基于地形复杂度的LiDAR点云简化方法研究

发布时间：2017-07-17 13:28

  本文关键词：基于地形复杂度的LiDAR点云简化方法研究

  更多相关文章： LiDAR 点云简化 地形复杂度 主成分分析 DEM

【摘要】：LiDAR(Light Detection and Ranging)是一种利用全球定位系统、惯性测量装置、激光扫描测距系统和成像装置,对被测物体表面信息进行测量的技术。作为一种新兴技术,LIDAR技术具有自动化程度高、数据生产周期短、受外界环境影响小、精度较高等优点。但是LiDAR技术获取的点云数据量巨大,在构建不同尺度的DEM时,大量的点云数据对于提高DEM精度没有明显的作用,反而会导致数据处理速度急速下降。因此对LiDAR点云数据进行抽稀简化很有必要。在LiDAR点云简化过程中,点的取舍准则直接决定保留点的分布和质量状况。一般情况下,点的取舍准则是基于地形特征设定的。目前大多数的LiDAR点云简化算法都是基于单一地形特征因子实现点云简化,但是单一地形特征因子无法全面综合地描述地形特征,故提出一个可以综合评判地形特征的地形复杂度指标是至关重要的。本文选取坡度S、地形起伏度Cur、地形粗糙度Rel和全曲率Rou四个单一地形因子指标,采用主成分分析方法,提出地形复杂度指标模型,构建了一个地形复杂度指标C,并得到C与S、Cur、Rel口Rou之间的经验公式。选取具有典型地形特征的实验区域,计算C,得到C与地形特征的对应关系。最后选取实验区域对地形复杂度指标与地形特征之间的对应关系进行验证,实验结果表明,构建的地形复杂度指标能够有效地描述地形特征,且与地形特征之间的对应关系是合理的。基于构建的地形复杂度指标C,本文提出了一种新的LiDAR点云简化方法TCthin。TCthin方法根据设计的点云采样准则,基于包围盒算法原理实现点云简化。实现思路是首先基于低分辨率DEM计算C值；然后根据目标简化尺度对LiDAR点云数据划分简化格网,并与C值相关联；最后根据C值决定点云的取舍,当0=C0.5时,每个简化格网上保留高程Z均值点,当0.5=C
【关键词】：LiDAR 点云简化 地形复杂度 主成分分析 DEM
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：P237;P208
【目录】：

• 摘要6-8
• Abstract8-12
• 第1章 绪论12-21
• 1.1 研究背景12-13
• 1.2 研究现状13-17
• 1.2.1 点云简化方法研究进展13-16
• 1.2.2 地形复杂度研究进展16-17
• 1.3 研究目标、研究内容及技术路线17-19
• 1.4 论文组织结构19-21
• 第2章 地形复杂度模型21-27
• 2.1 地形复杂度模型构建方法21-23
• 2.2 地形复杂度模型中单一地形因子选取23-26
• 2.2.1 单一地形因子选取准则23
• 2.2.2 单一地形因子选取23-26
• 2.3 地形复杂度数学模型26
• 2.4 本章小结26-27
• 第3章 地形复杂度模型解算及实验验证27-32
• 3.1 地形复杂度模型解算步骤27
• 3.2 地形复杂度模型解算实验过程及结果27-30
• 3.3 地形复杂度指标与地形的关系30
• 3.4 地形复杂度指标适用性验证30-31
• 3.5 本章小结31-32
• 第4章 基于地形复杂度的LiDAR点云简化方法32-40
• 4.1 LiDAR点云简化准则与方法32-34
• 4.1.1 点云简化准则32
• 4.1.2 常用点云简化方法32-33
• 4.1.3 点云简化效果评价方法33-34
• 4.2 TCthin点云简化方法34-38
• 4.2.1 TCthin点云采样规则设计34-36
• 4.2.2 TCthin点云简化基本思路36
• 4.2.3 TCthin点云简化流程36-37
• 4.2.4 TCthin点云简化效果评价方法37-38
• 4.3 编程实现TCthin点云简化方法38-39
• 4.5 本章小结39-40
• 第5章 TCthin方法点云简化实验与效果分析40-51
• 5.1 实验设计40-41
• 5.2 实验数据与处理41-46
• 5.2.1 实验区域概述41-43
• 5.2.2 数据预处理43-45
• 5.2.3 三种简化方法参数设置45-46
• 5.3 点云简化程度分析46-47
• 5.4 点云简化质量评价47-50
• 5.5 本章小结50-51
• 结论与展望51-53
• 研究结论51-52
• 研究展望52-53
• 致谢53-54
• 参考文献54-58
• 攻读学位期间发表的论文及科研成果58

