一种基于高程跳变的机载LiDAR数据多层次滤波方法研究

发布时间：2017-10-27 15:15

  本文关键词：一种基于高程跳变的机载LiDAR数据多层次滤波方法研究

  更多相关文章： 机载激光雷达 点云数据 高程跳变 不规则三角网 均值限差 均值漂移 多层次滤波 移动曲面拟合

【摘要】：机载LiDAR系统作为一种新的技术手段,在三维空间信息获取方面取得了开创性的突破。与传统的摄影测量与遥感技术相比,该技术受天气、光照等自然条件的影响小,可全天时进行三维数据获取。LiDAR数据处理是LiDAR技术中的关键,约占总工作时间的80%,其中对点云数据滤波获取DEM是数据处理工作的第一步。滤波质量直接影响着后续产品的质量及该技术在生产应用中的成败,是LiDAR技术研究的重点与难点。因此,通过高效快速地进行LiDAR点云数据滤波来获取DEM是当前一个非常重要的研究课题。本文在对相关的研究成果进行分析总结的基础之上,针对点云数据滤波方法进行了改进和实验,并对滤波方法存在的关键问题与细节进行阐述,具体研究内容如下： (1)介绍了机载激光雷达系统的发展历程,对LiDAR点云数据的组成、数据格式及数据特点进行了详细的阐述并对点云数据的组织方法进行了系统的说明,为后续点云数据滤波算法的研究提供了保障。 (2)分析了国内外机载LiDAR点云数据滤波方法,介绍了多种经典算法的算法思想,并对其中几种类型滤波算法的改进进行了详尽的叙述,系统地归纳了算法存在的不足,为下一步研究工作提供了理论依据。 (3)改进了基于高程跳变的TIN滤波算法。通过Mean Shift对点云进行分类,由分类结果进行分块处理,并根据每块数据特点设置不同的阈值；在原有的阈值基础上加入了空间角度作为阈值参数,以提高滤波结果的准确度。 (4)设计了一种分层自适应移动曲面拟合滤波算法。该算法是对改进的基于高程跳变TIN算法思想的进一步深化。根据不同地物“高程跳变”的程度不同.以某类地物“高程跳变”特点,可渐进地对某一高程范围的地物进行层次性的滤除。算法首先利用本文给出的改进的均值限差法进行“粗”滤波,以滤除中等及高大地物,增加了地面点比例,提高下一步滤波效率。“粗”滤波后,以Mean Shift算法进行分类,并通过虚拟格网对点云进行组织。最后,设计了一种局部自适应阈值方法,通过移动曲面拟合法滤波进行剩余非地面点的滤除。 研究表明：本文改进后的基于高程跳变的TIN滤波算法,在多种地形条件下,相比改进前的算法,能够滤除大部分原算法中不能滤除的地物点,且能很好地保持地形细节信息。通过对滤波结果的定量分析,改进算法的第Ⅰ类误差、第Ⅱ类误差和总误差均有较大的下降。本文改进的均值限差法中设置自适应阈值能够较好地滤除大部分的地物点,降低了激光脚点的数据量,提高了后续精滤波的运行效率。分层自适应移动曲面拟合法滤波算法,具有较强地适应性,可有效地解决原移动曲面拟合法滤波和改进的基于高程跳变的TIN滤波中存在的低位粗差、误差传递与累积、地形过度腐蚀等问题,滤波结果较好。
【关键词】：机载激光雷达 点云数据 高程跳变 不规则三角网 均值限差 均值漂移 多层次滤波 移动曲面拟合
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：P237;P225
【目录】：

