基于机载LIDAR点云回光强度对地物分类方法对比研究

发布时间：2020-05-12 17:54

【摘要】：机载激光雷达是一种综合的主动式遥感技术,机载激光LIDAR系统是由三部分组成的:全球定位系统、激光扫描测距系统以及动态载体姿态测量系统~([1-2])。机载LIDAR可以迅速的采集目标地物的空间三维坐标信息,并且机载LIDAR系统所发出的脉冲激光束具有较强的穿透性,可以穿透部分林木直达地面。近年来,由于机载LIDAR技术的所具有的高效性和数据精度高等特点,所以其在地形测绘、三维建模等多个领域以其特有的优势被广泛应用。在所有机载LIDAR采集的数据当中,其最重要的是三维点云数据。怎样利用机载LIDAR技术对空间信息进行提取,以及根据机载LIDAR的点云数据如何进行快速高效的处理并对其进行分类,是研究者们所要攻克的难点。本文着重对时下热门的两种点云数据的分类算法进行对比研究。首先对机载LIDAR点云回光强度值进行基于法向量的改正;其次,基于改正后的点云回光强度信息通过KNN算法和BP神经网络算法对点云数据进行分类并对比研究。本文的主要研究内容如下:1.详细介绍了机载激光雷达系统的硬件结构和特点、激光雷达的工作方法、数据特性和误差源。对机载激光雷达点云数据的处理流程进行了详细的总结。2.根据机载LIDAR点云数据的特点,在前人对机载LIDAR点云的分类方法的基础上提出了基于矫正回光强度的分类方法。本文提出了一种新的考虑入射角对点云回光强度的影响的校正模型。可以有效的减少机载LIDAR在扫描目标地物时所产生的入射角对回光强度信息的影响。3.通过KNN算法和BP神经网络算法对回光强度信息校正后的点云数据进行分类研究。首先进行大量实验确定算法中阈值的最优性,并由两种算法对海量点云数据分类,验证方法的可行性。4.通过实验验证机载LIDAR点云回光强度校正模型的可行性。通过两种算法对相同条件的点云数据分类,并对其分类效果进行对比分析。实验表明,在精细分类上,由于BP神经网络拥有主动学习能力其分类效果更加理想。
【图文】：

5图 1-1 机载 LIDAR 点云数据处理流程图[30]Fig.1-1Airborne LIDAR point cloud data processing flow chart（2）分类。在完成对机载 LIDAR 点云数据的滤波之后，为了直观的读取空信息，我们需要进一步的把地面点与非地面点区分出来。非地面点包含如：建物点、植被点、道路点等。分类的主要目的是为了区分不同的地物，，目前大部学者都是进行水域点、植被点和道路点等数据的提取并进行研究的。对于点云数据的分类现在有两种最为主要的方式：其一是按照机载 LIDAR据中高程来进行分类，或者结合遥感影像，应用摄影测量与遥感的方式对地物行提取和分类[31]；其二是运用滤波分类的方法直接对点云数据特征进行分类和

图 1-2 技术路线图Fig.1-2 Technology roadmap绍了本文的选题的背景与选题的意义。系统阐述了术。以及介绍了机载 LIDAR 的系统组成、系统特点展前进，并对本文的研究内容和技术路线做了介绍
【学位授予单位】：昆明理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：P237

【参考文献】

相关期刊论文 前10条

1 陈富强;;机载LIDAR技术的优势及应用前景研究[J];北京测绘;2013年02期

2 成枢;张艳亭;马浩;任国庆;黄刚;;国产机载LiDAR安置角误差检校初探[J];测绘通报;2013年01期

3 蓝增荣;胡庆武;隆华平;;基于机载LiDAR的数字电网巡线应用研究[J];大众科技;2013年01期

4 左志权;张祖勋;张剑清;;知识引导下的城区LiDAR点云高精度三角网渐进滤波方法[J];测绘学报;2012年02期

5 于萍萍;陈建平;于淼;马贺清;;双三维数字矿山仿真信息系统建设[J];金属矿山;2012年02期

6 王植;吴立新;贺正雄;李慧盈;;基于正交多项式的平原城区机载LiDAR数据滤波算法[J];地理与地理信息科学;2012年01期

7 覃驭楚;李斌;牛铮;黄文江;王长耀;;小光斑激光雷达全波形数据递进分解与相对辐射校正[J];中国科学:地球科学;2011年01期

8 李慧盈;李文辉;陈圣波;;一种机载雷达点云数据的快速分类方法[J];吉林大学学报(地球科学版);2010年05期

9 隋立春;张熠斌;柳艳;曲佳;李伟;王蒙;李智临;;基于改进的数学形态学算法的LiDAR点云数据滤波[J];测绘学报;2010年04期

10 周晓明;马秋禾;李二森;唐德瑾;;基于小波多分辨率方向高程限差的LiDAR数据滤波[J];测绘科学;2010年04期

相关博士学位论文 前2条

1 左志权;顾及点云类别属性与地形结构特征的机载LiDAR数据滤波方法[D];武汉大学;2011年

2 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

相关硕士学位论文 前10条

1 张萌;基于颜色信息的城区LiDAR点云数据植被提取方法研究[D];西安电子科技大学;2014年

2 林鉴;机载LIDAR点云数据滤波及建筑物点群分割研究[D];西南交通大学;2014年

3 谷延超;机载激光雷达点云数据滤波方法研究[D];西南交通大学;2014年

4 刘凯斯;机载激光LiDAR点云数据滤波和分类算法研究[D];首都师范大学;2014年

5 陈飞;基于机载LiDAR点云的道路提取方法研究[D];西南交通大学;2013年

6 赵振峰;基于机载LiDAR点云的道路提取研究[D];昆明理工大学;2012年

7 尚大帅;机载LiDAR点云数据滤波与分类技术研究[D];解放军信息工程大学;2012年

8 曲佳;机载激光雷达点云数据精度分析与评价研究[D];长安大学;2010年

9 杨赛;BP神经网络学习问题的分析研究[D];江西理工大学;2010年

10 黄丽;BP神经网络算法改进及应用研究[D];重庆师范大学;2008年

本文编号：2660613