基于机载LiDAR点云数据的城区植被与建筑物提取研究

发布时间：2017-06-21 17:02

  本文关键词：基于机载LiDAR点云数据的城区植被与建筑物提取研究，，由笔耕文化传播整理发布。

【摘要】：机载激光雷达数据的城区植被和建筑物提取是Li DAR技术应用领域中的一个重点,对其进行深入的研究具有极为重要的现实意义和应用价值。由于机载LiDAR点云数据的特点以及城区环境的复杂性等原因,利用机载Li DAR点云数据进行城区植被提取的研究较少。特别是单独利用机载Li DAR数据进行面向对象的建筑物提取的研究相对较少,多数研究将Li DAR点云作为高分辨率遥感影像的辅助数据。为此,本文在对机载LiDAR系统和机载LiDAR数据特点深入分析的基础上,研究了基于机载LiDAR点云数据,重点研究了点云数据滤波方法,基于两次回波高程信息或强度信息提取植被的算法,并以滤波和植被提取结果为前提,设计了一种面向对象的建筑物及植被信息提取策略。具体研究工作主要包括:(1)重点分析了不规则三角网迭代滤波法,针对不规则三角网滤波算法计算复杂问题,提出对种子点及每一步滤波处理的结果进行融合区域增长的改进不规则三角网滤波算法,并综合利用Li DAR点云首次和末次回波脚点数据各自的优势,提出在首次回波脚点中进行种子点选取,在末次回波脚点中进行后续滤波处理,最后进行了实验验证。(2)提出了基于机载LiDAR点云数据植被提取的方法。首先,针对利用机载Li DAR首尾两次回波高程之差提取植被信息的方法中建筑物的边缘容易错分为植被的问题,提出利用坡度信息定位边缘,并通过强度信息对边缘处的非植被点进行识别剔除,可有效地区分建筑物边缘区域和植被区域。提出了直接利用首尾两次回波强度之差提取植被信息,经过实验数据的验证,得出该方法提取植被的效果较好。(3)设计了一种新的面向对象的建筑物提取策略。首先利用滤波出的地面点生成数字高程模型DEM,将数字表面模型DSM与DEM的差值影像nDSM作为建筑物提取的基础影像,以此保证建筑物提取时不受地形起伏的影响;利用提取的植被结果将基础影像nDSM分割出植被区域和非植被区域,对非植被区域融合canny算子检测的边缘信息进行多尺度过分割,然后对高度值相差较小的邻近分割对象予以合并达到对分割结果的优化处理,最后利用对象的高度值、面积以及邻近对象间的关系等特征,基于面向对象的分类方法完成建筑物的提取。
【关键词】：机载激光雷达 点云数据 植被提取 建筑物提取 面向对象
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-16
• 变量注释表16-17
• 1 绪论17-26
• 1.1 研究的背景与选题依据17-18
• 1.2 国内外研究进展18-23
• 1.3 研究目标23
• 1.4 研究内容与章节安排23-26
• 2 机载LiDAR技术原理及数据特点26-37
• 2.1 机载LiDAR系统组成、原理及特点26-31
• 2.2 机载LiDAR数据31-36
• 2.3 本章小结36-37
• 3 融合区域增长的不规则三角网LiDAR点云滤波算法37-52
• 3.1 机载LiDAR数据滤波原理37-39
• 3.2 经典的LiDAR数据滤波方法39-41
• 3.3 融合区域增长的不规则三角网滤波算法41-45
• 3.4 实验与分析45-51
• 3.5 本章小结51-52
• 4 基于两次回波高程差或强度差提取植被52-63
• 4.1 改进的基于两次回波高程差植被提取算法52-56
• 4.2 基于两次回波强度差植被提取算法56-57
• 4.3 实验与分析57-62
• 4.4 本章小结62-63
• 5 基于面向对象的机载LiDAR数据建筑物提取63-83
• 5.1 面向对象的方法相关理论63-68
• 5.2 建筑物提取策略68-69
• 5.3 nDSM与边缘信息的获取69-71
• 5.4 本文多尺度分割策略71-76
• 5.5 实验与结果分析76-81
• 5.6 本章小结81-83
• 6 结论与展望83-86
• 6.1 结论83
• 6.2 论文创新点83-84
• 6.3 展望84-86
• 参考文献86-94
• 作者简历94-96
• 学位论文数据集96

