基于多光谱LIDAR点云的道路网提取
发布时间：2020-12-14 02:17
机载激光雷达技术(LiDAR)能够快速、大范围的获取地球表面的高精度三维点云数据,其获取系统集成了 GPS、IMU、激光扫描仪等仪器设备,而由于其数据的获取方式为主动式获取,对植被等地物具有一定的穿透能力,因此在目标地物三维信息的快速获取方面具有绝对的优势。在获取的众多目标地物中,道路是国民经济基础建设最基本的设施,同时也是最重要的设施之一,道路信息的快速、准确、及时高效的获取与更新对“智慧城市”和“数字交通”的实现和构建具有十分重要的意义。然而现有的基于LiDAR数据提取道路的方法存在着不同材质的道路反射强度不同,城市区域广场、停车场等大面积区域难以进行区分等问题,通常会导致城市道路部分误提取过多等现象。因此,本文综合利用了多光谱机载LiDAR点云的反射强度信息和坐标信息,以快速、准群地获取道路网为目的,开展了以下研究工作:(1)介绍了已有的机载LiDAR数据的滤波方法,并利用已有的方法对多光谱数据进行了滤波处理,在滤波后数据的基础上,对多光谱数据进行了融合,概述了几种多光谱数据融合的方法。(2)对融合后的多光谱点云数据进行了各种统计特征的计算和简单的理解,并通过理论或实验对其作用进...
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图２－２广场和道路的二进制特征??
３．１随机森林分类器简介??随机森林是一种比较新的机器学习模型，可以应用于回归和分类问题，本??文主要基于随机森林进行分类。随机森林是通过随机的方式建立起一个森林，??而森林则是由很多相互之间没有关联、毫无关系的决策树组成。通过训练得到??随机森林之后，当输入一个新的样本，进行类别的判断时，其实际上是通过随??机森林中的每一棵决策树分别进行一下判断，每个决策树都会给出当前样本应??该属于类别的结果，在所有的给出的类别结果中，选择做多的类别就是该样本??进行预测的结果类别，图３－１展示了常见的决策树，它既可以是二叉树，也可??以是非二叉树。随机森林有很多的优点，例如由于两个随机性的引入，使得随??机森林不容易陷入过拟合且具有很好的抗噪声能力；在不做特征选择和特征降??维的情况下，仍然能够处理很高维度的数据特征，而且对数据集的适应能力??强；在创建随机森林的时候，对产生的错误使用的是无偏估计；训练速度快，??实现比较简单，易于并行处理，并且可以检测出特征之间的互相影响。??Ｄｅｐｅｎｄｅｎｔ?ｖａｒｉａｂｌｅ：?ＰＬＡＹ??’??
（１）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３个目标点，如果存在这样的情况，将该点消除；??（２）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３或４个目标点，如果存在这样的情况，将该点消除；??（３）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３，?４，?５个目标点，如果存在这样的情况，将该点消除；??（４）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３，?４，?５，?６个目标点，如果存在这样的情况，将该点消除；??（５）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３，?４，?５，?６，?７个目标点，如果存在这样的情况，将该点消??；??（６）将剩余所有的边界点取消标记，如果在第（５）步中仍然存在着目标??被消除，那么标记出剩余图像的边界点，继续从步骤（１）开始执行，否则，??止迭代，提取完成。??图３－２为利用Ｋ３Ｍ算法进行图像骨架线提取的效果展示。??
【参考文献】：
期刊论文
[1]机载LiDAR点云中道路的提取方法[J]. 惠振阳,胡友健. 测绘科学. 2017(03)
[2]基于GIS淹没模型的城市道路内涝灾害风险区划研究[J]. 叶丽梅,周月华,向华,牛奔,高伟,周羽. 长江流域资源与环境. 2016(06)
[3]架空输电线路机载激光雷达点云电力线三维重建[J]. 林祥国,张继贤. 测绘学报. 2016(03)
[4]机载激光点云数据中电力线自动提取方法[J]. 陈驰,麦晓明,宋爽,彭向阳,徐文学,王珂. 武汉大学学报(信息科学版). 2015(12)
[5]机载激光浅海测深技术的现状和发展[J]. 王越. 测绘地理信息. 2014(03)
[6]机载LiDAR和高光谱数据融合提取冰川雪线[J]. 李光辉,王成,习晓环,郑照军,骆社周,岳彩荣. 国土资源遥感. 2013(03)
[7]外部压力法(EPM)的二值图像骨架提取[J]. 崔雪森,伍玉梅,戴阳,张晶. 计算机工程与应用. 2013(13)
[8]基于机载LiDAR的数字电网巡线应用研究[J]. 蓝增荣,胡庆武,隆华平. 大众科技. 2013(01)
[9]机载LiDAR技术在浙江省滩涂海岸测量中的应用研究[J]. 楼燕敏,吴迪. 测绘通报. 2012(12)
[10]影像与LiDAR数据信息融合复杂场景下的道路自动提取[J]. 李怡静,胡翔云,张剑清,江万寿,张永军. 测绘学报. 2012(06)
博士论文
[1]机载激光扫描点云中目标稳健提取与多细节层次表达[D]. 黄荣刚.武汉大学 2017
硕士论文
[1]基于机载LIDAR数据的城市建筑物提取研究[D]. 赵影.吉林大学 2011
[2]机载LiDAR点云数据分类技术研究[D]. 龚亮.解放军信息工程大学 2011
本文编号：2915616
【文章来源】：武汉大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图２－２广场和道路的二进制特征??