【相似文献】

中国期刊全文数据库 前10条

1 高恩阳;郑昊鸿;;点云数据滤波方法综述[J];科技资讯;2012年33期

2 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

3 赵强;彭国华;王锋;;点云精简的一种方法[J];西南民族大学学报(自然科学版);2006年05期

4 李德江;张延波;于曼竹;姜丽丽;曲雪光;;基于扫描模式的点云修复技术研究[J];测绘与空间地理信息;2011年06期

5 蔡来良;李儒;;点云数据处理算法与实现初步研究[J];测绘通报;2012年S1期

6 詹庆明;张海涛;喻亮;;古建筑激光点云-模型多层次一体化数据模型[J];地理信息世界;2010年04期

7 曾敬文;朱照荣;丁锐;;基于立方体网格的数据点云约简和体积计算方法[J];测绘科学;2008年06期

8 杨欣;姚海燕;;平面点云边界参数识别[J];中国西部科技;2009年27期

9 孙瑞;张彩霞;;点云数据压缩算法综述[J];科技信息;2010年32期

10 张毅;闫利;;地面激光点云强度噪声的三维扩散滤波方法[J];测绘学报;2013年04期

中国重要会议论文全文数据库 前10条

1 李文涛;韦群;杨海龙;;基于图像的点云生成和预处理[A];2011年全国通信安全学术会议论文集[C];2011年

2 蔡来良;李儒;;点云数据处理算法与实现初步研究[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

3 马国庆;陶萍萍;杨周旺;;点云空间曲线的微分信息计算及匹配方法[A];第四届全国几何设计与计算学术会议论文集[C];2009年

4 江倩殷;刘忠途;李熙莹;;一种有效的点云精简算法[A];第十五届全国图象图形学学术会议论文集[C];2010年

5 解辉;张爱武;孟宪刚;;机载激光点云快速绘制方法[A];第二十五届全国空间探测学术研讨会摘要集[C];2012年

6 李凯;张爱武;;基于激光点云的粮仓储粮数量测量方法[A];第二届“测绘科学前沿技术论坛”论文精选[C];2010年

7 朱晓强;余烨;刘晓平;袁晓辉;Bill P.Buckles;;基于航拍图像和LiDAR点云的城市道路提取[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（上册）[C];2008年

8 刘虎;;基于线性八叉树的点云简化与特征提取研究[A];促进科技经济结合，，服务创新驱动发展——蚌埠市科协2012年度学术年会论文集[C];2012年

9 李滨;王佳;;基于点云的建筑测绘信息提取[A];第四届“测绘科学前沿技术论坛”论文精选[C];2012年

10 杨雪春;;反求工程建模中点云切片技术研究[A];全国先进制造技术高层论坛暨第八届制造业自动化与信息化技术研讨会论文集[C];2009年

中国重要报纸全文数据库 前2条

1 曹裕华 高化猛 江鸿宾;激光点云 亦真亦幻[N];解放军报;2013年

2 中国工程院院士 刘先林;四维远见的装备创新[N];中国测绘报;2012年

中国博士学位论文全文数据库 前10条

1 彭检贵;融合点云与高分辨率影像的城区道路提取与表面重建研究[D];武汉大学;2012年

2 刘涌;基于连续序列自动快速拼接的全方位三维测量技术研究[D];西南交通大学;2013年

3 袁小翠;产品表面缺陷视觉检测数据处理关键技术研究[D];南昌大学;2015年

4 赖祖龙;基于LiDAR点云与影像的海岸线提取和地物分类研究[D];武汉大学;2013年

5 王瑞岩;计算机视觉中相机标定及点云配准技术研究[D];西安电子科技大学;2015年

6 韩峰;基于点云信息的既有铁路状态检测与评估技术研究[D];西南交通大学;2015年

7 金龙存;3D点云复杂曲面重构关键算法研究[D];上海大学;2012年

8 李扬彦;基于点云的三维重建与形变事件分析[D];中国科学院深圳先进技术研究院;2013年

9 杨德贺;面向虚拟测方系统的点云聚类与拟合理论[D];中国矿业大学（北京）;2014年

10 何朝明;离散点云处理的关键技术研究[D];西南交通大学;2007年

中国硕士学位论文全文数据库 前10条

1 段红娟;点云图像交互式曲线骨架提取技术及其应用[D];西南交通大学;2015年

2 张永恒;散乱点云数据配准方法研究[D];长安大学;2015年

3 吴爱;面向特征拟合的点云简化方法研究[D];中国地质大学(北京);2015年

4 薛广顺;基于立体视觉的牛体点云获取方法研究与实现[D];西北农林科技大学;2015年

5 吕超;异型面工件定位装配系统测控技术研究[D];北京交通大学;2016年

6 刘婷玉;基于逆向工程的曲面模型数字化技术研究[D];华东理工大学;2016年

7 罗寒;地面激光扫描三维模型重建技术研究[D];东华理工大学;2016年

8 刘群;基于小光斑机载LiDAR数据的单木三维分割[D];北京林业大学;2016年

9 张巍;基于深度相机Kinect的植物叶片重建研究[D];江苏大学;2016年

10 谢颖;基于三维激光扫描的粮仓储量测量中点云数据处理技术的研究[D];华东师范大学;2016年

本文编号：553836