面向灾害应急的机载LiDAR数据并行处理算法研究
发布时间：2021-11-29 11:01
在应急救灾工作中,测绘地理信息都将发挥重要的基础保障和技术支撑作用。为此,国务院办公厅公布的《国家自然灾害救助应急预案》中的灾害预警响应、国家应急响应、灾后救助与恢复重建等多个章节明确了测绘地理信息部门的职责。应急测绘具有应急性、突发性、灵活性、任务组织特殊性、成果形式多样性等特征,这些特征要求我们必须打破传统方式,提供实时、快速的测绘保障。但传统测绘地理信息技术存在数据量较大、处理流程操作步骤多等问题导致数据后处理效率较低,无法满足应急测绘对时效性的要求。针对上述问题,本文提出一种机载LiDAR点云数据的快速并行处理方法,在预处理时结合并行算法对点云数据进行坐标转换与滤波处理,并按瓦片的方式进行分块处理,在点云插值生成DSM阶段利用基于并行的直接内插算法进行插值,在DSM生成瓦片阶段结合并行计算快速应用于地理信息服务。该方法优化了点云数据的处理工作流程并缩短数据的处理时间,提高处理效率,使得机载激光点云数据在应急测绘中能够充分发挥作用。本文将直观性较差的机载LiDAR扫描数据快速处理为直观性较强、便于处理的DSM数据,并应用于地理信息服务中,以满足应急测绘的要求。通过对传统点云数据处...
【文章来源】：天津师范大学天津市
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
传统机载点云数据分块效果示意图（底层多边形代表机载LiDAR点云数据）
122.3点云并行预处理与传统方法的对比分析本文选取实验区数据中噪声点体现较为明显的点云数据子集对其进行预处理实验。该区域实验数据中，包含山地地形、林区、建筑物、河流以及耕地等要素，在滤波降噪阶段具有代表性。本文针对点云与处理的三个主要阶段进行分别对比分析，以检验利用OpenMP的点云并行预处理与传统点云预处理的效果与效率，验证本文提出的机载LiDAR点云数据预处理并行方法在面对灾害的应急测绘中是否能够提高计算效率，加快机载LiDAR点云数据的处理速度。评判并行效率时，引入加速比概念，定义点云并行预处理的加速比如下：=串行处理(14)其中，K为并行计算的加速比，T串行处理为传统点云串行预处理方法的处理时间，Ti表示不同线程数的并行预处理时间，i表示不同的线程数。2.3.1实验区概况与处理平台信息本文实验中所用的机载LiDAR数据是固定翼无人机搭载RIEGLVZ-1000激光扫描仪于2017年12月15日至20日多架次获取的四川省广元市盘龙机场为中心的点云数据，共31.9GB、1,009,266,061个点。该机载LiDAR点云数据的坐标系为UTM投影的WGS84坐标系，条带为48N。区域中心为东经117.5405°，北纬40.2055°，区域面积约为729平方公里。该区域整体大致呈平行四边形，东西长约30公里，南北长约15公里，测区高差约1000米。测区内包含各类下垫面类型，如城区、农田、河道、高山以及峡谷等，可以充分展示机载LiDAR扫描技术在各种不同的地形中的应用情况。四川广元地区卫星影像及点云数据高程渲染如下：图3测区卫星影像
13图4测区点云按高程渲染结果RIEGLVZ-1000有高达1400米的有效测量距离，具有精度高、测区适应性好、防尘防水等特点。基于RIEGL公司目标提取技术独特的回波数字化和在线波形处理功能，可以做到即使在相对不理想的大气条件下、植物穿透性不强的情况下，也可以出色的完成测量任务。本文的测区，即四川省广元市，位于我国四川盆地北部。地理坐标为北纬31.5167°至32.9333°、东经104.6°至106.75°，总面积约为16314平方千米。北与陕西盛甘肃省接壤，是川北地区的重要交通枢纽以及周边地区的贸易中心与商品集散地。现辖三区四县，共约302.62万人。广元市市区位于嘉陵江谷地，背部有与陕西、甘肃两省的界山米仓山与摩天岭。摩天岭海拔由西端最高点3837米东方向下降至2784米，南方向快速下降到800米。地势由北向东南倾斜，最大高差达3200余米。该地区山地地形分布广泛，有著名的龙门山、剑门山、大栏山等。本文所有实验均在某品牌笔记本电脑上进行，电脑参数如下表：表1处理平台硬件信息硬件名称型号及大小CPUIntelCorei7-6700HQ(2.6GHz/L36M)内存DDR421338GB×2硬盘1TBHDD机械硬盘显卡NVIDIAGeForceGTX10606GB操作系统Windows10家庭中文版19092.3.2坐标转换效率分析坐标转换阶段，本文利用OpenMP可以对原有程序并行处理线程的自主选择这一特点，使用“#pragmaompparallelfor”语句对传统的串行坐标转换程序进行不同线程的对比计算。考虑到计算机处理器线程的限制，对实验数据进行多种线程转换处理时主要选择如下四种