３．１随机森林分类器简介??随机森林是一种比较新的机器学习模型，可以应用于回归和分类问题，本??文主要基于随机森林进行分类。随机森林是通过随机的方式建立起一个森林，??而森林则是由很多相互之间没有关联、毫无关系的决策树组成。通过训练得到??随机森林之后，当输入一个新的样本，进行类别的判断时，其实际上是通过随??机森林中的每一棵决策树分别进行一下判断，每个决策树都会给出当前样本应??该属于类别的结果，在所有的给出的类别结果中，选择做多的类别就是该样本??进行预测的结果类别，图３－１展示了常见的决策树，它既可以是二叉树，也可??以是非二叉树。随机森林有很多的优点，例如由于两个随机性的引入，使得随??机森林不容易陷入过拟合且具有很好的抗噪声能力；在不做特征选择和特征降??维的情况下，仍然能够处理很高维度的数据特征，而且对数据集的适应能力??强；在创建随机森林的时候，对产生的错误使用的是无偏估计；训练速度快，??实现比较简单，易于并行处理，并且可以检测出特征之间的互相影响。??Ｄｅｐｅｎｄｅｎｔ?ｖａｒｉａｂｌｅ：?ＰＬＡＹ??’??
（１）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３个目标点，如果存在这样的情况，将该点消除；??（２）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３或４个目标点，如果存在这样的情况，将该点消除；??（３）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３，?４，?５个目标点，如果存在这样的情况，将该点消除；??（４）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３，?４，?５，?６个目标点，如果存在这样的情况，将该点消除；??（５）对于每一个边界待定目标点（像素值为１，下同），判断其８个领域??是否有连续的３，?４，?５，?６，?７个目标点，如果存在这样的情况，将该点消??；??（６）将剩余所有的边界点取消标记，如果在第（５）步中仍然存在着目标??被消除，那么标记出剩余图像的边界点，继续从步骤（１）开始执行，否则，??止迭代，提取完成。??图３－２为利用Ｋ３Ｍ算法进行图像骨架线提取的效果展示。??
【参考文献】：
期刊论文
[1]机载LiDAR点云中道路的提取方法[J]. 惠振阳,胡友健. 测绘科学. 2017(03)
[2]基于GIS淹没模型的城市道路内涝灾害风险区划研究[J]. 叶丽梅,周月华,向华,牛奔,高伟,周羽. 长江流域资源与环境. 2016(06)
[3]架空输电线路机载激光雷达点云电力线三维重建[J]. 林祥国,张继贤. 测绘学报. 2016(03)
[4]机载激光点云数据中电力线自动提取方法[J]. 陈驰,麦晓明,宋爽,彭向阳,徐文学,王珂. 武汉大学学报(信息科学版). 2015(12)
[5]机载激光浅海测深技术的现状和发展[J]. 王越. 测绘地理信息. 2014(03)
[6]机载LiDAR和高光谱数据融合提取冰川雪线[J]. 李光辉,王成,习晓环,郑照军,骆社周,岳彩荣. 国土资源遥感. 2013(03)
[7]外部压力法(EPM)的二值图像骨架提取[J]. 崔雪森,伍玉梅,戴阳,张晶. 计算机工程与应用. 2013(13)
[8]基于机载LiDAR的数字电网巡线应用研究[J]. 蓝增荣,胡庆武,隆华平. 大众科技. 2013(01)
[9]机载LiDAR技术在浙江省滩涂海岸测量中的应用研究[J]. 楼燕敏,吴迪. 测绘通报. 2012(12)
[10]影像与LiDAR数据信息融合复杂场景下的道路自动提取[J]. 李怡静,胡翔云,张剑清,江万寿,张永军. 测绘学报. 2012(06)
博士论文
[1]机载激光扫描点云中目标稳健提取与多细节层次表达[D]. 黄荣刚.武汉大学 2017
硕士论文
[1]基于机载LIDAR数据的城市建筑物提取研究[D]. 赵影.吉林大学 2011
[2]机载LiDAR点云数据分类技术研究[D]. 龚亮.解放军信息工程大学 2011
本文编号：2915616
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/2915616.html
