机载LiDAR点云数据抽稀算法研究述评

发布时间：2018-06-10 12:02

  本文选题：LiDAR + 点云数据　； 参考：《测绘通报》2017年S1期

【摘要】：机载LiDAR技术作为一种全新的遥测技术,可以获取高精度和高密度的三维点云地形数据,它所获取的高密度的点云数据存在数据冗余和数据量庞大等一些问题,造成了存储、后处理(如滤波、分类、特征提取和建模)和显示的不便。因此对点云数据进行有效的数据抽稀简化很有必要,抽稀算法需要在数据精度和采样密度之间达到一种最优平衡。本文将现有的LiDAR点云数据抽稀算法概括为随机采样算法、基于高程的算法和基于TIN的算法3类,并分别进行了研究评述,最后探讨了各类方法的优缺点,以为机载点云数据抽稀简化提供参考。
[Abstract]:As a new telemetry technology, airborne LiDAR technology can obtain high precision and high density 3D point cloud terrain data. The high density point cloud data obtained by airborne LiDAR has some problems such as data redundancy and huge amount of data, which results in storage. Post-processing (such as filtering, classification, feature extraction and modeling) and display inconveniences. Therefore, it is necessary to simplify the point cloud data effectively, and the algorithm needs to achieve an optimal balance between data precision and sampling density. In this paper, the existing LiDAR point cloud data thinning algorithms are summarized as random sampling algorithms, elevation based algorithms and tin based algorithms. The advantages and disadvantages of each method are discussed. It provides a reference for the simplification of airborne point cloud data extraction.
【作者单位】： 广东电网有限责任公司电力科学研究院;中国测绘科学研究院摄影测量与遥感所;
【基金】：国家自然科学基金面上项目(41371406) 南方电网科技专项(GD-KJXM20150903)
【分类号】：P237

【相似文献】

相关期刊论文 前10条

1 喜文飞;史正涛;;一种新的点云数据组合精简算法研究[J];科技通报;2014年03期

2 方源敏;夏永华;陈杰;宋炜炜;杨永明;左小清;;基于改进的角度偏差法的采空区点云数据精简[J];地球科学与环境学报;2012年02期

3 靳克强;龚志辉;汤志强;张斌;袁辉;;机载激光雷达点云数据质量评价体系分析与探讨[J];测绘与空间地理信息;2012年04期

4 刘亚文;庞世燕;左志奇;;蚁群算法的建筑立面点云数据提取[J];武汉大学学报(信息科学版);2012年11期

5 刘尚蔚;朱小超;张永光;魏群;;多片点云数据拼接处理技术的研究[J];水利与建筑工程学报;2014年01期

6 高源鸿;彭岩;欧洋;;点云数据制作地面模型初探[J];测绘与空间地理信息;2014年04期

7 张东;;点云数据中球面点的自动提取[J];测绘;2014年03期

8 熊爱武;;基于车载激光点云数据的道路模型重建[J];地理信息世界;2013年06期

9 郝洪美;徐凯;;滑坡监测中点云数据分析[J];北京测绘;2014年04期

10 官云兰;贾凤海;;地面三维激光扫描多站点云数据配准新方法[J];中国矿业大学学报;2013年05期

相关会议论文 前4条

1 宋碧波;卢小平;卢遥;;基于点云数据的建筑物三维重建[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

2 隋立春;张熠斌;赵旦;;基于MicroStation的机载LiDAR点云数据分类处理软件[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

3 杨铭;陈建峰;;基于CUDA的海量点云数据kNN查询算法[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

4 王恒;赵亮;;深度图像的平面分割算法[A];第十七届中国遥感大会摘要集[C];2010年

相关博士学位论文 前3条

1 王果;不同平台激光点云数据面状信息自动提取研究[D];中国矿业大学（北京）;2014年

2 杨建思;机载/地面海量点云数据组织与集成可视化方法研究[D];武汉大学;2011年

3 敖建锋;动态沉陷区地面激光扫描数据处理关键问题研究[D];中国矿业大学;2013年

相关硕士学位论文 前10条

1 李俊宝;TLS在古建筑物测绘及建模中的应用研究[D];长安大学;2015年

2 彭占伟;基于K近邻的点云数据处理研究[D];昆明理工大学;2014年

3 唐云龙;基于车载激光点云数据的典型地物分类与提取[D];北京工业大学;2015年

4 吴蒙;基于三维激光扫描技术的建筑物建模研究[D];东华理工大学;2015年

5 裴东东;基于影像的点云数据分割方法研究[D];东华理工大学;2016年

6 杨军建;点云数据处理系统设计与实现[D];东华理工大学;2016年

7 樊琦;基于点云数据的三维模型重建[D];西安科技大学;2015年

8 李祖来;基于三维激光扫描数据隧道变形信息提取[D];西南交通大学;2016年

9 仇正良;三维地表点云数据处理研究[D];西南交通大学;2016年

10 胡澄宇;基于机载LiDAR的林间道路提取方法研究[D];西南交通大学;2016年

，

本文编号：2003156