一种顾及地形复杂度的LiDAR点云多尺度滤波方法
本文关键词: 机载LiDAR DEM 点云滤波 自适应阈值 薄板样条 出处:《测绘科学》2016年11期 论文类型:期刊论文
【摘要】:针对复杂地形区域的机载LiDAR数据滤波方法中自适应阈值设置问题,根据地形多尺度效应,提出一种自适应阈值的机载LiDAR点云多尺度滤波方法。该方法采用影像金字塔策略按分辨率从高至低逐级构建LiDAR点云分层格网,滤波过程则从最大尺度格网(顶层格网,最低分辨率)开始,采用局部统计分析的方法自适应地确定高差阈值,同时结合薄板样条内插出下层各格网控制点的高程值,直至最底层格网完成原始激光点云滤波。通过我国某山区城市复杂地形的LiDAR数据实验表明顾及地形复杂度的LiDAR点云多尺度滤波方法能够快速有效地提取高精度DEM,能够满足实际生产需求。
[Abstract]:Aiming at the problem of adaptive threshold setting in airborne LiDAR data filtering in complex terrain regions, the multi-scale effect of terrain is considered. An adaptive threshold multi-scale filtering method for airborne LiDAR point clouds is proposed, in which the hierarchical grid of LiDAR point clouds is constructed by using image pyramid strategy from high to low resolution. The filtering process starts with the maximum scale grid (the top grid, the lowest resolution), and adaptively determines the threshold of height difference by using the method of local statistical analysis. At the same time, the height of each grid control point in the lower layer is interpolated with the thin plate spline. The LiDAR data of complex terrain in a mountainous city in China show that the multiscale LiDAR filtering method with terrain complexity can be quickly obtained by using the original laser point cloud filter until the bottom grid is completed. High precision DEM was extracted effectively. Able to meet actual production requirements.
【作者单位】: 湖南科技大学地理空间信息技术国家地方联合工程实验室;武汉大学测绘遥感信息工程国家重点实验室;
【基金】:国家自然科学基金项目(41401497) 湖南省科技计划项目(2015GK3027)
【分类号】:P237
【正文快照】: 0引言机载激光雷达(light detection and ranging,LiDAR),是一种新兴的主动式遥感手段,通过它可以快速、高效、精准地获取地表及其地物目标表面离散采样点的三维坐标信息。由于LiDAR点云包含了目标区域内的所有地表、地物三维信息,如地形表面、建筑物、桥梁、植被、电力线、汽
【相似文献】
相关期刊论文 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
相关会议论文 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
相关重要报纸文章 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
相关博士学位论文 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 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
5 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
6 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
7 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
8 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
9 孟凡文;面向光栅投影的点云预处理与曲面重构技术研究[D];南昌大学;2010年
10 李宝;三维点云的鲁棒处理技术研究[D];国防科学技术大学;2011年
相关硕士学位论文 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:1459846
本文链接:https://www.wllwen.com/kejilunwen/dizhicehuilunwen/1459846.html