本文關(guān)鍵詞：基于LIDAR技術(shù)的城市植被三維結(jié)構(gòu)信息提取

  更多相關(guān)文章： LiDAR技術(shù) 城市植被 結(jié)構(gòu)信息表征 三維信息識(shí)別 結(jié)構(gòu)信息提取

【摘要】：論文依據(jù)國(guó)土資源部公益性行業(yè)科研專項(xiàng)項(xiàng)目課題“土地動(dòng)態(tài)監(jiān)測(cè)監(jiān)察技術(shù)研究”(201011015-1)的需求,開展低空遙感技術(shù)應(yīng)用方面的研究。在南京市建成區(qū)中選擇具有三維結(jié)構(gòu)層次特點(diǎn)的典型植被綠化區(qū),利用機(jī)載激光雷達(dá)(Light Detection and Ranging, LiDAR)采集的激光點(diǎn)云數(shù)據(jù)和車載掃描儀的激光點(diǎn)云數(shù)據(jù),在研究LiDAR技術(shù)對(duì)植被三維結(jié)構(gòu)表征的基礎(chǔ)上,使用基于激光強(qiáng)度分類植被、點(diǎn)云三維空間聚類以及變化閾值搜索等方法,進(jìn)行城市植被三維結(jié)構(gòu)信息識(shí)別與提取研究。 城市植被作為生態(tài)城市評(píng)價(jià)指標(biāo)的重要組成部分,一直受到學(xué)者關(guān)注。利用遙感影像提取城市植被的三維結(jié)構(gòu)信息,是一個(gè)難以解決的問題。LiDAR技術(shù)對(duì)植被具有垂直方向探測(cè)能力,可以提取城市植被三維結(jié)構(gòu)信息,在理論、方法和應(yīng)用等方面值得深入研究和探討。因此,論文主要研究?jī)?nèi)容與結(jié)論如下： 1.基于植被結(jié)構(gòu)特點(diǎn)和LiDAR技術(shù)探測(cè)植被特征,闡述LiDAR植被三維結(jié)構(gòu)圖像表征。LiDAR技術(shù)具有良好的城市植被垂直探測(cè)能力。通過分析LiDAR點(diǎn)云回波特征,發(fā)現(xiàn)研究區(qū)域的植被點(diǎn)云中12.82%具有穿透性的向探測(cè)能力,具備探測(cè)高大植被下面低矮植被的基礎(chǔ)。根據(jù)LiDAR點(diǎn)云對(duì)城市植被三維結(jié)構(gòu)信息的描述,論文提出“兩層一帶雙界面”的概念：“兩層”即喬木層和灌木層,“一帶”即分隔兩層的“分隔帶”,“雙界面”即植被的下界面——數(shù)字高程模型(DEM)和上界面——數(shù)字表面模型(DSM),用此闡明LiDAR點(diǎn)云對(duì)植被的三維圖像表征。并且采用車載激光掃描和實(shí)地測(cè)量?jī)煞N方法驗(yàn)證機(jī)載激光點(diǎn)云表征植被“雙界面”的數(shù)學(xué)精度：1)LiDAR提取的DEM的中誤差為0.07m；2)機(jī)載LiDAR對(duì)DSM的描述平均比實(shí)際低0.28m,最大誤差為1.87m。對(duì)于人造地物,高程值誤差不大。針對(duì)城市植被的生長(zhǎng)和分布特點(diǎn),提出植被分布、樹冠邊緣、樹冠形狀、樹高和灌木高等五個(gè)描述城市植被三維結(jié)構(gòu)的參數(shù),為下一步信息識(shí)別與提取奠定理論基礎(chǔ)。 2.根據(jù)LiDAR植被三維結(jié)構(gòu)圖像表征,進(jìn)行城市植被三維結(jié)構(gòu)信息識(shí)別。識(shí)別城市植被三維結(jié)構(gòu)關(guān)鍵是獲得植被的分隔帶。識(shí)別分隔帶需要首先對(duì)LiDAR點(diǎn)云進(jìn)行基本分類。論文提出基于激光點(diǎn)云強(qiáng)度的分類方法,簡(jiǎn)化復(fù)雜的數(shù)學(xué)計(jì)算,有效區(qū)分植被點(diǎn)和非植被點(diǎn)。然后使用變化窗口和變化閾值的算法,獲得高大植被和低矮之間的三維分隔帶,進(jìn)而識(shí)別出喬木層和灌木層。用現(xiàn)場(chǎng)調(diào)查方法驗(yàn)證識(shí)別結(jié)果顯示：?jiǎn)棠緦狱c(diǎn)的正確率為97.13%,灌木層點(diǎn)的正確率為77.63%。在此基礎(chǔ)上,采用一定規(guī)則下的局部最大值窗口搜索潛在的樹冠頂點(diǎn)方法獲得樹高的識(shí)別結(jié)果,并采用信息修補(bǔ)的內(nèi)插方法來識(shí)別被樹遮擋的灌木的高度,識(shí)別出喬木和灌木兩種植被類型。 3.在城市植被三維結(jié)構(gòu)識(shí)別結(jié)果的基礎(chǔ)上,進(jìn)行城市植被三維結(jié)構(gòu)信息提取。植被三維結(jié)構(gòu)信息提取,分為兩個(gè)方面：植被平面結(jié)構(gòu)信息提取和垂直結(jié)構(gòu)信息提取。首先從水平方向提取植被輪廓、喬木和灌木。建筑、道路和水體等非植被占據(jù)的空間為“植被空洞”,提取出植被空洞就能得到植被的分布輪廓。利用點(diǎn)云的分布規(guī)律和強(qiáng)度信息提取道路；采用點(diǎn)云先分離后組合的方法提取喬木層,再基于樹頂點(diǎn)云是樹木最高點(diǎn)的假設(shè),根據(jù)LiDAR數(shù)據(jù)樹冠邊緣能夠部分實(shí)例化的特點(diǎn)用變化閾值搜索方法提取喬木。采用內(nèi)插方法提取出灌木冠頂曲面,其結(jié)果與現(xiàn)場(chǎng)測(cè)量結(jié)果比較,LiDAR提取的灌木高度的中誤差為0.18m。結(jié)合植被平面的分布,提取植被垂直結(jié)構(gòu)信息。提出改進(jìn)的反距離權(quán)重鄰域內(nèi)插算法提取植被垂直上表面(又為“歸一化數(shù)字表面模型,nDSM")。采用三維空間聚類和變化窗口極大值搜索兩者相結(jié)合的方法提取樹高,其結(jié)果與實(shí)際測(cè)量結(jié)果比較顯示：LiDAR提取值平均低0.27m,最大誤差為-0.89m；樹干位置偏差平均0.74m,最大為3.04m。最后,用混合驅(qū)動(dòng)模型擬合樹冠的三維形狀,提取結(jié)果用抽樣量測(cè)方法評(píng)估,發(fā)現(xiàn)LiDAR技術(shù)對(duì)樹冠的形狀判斷基本準(zhǔn)確,但對(duì)樹冠直徑的估計(jì)值中存在誤差。 論文應(yīng)用LiDAR新型遙感技術(shù)對(duì)城市植被覆蓋進(jìn)行三維空間分布研究,并對(duì)植被三維結(jié)構(gòu)進(jìn)行識(shí)別與提取。在垂直方向有部分遮擋條件下,利用有效的計(jì)算方法,獲取城市植被的三維空間結(jié)構(gòu)定量特征值。本研究結(jié)果對(duì)于城市植被的統(tǒng)計(jì)和管理具有重要的理論意義和應(yīng)用價(jià)值。LiDAR技術(shù)需要進(jìn)一步提高其提取植被三維結(jié)構(gòu)信息的效率和精度,從而使其應(yīng)用更為廣泛和深入。
【關(guān)鍵詞】：LiDAR技術(shù) 城市植被 結(jié)構(gòu)信息表征 三維信息識(shí)別 結(jié)構(gòu)信息提取
【學(xué)位授予單位】：南京大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2012
【分類號(hào)】：Q948
【目錄】：

