基于LiDAR技术的城市植被三维结构信息提取

发布时间：2017-09-28 23:06

  本文关键词：基于LIDAR技术的城市植被三维结构信息提取

  更多相关文章： LiDAR技术 城市植被 结构信息表征 三维信息识别 结构信息提取

【摘要】：论文依据国土资源部公益性行业科研专项项目课题“土地动态监测监察技术研究”(201011015-1)的需求,开展低空遥感技术应用方面的研究。在南京市建成区中选择具有三维结构层次特点的典型植被绿化区,利用机载激光雷达(Light Detection and Ranging, LiDAR)采集的激光点云数据和车载扫描仪的激光点云数据,在研究LiDAR技术对植被三维结构表征的基础上,使用基于激光强度分类植被、点云三维空间聚类以及变化阈值搜索等方法,进行城市植被三维结构信息识别与提取研究。 城市植被作为生态城市评价指标的重要组成部分,一直受到学者关注。利用遥感影像提取城市植被的三维结构信息,是一个难以解决的问题。LiDAR技术对植被具有垂直方向探测能力,可以提取城市植被三维结构信息,在理论、方法和应用等方面值得深入研究和探讨。因此,论文主要研究内容与结论如下： 1.基于植被结构特点和LiDAR技术探测植被特征,阐述LiDAR植被三维结构图像表征。LiDAR技术具有良好的城市植被垂直探测能力。通过分析LiDAR点云回波特征,发现研究区域的植被点云中12.82%具有穿透性的向探测能力,具备探测高大植被下面低矮植被的基础。根据LiDAR点云对城市植被三维结构信息的描述,论文提出“两层一带双界面”的概念：“两层”即乔木层和灌木层,“一带”即分隔两层的“分隔带”,“双界面”即植被的下界面——数字高程模型(DEM)和上界面——数字表面模型(DSM),用此阐明LiDAR点云对植被的三维图像表征。并且采用车载激光扫描和实地测量两种方法验证机载激光点云表征植被“双界面”的数学精度：1)LiDAR提取的DEM的中误差为0.07m；2)机载LiDAR对DSM的描述平均比实际低0.28m,最大误差为1.87m。对于人造地物,高程值误差不大。针对城市植被的生长和分布特点,提出植被分布、树冠边缘、树冠形状、树高和灌木高等五个描述城市植被三维结构的参数,为下一步信息识别与提取奠定理论基础。 2.根据LiDAR植被三维结构图像表征,进行城市植被三维结构信息识别。识别城市植被三维结构关键是获得植被的分隔带。识别分隔带需要首先对LiDAR点云进行基本分类。论文提出基于激光点云强度的分类方法,简化复杂的数学计算,有效区分植被点和非植被点。然后使用变化窗口和变化阈值的算法,获得高大植被和低矮之间的三维分隔带,进而识别出乔木层和灌木层。用现场调查方法验证识别结果显示：乔木层点的正确率为97.13%,灌木层点的正确率为77.63%。在此基础上,采用一定规则下的局部最大值窗口搜索潜在的树冠顶点方法获得树高的识别结果,并采用信息修补的内插方法来识别被树遮挡的灌木的高度,识别出乔木和灌木两种植被类型。 3.在城市植被三维结构识别结果的基础上,进行城市植被三维结构信息提取。植被三维结构信息提取,分为两个方面：植被平面结构信息提取和垂直结构信息提取。首先从水平方向提取植被轮廓、乔木和灌木。建筑、道路和水体等非植被占据的空间为“植被空洞”,提取出植被空洞就能得到植被的分布轮廓。利用点云的分布规律和强度信息提取道路；采用点云先分离后组合的方法提取乔木层,再基于树顶点云是树木最高点的假设,根据LiDAR数据树冠边缘能够部分实例化的特点用变化阈值搜索方法提取乔木。采用内插方法提取出灌木冠顶曲面,其结果与现场测量结果比较,LiDAR提取的灌木高度的中误差为0.18m。结合植被平面的分布,提取植被垂直结构信息。提出改进的反距离权重邻域内插算法提取植被垂直上表面(又为“归一化数字表面模型,nDSM")。采用三维空间聚类和变化窗口极大值搜索两者相结合的方法提取树高,其结果与实际测量结果比较显示：LiDAR提取值平均低0.27m,最大误差为-0.89m；树干位置偏差平均0.74m,最大为3.04m。最后,用混合驱动模型拟合树冠的三维形状,提取结果用抽样量测方法评估,发现LiDAR技术对树冠的形状判断基本准确,但对树冠直径的估计值中存在误差。 论文应用LiDAR新型遥感技术对城市植被覆盖进行三维空间分布研究,并对植被三维结构进行识别与提取。在垂直方向有部分遮挡条件下,利用有效的计算方法,获取城市植被的三维空间结构定量特征值。本研究结果对于城市植被的统计和管理具有重要的理论意义和应用价值。LiDAR技术需要进一步提高其提取植被三维结构信息的效率和精度,从而使其应用更为广泛和深入。
【关键词】：LiDAR技术 城市植被 结构信息表征 三维信息识别 结构信息提取
【学位授予单位】：南京大学
【学位级别】：博士
【学位授予年份】：2012
【分类号】：Q948
【目录】：