【相似文献】

中国期刊全文数据库 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 刘志军;;基于三坐标测量机的点云数据测量规划研究[J];黑龙江科技信息;2008年20期

3 张会霞;;基于八叉树的点云数据的组织与可视化[J];太原师范学院学报(自然科学版);2011年03期

4 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

5 徐伟恒;冯仲科;苏志芳;胥辉;焦有权;邓欧;;一种基于三维激光点云数据的单木树冠投影面积和树冠体积自动提取算法[J];光谱学与光谱分析;2014年02期

6 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

7 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

8 喜文飞;方源敏;李帅;李健;;一种新的激光点云数据精简方法[J];测绘工程;2012年04期

9 何丽;李嘉;郑德华;;基于栅格的点云数据的边界探测方法[J];测绘工程;2013年03期

10 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

中国重要会议论文全文数据库 前10条

1 闫龙;;摄影测量点云数据精简研究[A];第二十九届中国控制会议论文集[C];2010年

2 吴美金;;基于薄壁构件的点云数据提取[A];全国射线数字成像与CT新技术研讨会论文集[C];2009年

3 段文国;张爱武;蔡广杰;;基于VTK的点云数据绘制研究与实现[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 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

5 张伟忠;张顺海;于德敏;;点云数据与建模软件的接口设计[A];全国第13届计算机辅助设计与图形学（CAD/CG）学术会议论文集[C];2004年

6 吕琼琼;杨晓晖;杨唐文;韩建达;庄严;;激光雷达点云数据的三维建模技术[A];2009年中国智能自动化会议论文集（第二分册）[C];2009年

7 刘佳;张爱武;杨丽萍;;室内场景激光点云数据的三维建模[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

8 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

9 黄承亮;吴侃;刘虎;;基于三维TIN的格网化点云数据特征提取[A];数字测绘与GIS技术应用研讨交流会论文集[C];2008年

10 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

中国博士学位论文全文数据库 前10条

1 赵江洪;古建筑散乱点云基准面的提取与拟合[D];武汉大学;2012年

2 谷晓英;三维重建中点云数据处理关键技术研究[D];燕山大学;2015年

3 胡峰俊;三维离散点云数据的预处理和配准技术研究[D];浙江工业大学;2015年

4 董秀军;三维空间影像技术在地质工程中的综合应用研究[D];成都理工大学;2015年

5 李晓捷;基于深度相机的三维人体重建及在服装展示方面的技术研究[D];天津工业大学;2016年

6 张坤;基于三维激光扫描的点云数据逆向重建算法研究[D];燕山大学;2016年

7 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

8 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

9 赵煦;基于地面激光扫描点云数据的三维重建方法研究[D];武汉大学;2010年

10 张会霞;三维激光扫描点云数据组织与可视化研究[D];中国矿业大学（北京）;2010年

中国硕士学位论文全文数据库 前10条

1 张磊;大型钢结构建筑安装质量检测与变形监测软件系统设计与实现[D];北京建筑大学;2015年

2 饶杰;基于激光点云数据的建筑物快速三维建模[D];中国地质大学(北京);2015年

3 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

4 谢金坤;基于事故车辆车身变形的碰撞速度研究[D];长安大学;2015年

5 顾品荧;基于点云数据的基本款女西装样板生成系统研究[D];苏州大学;2015年

6 李国瑞;车载LiDAR点云中的车辆自动检测技术[D];长安大学;2015年

7 江静;建筑物LiDAR点云数据特征检测及配准关键技术研究[D];集美大学;2015年

8 梁子瑜;基于TLS点云数据的林分调查因子测定及收获估计[D];南京林业大学;2015年

9 喻W毶

本文编号：469307