• 摘要4-6
• ABSTRACT6-9
• 目錄9-11
• 圖錄11-12
• 表錄12-13
• 第一章 緒論13-32
• 1.1 選題的背景與課題支撐13-15
• 1.2 研究的目的與科學(xué)意義15-16
• 1.3 國(guó)內(nèi)外研究進(jìn)展16-27
• 1.3.1 國(guó)外研究進(jìn)展16-22
• 1.3.2 國(guó)內(nèi)研究進(jìn)展22-27
• 1.3.3 存在的問題27
• 1.4 研究?jī)?nèi)容與技術(shù)路線27-30
• 1.4.1 研究?jī)?nèi)容27-28
• 1.4.2 技術(shù)路線28-30
• 1.5 論文組織結(jié)構(gòu)30-32
• 第二章 研究區(qū)概況與數(shù)據(jù)資料32-37
• 2.1 研究區(qū)概況32-34
• 2.1.1 自然地理概況32-33
• 2.1.2 地物分布特征33-34
• 2.2 數(shù)據(jù)資料34-37
• 2.2.1 機(jī)載LiDAR數(shù)據(jù)34-35
• 2.2.2 車載LiDAR數(shù)據(jù)35-37
• 第三章 LIDAR植被結(jié)構(gòu)圖像表征37-53
• 3.1 植被三維結(jié)構(gòu)表述37-45
• 3.1.1 植被結(jié)構(gòu)參數(shù)37-39
• 3.1.2 植被結(jié)構(gòu)表達(dá)39-45
• 3.2 LIDAR垂直探測(cè)植被的特征45-53
• 3.2.1 LiDAR垂直探測(cè)植被的特征45-50
• 3.2.2 LiDAR垂直探測(cè)能力分析50-53
• 第四章 植被三維結(jié)構(gòu)信息識(shí)別53-81
• 4.1 LIDAR數(shù)據(jù)預(yù)處理53-67
• 4.1.1 LiDAR數(shù)據(jù)去除噪聲54-55
• 4.1.2 LiDAR點(diǎn)云分類55-67
• 4.2 植被層識(shí)別67-75
• 4.2.1 分層特征識(shí)別67-70
• 4.2.2 植被分層帶識(shí)別70-75
• 4.3 植被類型識(shí)別75-81
• 4.3.2 喬木識(shí)別75-78
• 4.3.3 灌木識(shí)別78-81
• 第五章 植被三維結(jié)構(gòu)信息提取81-102
• 5.1 平面結(jié)構(gòu)信息提取81-92
• 5.1.1 平面輪廓提取81-85
• 5.1.2 喬木提取85-89
• 5.1.3 灌木提取89-92
• 5.2 垂直結(jié)構(gòu)信息提取92-102
• 5.2.1 植被垂直輪廓提取92-94
• 5.2.2 樹高提取94-98
• 5.2.3 樹冠形狀提取98-102
• 第六章 結(jié)論與展望102-105
• 6.1 結(jié)論102-103
• 6.2 創(chuàng)新點(diǎn)103-104
• 6.3 展望104-105
• 參考文獻(xiàn)105-117
• 攻讀博士學(xué)位期間主要科研成果117-119
• 致謝119-120

