基于无人机摄影测量点云滤波算法研究

发布时间：2020-10-31 20:01

　　 无人机低空摄影测量技术能够通过少量地面控制点快速高效的获取大量测区点位坐标、DSM、DOM等数据,其在测绘领域的不断发展完善,正在一步步替代传统测量手段,已经成为测绘领域的中坚力量。随着倾斜摄影测量技术的发展,通过无人机影像密集匹配点云数据的精度不断提高,相较于LIDAR点云成本大大降低。但无人机影像密集匹配点云数据量大且密度不均匀,为获取高精度的DEM就需要将大量地物点去除,现行的滤波算法或多或少的存在着一些问题,本文在分析机载LIDAR点云与无人机影像匹配点云的异同后,对于经典的LIDAR点云滤波算法进行改进,使其适用于无人机影像密集匹配点云。主要成果如下:点云粗差剔除主要分为极值粗差点剔除和一般粗差点剔除两部分,极值粗差点通过基于高程统计的方法进行粗差点的剔除。对于一般粗差点,讨论了当前主流的粗差剔除方法:基于虚拟格网高程信息的粗差剔除、基于k-d树索引的k邻近距离的粗差剔除;发现这两种方法很难满足建筑物边缘点位众多且点云密度不均匀的无人机影像密集匹配点云。本文通过引入LOF算法进行无人机影像密集匹配点云的粗差剔除,LOF算法是基于局部密度的离群点检测方法,适合于密度存在差异的数据中的离群值识别,通过实验表明:在参数k值合理的情况下,基于LOF的离群点检测方法能够剔除较少的地面点。在点云滤波中,本文基于渐进加密三角网的点云滤波算法进行改进。在种子点选择中,原始算法通过研究区最大建筑物尺寸将研究区进行格网划分,本文参照移动面的滤波方法,将固定格网变为不断移动的虚拟格网,这种方法能够提取更多的地面种子点,大大提高了后续的迭代效率。阈值的选择中引入了OTSU算法,通过计算每个初始TIN中的待定点到TIN的距离来计算距离阈值,并通过地面种子点来计算坡度阈值。
【学位单位】：中国矿业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：P231
【文章目录】：
致谢
摘要
abstract
变量注释表Ⅻ
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 研究内容
    1.4 论文组织结构
2 点云数据获取及其特点
    2.1 机载LIDAR获取点云
    2.2 无人机影像密集匹配点云获取
    2.3 无人机影像密集匹配点云与LIDAR点云对比
    2.4 本章小结
3 点云粗差剔除
    3.1 基于高程统计的极值粗差点剔除
    3.2 一般粗差点剔除
    3.3 本章小结
4 改进的点云滤波算法
    4.1 点云滤波算法概述
    4.2 改进的渐进加密三角网的点云滤波
    4.3 本章小结
5 实验验证
6 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历
学位论文数据集

【相似文献】

相关期刊论文 前10条

1 王雯;任小玲;陈逍遥;;一种改进的区域增长彩色3D点云分割算法[J];国外电子测量技术;2018年11期

2 陈华臻;高健;;面向反光工件点云缺陷的点云增强算法[J];计算机辅助设计与图形学学报;2019年07期

3 马东岭;王晓坤;李广云;;一种基于高度差异的点云数据分类方法[J];测绘通报;2018年06期

4 杨泽鑫;程效军;丁琼;程小龙;;面向室内场景点云的对象重建[J];测绘通报;2017年06期

5 翁福洲;黄鹤;;快速点云定向数学模型实际精度分析[J];北京测绘;2017年04期

6 琚俏俏;王令文;;基于自适应切片的点云压缩算法[J];工程勘察;2017年09期

7 许宁;钟友玲;;地面三维激光扫描点云重建技术研究[J];数码世界;2017年08期

8 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

9 徐守乾;朱延娟;;稀疏点云的曲面重构[J];中国制造业信息化;2011年03期

10 梁新合;梁晋;郭成;曹巨明;;法向约束的多幅点云数据融合算法[J];西安交通大学学报;2009年05期

相关博士学位论文 前10条

1 赵宗泽;基于数学形态学的机载LiDAR点云建筑物区域提取[D];武汉大学;2016年

2 魏崇阳;城市环境中基于三维特征点云的建图与定位技术研究[D];国防科学技术大学;2016年

3 奚以成;基于机载LiDAR技术的城市智能感知与变化检测技术研究[D];沈阳农业大学;2018年

4 宋孟肖;LiDAR点云辅助的城区航空影像空中三角测量[D];武汉大学;2018年

5 李明磊;激光扫描点云的线结构提取与应用研究[D];战略支援部队信息工程大学;2017年

6 曹如军;基于机载LiDAR点云的建筑屋顶三维重建[D];武汉大学;2017年

7 黄鹏頔;三维激光扫描点云典型场景可见性分析方法研究[D];厦门大学;2017年

8 罗欢;高分辨率激光扫描点云语义标注研究[D];厦门大学;2017年

9 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

10 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

相关硕士学位论文 前10条

1 汪霞;融合序列影像的激光点云三维实景建模[D];中国矿业大学;2019年

2 段志鑫;三维激光扫描数据精简、表面重构方法及应用研究[D];中国矿业大学;2019年

3 帅炜;基于多种类型特征约束的LiDAR点云配准算法研究[D];中国矿业大学;2019年

4 崔绍臣;三维点云数据处理系统设计与开发[D];吉林大学;2019年

5 陈哲;应用于无人驾驶的视觉定位关键技术研究[D];吉林大学;2019年

6 杨礼;融合UAV遥感影像与SFM点云的树木识别及参数提取[D];河南理工大学;2018年

7 郭强;基于激光雷达的车前地形复现关键技术研究[D];吉林大学;2019年

8 孔威;基于WEB的三维点云重建研究与实现[D];云南大学;2018年

9 李沛婷;荒漠植被区机载LiDAR点云生成DEM算法研究[D];石河子大学;2019年

10 彭信杰;基于深度点云卷积神经网络DPCNet的三维场景分割[D];河南大学;2019年

本文编号：2864440