;李長(zhǎng)輝;;地面三維激光掃描技術(shù)在城市測(cè)繪中的應(yīng)用[J];測(cè)繪通報(bào);2012年05期

5 李鵬程;王慧;劉志青;閘旋;;一種從機(jī)載LiDAR點(diǎn)云數(shù)據(jù)獲取DEM的方法[J];測(cè)繪通報(bào);2012年05期

6 成菲;楊建勇;;提高熱帶雨林地區(qū)地形測(cè)量技術(shù)探討[J];科技創(chuàng)新與應(yīng)用;2012年01期

7 李丹;岳彩榮;;激光雷達(dá)在森林參數(shù)反演中的應(yīng)用[J];測(cè)繪與空間地理信息;2011年06期

8 靳克強(qiáng);龔志輝;湯志強(qiáng);張斌;袁輝;;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)質(zhì)量評(píng)價(jià)體系分析與探討[J];測(cè)繪與空間地理信息;2012年04期

9 駱社周;王成;張貴賓;習(xí)曉環(huán);李貴才;;機(jī)載激光雷達(dá)森林葉面積指數(shù)反演研究[J];地球物理學(xué)報(bào);2013年05期

10 熊俊華;方源敏;鄧德標(biāo);;最小二乘曲面擬合的LiDAR數(shù)據(jù)濾波方法[J];測(cè)繪科學(xué);2013年04期

相關(guān)會(huì)議論文 前1條

1 趙春暉;段德磊;徐春;陳鴻興;白明啟;;初探LiDAR技術(shù)在電力巡線中的應(yīng)用[A];2011年云南電力技術(shù)論壇論文集（入選部分）[C];2011年

相關(guān)博士學(xué)位論文 前8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 劉麗娟;基于機(jī)載LiDAR和高光譜融合的森林參數(shù)反演研究[D];東北林業(yè)大學(xué);2011年

3 駱社周;激光雷達(dá)遙感森林葉面積指數(shù)提取方法研究與應(yīng)用[D];中國(guó)地質(zhì)大學(xué)(北京);2012年

4 鄧廣;高空間分辨率遙感影像單株立木識(shí)別與樹(shù)冠分割算法研究[D];中國(guó)林業(yè)科學(xué)研究院;2009年

5 曾齊紅;機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)處理與建筑物三維重建[D];上海大學(xué);2009年

6 穆超;基于多種遙感數(shù)據(jù)的電力線走廊特征物提取方法研究[D];武漢大學(xué);2010年

7 董保根;機(jī)載LiDAR點(diǎn)云與遙感影像融合的地物分類(lèi)技術(shù)研究[D];解放軍信息工程大學(xué);2013年

8 楊建思;機(jī)載/地面海量點(diǎn)云數(shù)據(jù)組織與集成可視化方法研究[D];武漢大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 付甜;基于機(jī)載激光雷達(dá)的亞熱帶森林參數(shù)估測(cè)[D];安徽農(nóng)業(yè)大學(xué);2010年

2 陳磊;基于機(jī)載LiDAR和高分辨率遙感影像的城區(qū)建筑物提取研究[D];南京大學(xué);2011年

3 付堯;哈爾濱市區(qū)內(nèi)植被信息自動(dòng)分割技術(shù)研究[D];東北林業(yè)大學(xué);2011年

4 王們們;機(jī)載LiDAR點(diǎn)云數(shù)據(jù)濾波算法研究[D];長(zhǎng)安大學(xué);2011年

5 靳克強(qiáng);機(jī)載激光雷達(dá)數(shù)據(jù)濾波生成DEM技術(shù)研究[D];解放軍信息工程大學(xué);2011年

6 趙櫸云;基于RSSI的射頻識(shí)別室內(nèi)定位算法研究[D];中北大學(xué);2012年

7 張齊勇;城區(qū)LiDAR點(diǎn)云的樹(shù)木提取[D];西南交通大學(xué);2009年

8 梁策;基于LiDAR數(shù)據(jù)獲取鐵路縱橫斷面的方法研究[D];西南交通大學(xué);2010年

9 殷飛;機(jī)載激光雷達(dá)數(shù)據(jù)濾波方法研究[D];西南交通大學(xué);2010年

10 范鳳云;基于機(jī)載LiDAR和極化SAR數(shù)據(jù)的山區(qū)森林蓄積量估測(cè)方法研究[D];中國(guó)林業(yè)科學(xué)研究院;2010年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 程效軍;唐劍波;;基于最小二乘擬合的墻面平整度檢測(cè)方法[J];測(cè)繪信息與工程;2007年04期

2 羅志清;張惠榮;吳強(qiáng);李琛;陳申;丁秀泉;王溪;;機(jī)載LiDAR技術(shù)[J];國(guó)土資源信息化;2006年02期

3 王青,王融清,鮑虎軍,彭群生;散亂數(shù)據(jù)點(diǎn)的增量快速曲面重建算法[J];軟件學(xué)報(bào);2000年09期

4 周儒榮,張麗艷,蘇旭,周來(lái)水;海量散亂點(diǎn)的曲面重建算法研究[J];軟件學(xué)報(bào);2001年02期

5 官云蘭;程效軍;施貴剛;;一種穩(wěn)健的點(diǎn)云數(shù)據(jù)平面擬合方法[J];同濟(jì)大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年07期

6 李瑞林;李濤;;一種從LIDAR點(diǎn)云數(shù)據(jù)中提取DTM的方法[J];鐵道勘察;2007年05期

7 劉經(jīng)南,張小紅;激光掃描測(cè)高技術(shù)的發(fā)展與現(xiàn)狀[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2003年02期

8 梁欣廉;張繼賢;李海濤;;一種應(yīng)用于城市區(qū)域的自適應(yīng)形態(tài)學(xué)濾波方法[J];遙感學(xué)報(bào);2007年02期

9 劉琪t，

本文編號(hào)：2101382