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 馮仲科;楊伯鋼;羅旭;韓光瞬;張保鋼;;應(yīng)用LIDAR技術(shù)預(yù)測(cè)林分蓄積量[J];北京林業(yè)大學(xué)學(xué)報(bào);2007年S2期

2 劉永霞;胡涌;馮仲科;;基于LIDAR數(shù)據(jù)的林冠層三維信息模型的提取與應(yīng)用[J];北京林業(yè)大學(xué)學(xué)報(bào);2007年S2期

3 楊伯鋼;馮仲科;羅旭;祝曉坤;董明;全明玉;韓光瞬;;LIDAR技術(shù)在樹高測(cè)量上的應(yīng)用與精度分析[J];北京林業(yè)大學(xué)學(xué)報(bào);2007年S2期

4 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)提取單株木樹高和樹冠[J];北京林業(yè)大學(xué)學(xué)報(bào);2008年06期

5 唐菲菲;劉經(jīng)南;張小紅;阮志敏;;基于體素的森林地區(qū)機(jī)載LiDAR數(shù)據(jù)DTM提取[J];北京林業(yè)大學(xué)學(xué)報(bào);2009年01期

6 王曉輝;胡伍生;劉行波;;LiDAR系統(tǒng)測(cè)量成果精度檢測(cè)[J];測(cè)繪工程;2007年03期

7 王大瑩;程新文;潘慧波;陳曉倩;;基于最佳閾值形態(tài)學(xué)方法對(duì)機(jī)載LiDAR數(shù)據(jù)進(jìn)行邊緣提取[J];測(cè)繪工程;2009年02期

8 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

9 張小紅;;利用機(jī)載LIDAR雙次回波高程之差分類激光腳點(diǎn)[J];測(cè)繪科學(xué);2006年04期

10 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

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 張志超;融合機(jī)載與地面LIDAR數(shù)據(jù)的建筑物三維重建研究[D];武漢大學(xué);2010年

，

本文編號(hào)：938566