• 摘要6-8
• Abstract8-10
• 目录10-12
• 第1章 绪论12-16
• 1.1 研究背景与意义12-13
• 1.2 研究目标与内容13-14
• 1.3 拟解决的关键问题和技术路线14
• 1.4 论文的组织结构14-16
• 第2章 国内外研究发展现状16-34
• 2.1 机载LiDAR技术设备发展历程16-17
• 2.2 机载LiDAR点云数据特点及组织方法17-29
• 2.2.1 机载LiDAR数据的组成17-19
• 2.2.2 机载LiDAR点云的数据格式19-21
• 2.2.3 机载LiDAR点云数据的特点21-24
• 2.2.4 机载LiDAR点云数据的组织方法24-29
• 2.3 国内外滤波算法综述29-33
• 2.3.1 基于聚类分割思想的滤波算法29-30
• 2.3.2 基于形态学的滤波算法30-31
• 2.3.3 基于坡度的滤波算法31
• 2.3.4 基于TIN的滤波算法31-32
• 2.3.5 基于内插的滤波算法32
• 2.3.6 其他滤波方法32-33
• 2.4 本章小结33-34
• 第3章 改进的基于高程跳变的TIN的滤波算法34-47
• 3.1 机载LiDAR点云数据滤波原理34-36
• 3.1.1 点云数据及点云滤波定义34-35
• 3.1.2 点云数据滤波原理35-36
• 3.2 滤波的难点36-37
• 3.3 点云数据预处理37-38
• 3.4 改进的基于高程跳变的TIN的滤波算法38-46
• 3.4.1 Mean Shift算法38-42
• 3.4.2 基于高程跳变的TIN的滤波算法原理42-43
• 3.4.3 改进的基于高程跳变的TIN的滤波算法43-46
• 3.5 本章小结46-47
• 第4章 基于分层自适应的移动曲面拟合滤波方法47-55
• 4.1 多层次滤波算法的简述47-48
• 4.2 均值限差法改进48-50
• 4.2.1 均值限差法48
• 4.2.2 均值限差法改进48-50
• 4.3 分层自适应移动曲面拟合法滤波50-54
• 4.3.1 移动曲面拟合滤波算法原理50-51
• 4.3.2 移动曲面拟合法滤波的优缺点51-52
• 4.3.3 分层自适应移动曲面拟合法滤波52-54
• 4.4 本章小结54-55
• 第5章 实验结果与分析55-67
• 5.1 实验环境55
• 5.2 实验数据55-56
• 5.3 滤波算法评价56-57
• 5.4 实验分析57-66
• 5.4.1 城市区域实验58-60
• 5.4.2 特殊地形区域的实验60-63
• 5.4.3 山区实验63-66
• 5.5 本章小结66-67
• 结论与展望67-69
• 致谢69-70
• 参考文献70-75

【参考文献】

中国期刊全文数据库 前10条

1 宁津生;王正涛;;测绘学科发展综述[J];测绘科学;2006年01期

2 张小红;;利用机载LIDAR双次回波高程之差分类激光脚点[J];测绘科学;2006年04期

3 龚亮;张永生;李正国;包全福;;基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法[J];测绘科学;2012年01期

4 龚健雅;一种基于自然数的线性四叉树编码[J];测绘学报;1992年02期

5 隋立春;杨耘;;基于car(p,q)模型和数学形态学理论的LiDAR点云数据滤波[J];测绘学报;2012年02期

6 武晓波,王世新,肖春生;Delaunay三角网的生成算法研究[J];测绘学报;1999年01期

7 徐国杰;胡文涛;;一种改进的LiDAR点云TIN迭代滤波算法[J];测绘信息与工程;2010年01期

8 宁亚飞;吴笑天;张海涛;徐巍;;基于虚拟三角网与坡度滤波的LIDAR点云数据滤波方法的研究[J];工程地球物理学报;2012年05期

9 夏长俊;李翊;顾文锦;张沛帆;;基于Canny边缘检测的Mean-Shift跟踪核窗宽确定方法[J];海军航空工程学院学报;2008年03期

10 罗伊萍;姜挺;龚志辉;江刚武;陈文锋;;基于自适应和多尺度数学形态学的点云数据滤波方法[J];测绘科学技术学报;2009年06期

中国博士学位论文全文数据库 前2条

1 周晓明;机载激光雷达点云数据滤波算法的研究与应用[D];解放军信息工程大学;2011年

2 曾齐红;机载激光雷达点云数据处理与建筑物三维重建[D];上海大学;2009年

，

本文编号：1104048