机载LiDAR点云与航空影像融合的地物分类方法研究

发布时间：2017-10-11 11:14

  本文关键词：机载LiDAR点云与航空影像融合的地物分类方法研究

  更多相关文章： 机载激光雷达 滤波 仿射变换 面向对象 层次分类

【摘要】：针对当前单一数据源地物分类存在的优缺点,本文围绕机载LiDAR点云数据滤波与航空影像配准后地物分类等关键技术进行研究。首先,研究了点云数据预处理的相关内容并针对当前滤波算法存在的稳健性差等问题,提出了基于偏度与峰度变化曲线以及基于微分形态学断面的滤波算法;然后,将预处理后的LiDAR点云数据插值生成DSM灰度图,利用SUSAN自适应角点检测算法提取建筑物角点,基于两级仿射变换模型完成DSM灰度图与航空影像配准;最后,通过面向对象层次分类方法完成地物精确分类。论文主要工作及结论如下:(1)系统介绍了机载LiDAR测量原理,并对获取的数据进行了分析;比较当前存在的各种LiDAR点云数据组织方式优劣,针对不同的滤波方法,本文分别采取了虚拟格网和规则格网,选择合适的格网尺寸对原始点云进行格网化,提高了数据处理效率。对于机载LiDAR点云获取过程中产生的不可避免的粗差点,通过改进的单一阈值法进行剔除。(2)对经典滤波算法进行深入研究,针对滤波精度易受阈值选取的影响,提出了基于偏度与峰度变化曲线滤波方法,该方法引入统计学中的偏度与峰度平衡思想,利用统计矩平衡原理滤除地物点;针对形态学滤波算法对地形适应性不强的问题,提出了基于微分形态学断面改进方法,该方法引入图像处理中的高斯卷积运算,利用阈值判别函数识别地面点。通过ISPRS提供的官方数据对两种算法进行测试,实验表明,两种方法均能获得较好的滤波效果,具有较高的精度和稳健性。(3)借鉴图像配准思想,将机载LiDAR点云与遥感影像3D-2D配准转化为DSM灰度图与遥感影像2D-2D配准。为此,首先利用自然邻域法对LiDAR点云进行插值获取DSM灰度图,然后,利用SUSAN自适应角点检测算法提取建筑物角点,利用多级仿射变换模型完成配准。实验证明,该方法简单、运算效率高,配准精度满足实验需求,效果较好。(4)针对配准后的LiDAR点云和高分辨航空影像地物分类,本文提出了面向对象层次分类方法。利用多尺度分割技术,按照定义的规则集分类特征,采用专家决策系统支持的模糊分类算法完成地物细分。通过实例验证,该方法较基于像元的分类方法精度得到明显提高,分类效果更好。
【关键词】：机载激光雷达 滤波 仿射变换 面向对象 层次分类
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P23
【目录】：

• 致谢4-6
• 摘要6-7
• Abstract7-16
• 变量注释表16-17
• 1 绪论17-27
• 1.1 研究背景及意义17-18
• 1.2 国内外研究现状18-23
• 1.3 研究的主要内容及技术路线23-25
• 1.4 本文结构安排25-26
• 1.5 本章小结26-27
• 2 机载LiDAR原理及数据分析27-38
• 2.1 机载激光雷达扫描测量原理27-31
• 2.2 机载LiDAR数据组成及特点31-34
• 2.3 机载LiDAR数据组织方式34-37
• 2.4 本章小结37-38
• 3 机载LiDAR数据滤波算法研究38-55
• 3.1 实验数据38-39
• 3.2 基于偏度与峰度变化曲线的机载LiDAR点云滤波方法39-46
• 3.3 基于微分形态学断面的机载LiDAR点云滤波方法46-54
• 3.4 本章小结54-55
• 4 机载LiDAR数据与遥感影像配准研究55-69
• 4.1 机载LiDAR点云数据内插56-58
• 4.2 DSM灰度影像与遥感影像配准58-61
• 4.3 实验与结果分析61-68
• 4.4 本章小结68-69
• 5 融合高分辨率航空影像的机载LiDAR点云分类研究69-78
• 5.1 面向对象的层次分类方法原理69-74
• 5.2 实验过程74-75
• 5.3 结果分析与精度评价75-77
• 5.4 本章小结77-78
• 6 总结与展望78-80
• 6.1 结论78
• 6.2 展望78-80
• 参考文献80-87
• 作者简历87-89
• 学位论文数据集89

【相似文献】

中国期刊全文数据库 前10条

1 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期

2 龚书林;;三维激光点云处理软件的若干关键技术[J];测绘通报;2014年06期

3 赵强;彭国华;王锋;;点云精简的一种方法[J];西南民族大学学报(自然科学版);2006年05期

4 李德江;张延波;于曼竹;姜丽丽;曲雪光;;基于扫描模式的点云修复技术研究[J];测绘与空间地理信息;2011年06期

5 蔡来良;李儒;;点云数据处理算法与实现初步研究[J];测绘通报;2012年S1期

6 詹庆明;张海涛;喻亮;;古建筑激光点云-模型多层次一体化数据模型[J];地理信息世界;2010年04期

7 曾敬文;朱照荣;丁锐;;基于立方体网格的数据点云约简和体积计算方法[J];测绘科学;2008年06期

8 杨欣;姚海燕;;平面点云边界参数识别[J];中国西部科技;2009年27期

9 孙瑞;张彩霞;;点云数据压缩算法综述[J];科技信息;2010年32期

10 张毅;闫利;;地面激光点云强度噪声的三维扩散滤波方法[J];测绘学报;2013年04期

中国重要会议论文全文数据库 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

中国重要报纸全文数据库 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

中国博士学位论文全文数据库 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年

5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年

6 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

7 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

8 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

9 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

10 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 龚硕然;基于Delaunay三角剖分的点云三维网格重构[D];河北大学;2015年

2 杨红粉;频域技术应用于点云配准研究[D];北京建筑大学;2015年

3 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

4 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

5 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

6 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

7 胡诚;精度约束下地表LiDAR点云抽稀方法研究[D];西南交通大学;2015年

8 余明;三维离散点云数据处理技术研究[D];南京理工大学;2015年

9 陈星宇;基于三维彩色点云的地形分类方法研究[D];南京理工大学;2015年

10 朱东方;基于复杂拓扑结构点云的曲线拟合研究与应用[D];山东大学;2015年

，

本文编号：1012199