机载LiDAR点云数据滤波及分类研究

发布时间：2020-10-14 06:49

　　 机载LiDAR(Light Detection and Ranging)系统为三维空间数据采集提供了一种全新的技术手段,它具有快速、准确获取三维信息的特点,在地形测绘、环境监测、森林防护和城市三维建模等应用中扮演着日益重要的角色。其硬件部分已得到较好完善,而点云数据后处理的发展相对滞后,滤波和分类是数据后处理过程中最重要的部分。由于地形环境和地物的复杂影响,使得现有算法存在自动化程度低,效率差,参数繁多等不足。本文以机载LiDAR数据后处理为主题,重点研究了机载LiDAR点云数据滤波和分类等方面的内容,在理论和算法上取得一定进展。为了有效提高运算效率和克服数据损失问题,选用虚拟格网组织数据,减少邻域搜索时间且保持原有数据的精度。详细分析了几种典型的LiDAR点云数据滤波和分类算法,并总结需要解决的问题。通过对典型LiDAR点云数据滤波方法的优缺点分析和总结,针对三角网迭代加密算法运算量大及曲面拟合算法阈值自适应性差等问题,通过改进三角网加密过程中点定位和局部优化的判断方式,可提高运算效率,根据点与曲面间的关系动态调整阈值参数,可增强其适应性。首先对原始数据进行预处理,然后利用改进的方法对标准测试数据进行实验,最后对运算效率和滤波误差进行定性、定量分析,证明了该方法的有效性和适用性。在滤波的基础上,根据LiDAR数据中回波信息的特点,针对分类算法存在的不足,分析了利用回波次数和回波强度信息对地面点和地物点细分类的可能性,融合了一种基于高程纹理、回波次数和回波强度的点云数据分类方法。通过对滤波数据进行实验,并对分类结果进行定性分析,证明了该方法在分类过程中能取得一定的效果。
【学位单位】：西南科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P23
【部分图文】：

西南科技大学硕士研究生学位论文 第6载 LiDAR 系统简述载 LiDAR 能 快速、主动获取高精度 三维地表信息和回波信息，相比，具有精度高、速度快、可靠性强和 成本低等优点，在地形测护以及三维建模等领域具有较好的发展前景[12]。为了更深入的点云 数据滤波与 分类技术的研究，需先对机载 LiDAR 系统的 组理和点云数据的 构成及特点等相关知识进行分析。载 LiDAR 系统组成及工作原理LiDAR 系统组成载 LiDAR系统主要包括：激光扫描仪、惯性测量单元、DGPS(收机和成像设备[41]。该系统以飞行器作为载体，就组成了机载 LiD统。典型的 机载LiDAR 系统集成示意图如图 2-1 所示。

图 2- 2 机载激光雷达对地定位示意图 2-2 Schematic diagram of ground location by airbornDAR 点云数据的构成、格式和特点 点云数据构成R 系统的硬件发展情况，目前 LiDAR 系统获标、回波信息以及与之对应的扫描信息组成会存在差别，甚至有些 LiDAR 系统还能提供分类处理过程中，使用最多的信息部分为点次数和回波强度信息。坐标信息数 LiDAR 数据滤波分类方法都是基于原始是 LiDAR 数据的核心。LiDAR 点云的三维PS、INS 和激光测距仪采集的初始数据经过激光测距仪获得目标点的距离 S，同时利用中心点 G 的空间位置坐标( , , )，利用

图 2- 3 机载 LiDAR 系统解算目标点三维坐标原理图e principle diagram of three-dimensional coordinates of LiD机载 LiDAR 系统位于 G 点，目标点为 P 点，系 G 点的坐标信息 ( , , )和姿态信息( , , )，侧滚角， 为飞机航偏角。激光测距仪是通过测定 t 来得到目标与参考中心之间的距离 S， = 1 2光束与扫描起始激 光束的夹角，可由编 码器按固标点 P 的坐标公式如式(2-3)所示。 ( cos sin 1 2 )cos sin sin 1 2cos = ( cos sin 1 2 )sin sin 1 2sin = ( cos sin 1 2 )cos cos cos sin cos sin sin 。次数信息
【相似文献】

相关期刊论文 前10条

1 蔡庆生;;基于机载LiDAR点云数据滤波方法研究[J];北京测绘;2015年02期

2 房华乐;林祥国;段敏燕;张继贤;;面向对象的车载LiDAR点云滤波方法[J];测绘科学;2015年04期

3 尚大帅;马东洋;赵羲;万欢;;一种基于移动曲面拟合的机载LIDAR点云数据滤波方法[J];测绘技术装备;2012年02期

4 董保根;秦志远;陈静;徐验兵;;无需阈值支持的机载LiDAR点云数据滤波方法[J];计算机工程与应用;2013年15期

5 李永强;牛路标;李立雪;毛杰;张西童;;LiDAR点云的建筑物立面空洞修复[J];测绘科学;2017年10期

6 童静;;地形特征保护的LIDAR点云滤波方法研究[J];科技致富向导;2014年18期

7 杨娜;秦志远;朱艳;唐德瑾;;面向对象的机载LiDAR点云滤波方法[J];测绘科学技术学报;2014年02期

8 曹鸿;李永强;牛路标;毛杰;闫阳阳;;基于机载LiDAR数据的建筑物点云提取[J];河南城建学院学报;2014年01期

9 许振辉;刘玲;闫梦龙;;融合影像信息的LiDAR点云滤波[J];公路;2011年03期

10 杨娜;秦志远;晏耀华;周莎;;面向地面点识别的机载LiDAR点云分割方法研究[J];测绘工程;2014年10期

相关博士学位论文 前10条

1 冯义从;车载LiDAR点云的建筑物立面信息快速自动提取[D];西南交通大学;2014年

2 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

3 董保根;机载LiDAR点云与遥感影像融合的地物分类技术研究[D];解放军信息工程大学;2013年

4 闫吉星;建筑物LiDAR点云三维重建的全局优化方法[D];武汉大学;2015年

5 孙美玲;机载LiDAR数据滤波及城区汽车目标检测方法研究[D];西南交通大学;2014年

6 魏征;车载LiDAR点云中建筑物的自动识别与立面几何重建[D];武汉大学;2012年

7 惠振阳;从机载LiDAR点云中提取城市道路网的关键技术研究[D];中国地质大学;2017年

8 付玮;基于摄影测量系统的标定与表面数据融合算法研究[D];南昌大学;2018年

9 黄旭;LiDAR点云约束下的多视影像密集匹配与融合方法研究[D];武汉大学;2016年

10 谢洪;基于地面三维激光扫描技术的海量点云模型重建关键算法研究[D];武汉大学;2013年

相关硕士学位论文 前10条

1 时培强;机载LiDAR点云数据滤波及分类研究[D];西南科技大学;2018年

2 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

3 李炼;机载LiDAR点云滤波及分类算法研究[D];成都理工大学;2014年

4 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

5 张杰;机载LiDAR点云滤波及特征提取技术研究[D];中国矿业大学;2017年

6 童礼华;多平台LiDAR点云数据集成技术研究[D];南京大学;2014年

7 孙蒙;机载LiDAR点云与航空影像融合的地物分类方法研究[D];中国矿业大学;2016年

8 钟礼山;侧视LiDAR数据多层次单木点云分割研究[D];南京大学;2016年

9 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

10 董静;融合多特征的机载LiDAR点云数据滤波方法研究[D];辽宁工程技术大学;2011年

本文编号：2840340