用于公路勘察设计的机载LiDAR点云抽稀研究

发布时间：2020-05-22 09:58

【摘要】：在公路建设领域,从公路初建的地形测绘到公路改扩建,机载LiDAR技术都能提供高精度的地形数据,然而,由于公路测区狭长、LiDAR点云密度高等因素,使得机载LiDAR获取的数据量非常庞大,庞大的数据量会影响公路勘察设计中DEM的构建速度、数据交互的难易程度和数据的存储速度,所以对用于公路勘察设计的机载LiDAR点云进行抽稀精简有利于实际工程应用。关于LiDAR点云的抽稀方法,如何在保留地形特征点的同时,保证点位分布的合理性,避免出现大面积的点云空洞,以及提高算法的处理速度,仍然是当下研究的重点与难点。本文主要研究内容如下:(1)总结、分析了规则格网、八叉树和KD树三种海量点云数据空间索引方法的优缺点。结合机载LiDAR点云数据的特点,采用KD树作为本文实验数据的空间索引结构,提高算法处理速度。(2)根据机载LiDAR的工作原理,分析总结其主要的粗差来源,研究采用基于假设检验的方法剔除粗差。(3)提出了基于平均曲率的点云抽稀算法,并利用标记法来解决点云空洞的问题,提高点位分布的合理性,尽可能的保证抽稀后的点云精度。(4)设计开发了点云显示、点云粗差剔除、点云抽稀等功能的软件,并基于实际数据进行点云粗差剔除和抽稀实验,对实验结果进行对比分析。
【图文】：

八叉树,划分图

与数据结构重组法大不相同，规则格网的空间索引方式在数据更八叉树的空间索引属于数据结构重组法[20]。使用八叉树的结构来组织海量空间数据间目标的空间范围，然后设置一个合适大小的外接立方体将整个逻辑上讲这个外接立方体就是八叉树的根结点。然后对外接立方体三个方向上进行均匀划分，于是该外接立方体就被划分成 8 个小立方体为该根结点 8 个子结点。对于这 8 个小的立方体，每一个点一样，继续在三个坐标方向上进行均匀划分，直到满足设定的分。停止划分的小立方体称为八叉树的叶结点，中间被划分的立以八叉树由中间结点（根结点也属于中间结点）和叶结点组成。八叉树的划分过程。

结点,叶结点,最近邻距离,搜索路径

图 2-6 三维 KD 树分割树的搜索查找查找从根结点开始，根据结点的 split 域最终落入到叶结点录查找所经过的结点（搜索路径），设落入的叶结点为当前最中保存的结点，如果有结点与查找点的距离比当前最近邻距然后以当前最近邻距离为半径画圆，如果圆与父结点的分割点的另一孩子结点，如果不相交，则还需要继续向上回溯，，直搜索完成。图 2-7 显示了一颗二维的 KD 树。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U412;P237

【参考文献】