基于最小二乘法的激光雷达数据滤波方法
本文选题：激光雷达 + 滤波 ； 参考：《科学技术与工程》2014年33期
【摘要】：最小二乘算法在"等权"的条件下进行,不具有先验知识,不适用地形复杂的区域。针对此问题,提出了一种改进的基于最小二乘的激光雷达(light detection and ranging,Li DAR)数据滤波方法。首先对离散点高程进行腐蚀操作,将得到的高程与原始高程相比,选取小于阈值条件的点作为种子点。其次根据腐蚀前后的高程差值赋予点不同的权重,利用最小二乘原理拟合这些种子点,计算所有点的拟合值与实际高程的差;特定阈值比较并将小于阈值的点加入种子点,迭代至地面点集不再变化。利用国际摄影测重与遥感学会(international society for photogrammetry and remote sensing,ISPRS)提供的数据进行实验,滤波总误差小于经典算法。实验结果表明算法能够较好的滤除地物,适用于地形复杂的区域。
[Abstract]:The least squares algorithm is carried out under the condition of equal weight without prior knowledge and is not suitable for regions with complicated terrain. In order to solve this problem, an improved least-squares based data filtering method for lidar (light detection and arranging Li Dar is proposed. Firstly, the discrete point height is corroded, and the obtained height is compared with the original height, and the point less than the threshold condition is selected as the seed point. Secondly, according to the difference of elevation before and after corrosion, the points are given different weights, the least square principle is used to fit these seed points, and the difference between the fitting value and the actual height is calculated, and the specific threshold is compared and the points less than the threshold are added to the seed points. Iteration to the ground point set does not change. Using the data provided by the International Society of Photogrammetry and remote Sensing (international society for photogrammetry and remote sensing ISPRS), the total filtering error is smaller than that of the classical algorithm. The experimental results show that the algorithm can filter ground objects well and is suitable for complex terrain areas.
【作者单位】： 空军工程大学信息与导航学院;
【基金】：国家自然科学基金项目(61175029) 陕西省自然科学基金(2011JM8015)资助
【分类号】：TN958.98
【参考文献】
相关期刊论文 前5条
1 张熠斌;隋立春;曲佳;柳艳;;基于数学形态学算法的机载LiDAR点云数据快速滤波[J];测绘通报;2009年05期
2 隋立春;张熠斌;柳艳;曲佳;李伟;王蒙;李智临;;基于改进的数学形态学算法的LiDAR点云数据滤波[J];测绘学报;2010年04期
3 靳生洪;杨鸿海;王莲玉;;基于格网化LIDAR点云数据坡度滤波方法的研究[J];测绘与空间地理信息;2013年06期
4 ;中国核电设备制造业迎来千亿商机[J];环境;2007年01期
5 苏伟;孙中平;赵冬玲;孙崇利;张超;杨建宇;;多级移动曲面拟合LIDAR数据滤波算法[J];遥感学报;2009年05期
【共引文献】
相关期刊论文 前10条
1 靳克强;龚志辉;王勃;汤志强;;机载激光雷达数据提取DEM的关键技术分析[J];测绘工程;2010年06期
2 邱赞富;阳德胜;;再次改正LIDAR点云高程的方法[J];测绘工程;2011年04期
3 罗伊萍;姜挺;王鑫;张锐;罗胜;;基于数学形态学的LiDAR数据滤波新方法[J];测绘通报;2011年03期
4 李鹏程;王慧;刘志青;闸旋;;一种从机载LiDAR点云数据获取DEM的方法[J];测绘通报;2012年05期
5 宋宏权;刘学军;闾国年;甄艳;;地理参考下未标定图像序列的三维点云精度分析[J];测绘通报;2012年07期
6 隋立春;杨耘;;基于car(p,q)模型和数学形态学理论的LiDAR点云数据滤波[J];测绘学报;2012年02期
7 门林杰;潘中华;张阳阳;李夕明;;基于改进的坡度滤波算法的LiDAR数据滤波[J];测绘信息与工程;2011年02期
8 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
9 宁亚飞;吴笑天;张海涛;徐巍;;基于虚拟三角网与坡度滤波的LIDAR点云数据滤波方法的研究[J];工程地球物理学报;2012年05期
10 杨必胜;董震;魏征;方莉娜;李汉武;;从车载激光扫描数据中提取复杂建筑物立面的方法[J];测绘学报;2013年03期
相关会议论文 前3条
1 赵春晖;段德磊;徐春;陈鸿兴;白明启;;初探LiDAR技术在电力巡线中的应用[A];2011年云南电力技术论坛论文集（入选部分）[C];2011年
2 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
3 邵瀚;;复杂场景下利用机载LIDAR数据提取建筑物信息的研究[A];贵州省岩石力学与工程学会2014年学术年会论文集[C];2014年
相关博士学位论文 前9条
1 罗伊萍;LIDAR数据滤波和影像辅助提取建筑物[D];解放军信息工程大学;2010年
2 周晓明;机载激光雷达点云数据滤波算法的研究与应用[D];解放军信息工程大学;2011年
3 梁玉斌;面向建筑测绘的地面激光扫描模式识别方法研究[D];武汉大学;2013年
4 李峰;机载LiDAR点云的滤波分类研究[D];中国矿业大学（北京）;2013年
5 董保根;机载LiDAR点云与遥感影像融合的地物分类技术研究[D];解放军信息工程大学;2013年
6 隋春红;以多酸为基础制备一维纳米复合材料及性质研究[D];吉林大学;2014年
7 赵明波;激光成像雷达地面遮蔽目标检测方法研究[D];国防科学技术大学;2013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 王加美;转Bt基因水稻对几种代表性水生生物的影响[D];扬州大学;2014年
相关硕士学位论文 前10条
1 马剑;机载LiDAR数据插值方法研究[D];河南理工大学;2010年
2 陈磊;基于机载LiDAR和高分辨率遥感影像的城区建筑物提取研究[D];南京大学;2011年
3 王們們;机载LiDAR点云数据滤波算法研究[D];长安大学;2011年
4 龚亮;机载LiDAR点云数据分类技术研究[D];解放军信息工程大学;2011年
5 靳克强;机载激光雷达数据滤波生成DEM技术研究[D];解放军信息工程大学;2011年
6 梁策;基于LiDAR数据获取铁路纵横断面的方法研究[D];西南交通大学;2010年
7 张熠斌;机载LiDAR点云数据处理理论及技术研究[D];长安大学;2010年
8 赵振峰;基于机载LiDAR点云的道路提取研究[D];昆明理工大学;2012年
9 李r，
本文编号：2082365
本文链接：https://www.wllwen.com/kejilunwen/wltx/2082365.html