• 摘要4-6
• ABSTRACT6-9
• 目录9-11
• 图录11-12
• 表录12-13
• 第一章 绪论13-32
• 1.1 选题的背景与课题支撑13-15
• 1.2 研究的目的与科学意义15-16
• 1.3 国内外研究进展16-27
• 1.3.1 国外研究进展16-22
• 1.3.2 国内研究进展22-27
• 1.3.3 存在的问题27
• 1.4 研究内容与技术路线27-30
• 1.4.1 研究内容27-28
• 1.4.2 技术路线28-30
• 1.5 论文组织结构30-32
• 第二章 研究区概况与数据资料32-37
• 2.1 研究区概况32-34
• 2.1.1 自然地理概况32-33
• 2.1.2 地物分布特征33-34
• 2.2 数据资料34-37
• 2.2.1 机载LiDAR数据34-35
• 2.2.2 车载LiDAR数据35-37
• 第三章 LIDAR植被结构图像表征37-53
• 3.1 植被三维结构表述37-45
• 3.1.1 植被结构参数37-39
• 3.1.2 植被结构表达39-45
• 3.2 LIDAR垂直探测植被的特征45-53
• 3.2.1 LiDAR垂直探测植被的特征45-50
• 3.2.2 LiDAR垂直探测能力分析50-53
• 第四章 植被三维结构信息识别53-81
• 4.1 LIDAR数据预处理53-67
• 4.1.1 LiDAR数据去除噪声54-55
• 4.1.2 LiDAR点云分类55-67
• 4.2 植被层识别67-75
• 4.2.1 分层特征识别67-70
• 4.2.2 植被分层带识别70-75
• 4.3 植被类型识别75-81
• 4.3.2 乔木识别75-78
• 4.3.3 灌木识别78-81
• 第五章 植被三维结构信息提取81-102
• 5.1 平面结构信息提取81-92
• 5.1.1 平面轮廓提取81-85
• 5.1.2 乔木提取85-89
• 5.1.3 灌木提取89-92
• 5.2 垂直结构信息提取92-102
• 5.2.1 植被垂直轮廓提取92-94
• 5.2.2 树高提取94-98
• 5.2.3 树冠形状提取98-102
• 第六章 结论与展望102-105
• 6.1 结论102-103
• 6.2 创新点103-104
• 6.3 展望104-105
• 参考文献105-117
• 攻读博士学位期间主要科研成果117-119
• 致谢119-120

【参考文献】

中国期刊全文数据库 前10条

1 冯仲科;杨伯钢;罗旭;韩光瞬;张保钢;;应用LIDAR技术预测林分蓄积量[J];北京林业大学学报;2007年S2期

2 刘永霞;胡涌;冯仲科;;基于LIDAR数据的林冠层三维信息模型的提取与应用[J];北京林业大学学报;2007年S2期

3 杨伯钢;冯仲科;罗旭;祝晓坤;董明;全明玉;韩光瞬;;LIDAR技术在树高测量上的应用与精度分析[J];北京林业大学学报;2007年S2期

4 刘清旺;李增元;陈尔学;庞勇;武红敢;;利用机载激光雷达数据提取单株木树高和树冠[J];北京林业大学学报;2008年06期

5 唐菲菲;刘经南;张小红;阮志敏;;基于体素的森林地区机载LiDAR数据DTM提取[J];北京林业大学学报;2009年01期

6 王晓辉;胡伍生;刘行波;;LiDAR系统测量成果精度检测[J];测绘工程;2007年03期

7 王大莹;程新文;潘慧波;陈晓倩;;基于最佳阈值形态学方法对机载LiDAR数据进行边缘提取[J];测绘工程;2009年02期

8 张小红,刘经南;机载激光扫描测高数据滤波[J];测绘科学;2004年06期

9 张小红;;利用机载LIDAR双次回波高程之差分类激光脚点[J];测绘科学;2006年04期

10 李卉;李德仁;黄先锋;钟成;;一种渐进加密三角网LIDAR点云滤波的改进算法[J];测绘科学;2009年03期

中国博士学位论文全文数据库 前1条

1 张志超;融合机载与地面LIDAR数据的建筑物三维重建研究[D];武汉大学;2010年

，

本文编号：938566