【参考文献】：
期刊论文
[1]无人机遥感技术在溃坝应急测绘保障中的应用[J]. 张广庆,张浩,王宏昌. 现代测绘. 2019(06)
[2]测绘地理信息在应急测绘中的应用实践[J]. 冯梦龙. 华北国土资源. 2019(05)
[3]测绘地理信息在应急测绘中的应用分析[J]. 李艳. 居舍. 2019(28)
[4]新型基础测绘数据在地震应急领域生产与应用实践[J]. 肖提荣,吴玉婷,何照攀,林根. 测绘与空间地理信息. 2019(09)
[5]依托无人机航空摄影测量技术实现“精准应急”[J]. 邓廷起,陈骏明,徐勋江. 浙江国土资源. 2019(09)
[6]三维激光扫描技术在1∶1万地质灾害详细调查中的应用——以河北邢台峡谷群国家地质公园为例[J]. 李东海. 测绘通报. 2019(07)
[7]测绘地理信息技术在应急测绘中的应用[J]. 李飞,张维立. 黑龙江科学. 2019(14)
[8]路面点云的并行简化研究[J]. 孙大林,唐好选. 智能计算机与应用. 2019(04)
[9]无人机载激光雷达技术在洪涝过程模拟中的应用[J]. 杨东,侯精明,张兆安,王兴桦,李昌镐,白岗岗,陈文军,付德宇. 中国防汛抗旱. 2019(08)
[10]四川中航时固定翼无人机航空应急测绘系统总体技术设计与集成验证[J]. 周兴霞,黄青伦,武昊. 测绘. 2019(03)
博士论文
[1]基于机载LiDAR数据的洞庭湖蓄滞洪区洪水灾害风险评估技术与方法研究[D]. 沈定涛.南京大学 2017
[2]基于LiDAR的建筑物震害分析[D]. 焦其松.中国地震局工程力学研究所 2015
[3]基于地面三维激光扫描技术的海量点云模型重建关键算法研究[D]. 谢洪.武汉大学 2013
硕士论文
[1]基于机载激光雷达数据的滤波分类与建筑物提取技术研究[D]. 邹雄高.吉林大学 2018
[2]机载LiDAR点云缺失数据填补方法研究[D]. 夏玉红.辽宁工程技术大学 2017
[3]无人机LiDAR在山洪灾害调查中的关键技术及应用[D]. 胡小青.东华理工大学 2016
[4]机载LiDAR点云数据的抽稀方法研究[D]. 王超.辽宁工程技术大学 2016
[5]精度约束下基于机载LiDAR点云数据的DEM压缩算法研究[D]. 聂鑫.西南交通大学 2014
[6]基于车载LIDAR数据的建筑灾情应急测量研究[D]. 王文越.河南理工大学 2014
[7]利用机载LiDAR点云提取损毁建筑物的方法研究[D]. 王彩凤.西南交通大学 2013
[8]面向DEM点云数据的并行插值数据划分优化方法研究[D]. 钱辰.南京师范大学 2013
[9]基于海量机载LIDAR数据的规则格网生成算法研究[D]. 张春亢.福建师范大学 2012
[10]基于机载LiDAR点云数据城市区域DSM重建研究[D]. 王蒙.长安大学 2012
本文编号：3526384
【文章来源】：天津师范大学天津市
【文章页数】：53 页
【学位级别】：硕士
【部分图文】：
传统机载点云数据分块效果示意图（底层多边形代表机载LiDAR点云数据）
122.3点云并行预处理与传统方法的对比分析本文选取实验区数据中噪声点体现较为明显的点云数据子集对其进行预处理实验。该区域实验数据中，包含山地地形、林区、建筑物、河流以及耕地等要素，在滤波降噪阶段具有代表性。本文针对点云与处理的三个主要阶段进行分别对比分析，以检验利用OpenMP的点云并行预处理与传统点云预处理的效果与效率，验证本文提出的机载LiDAR点云数据预处理并行方法在面对灾害的应急测绘中是否能够提高计算效率，加快机载LiDAR点云数据的处理速度。评判并行效率时，引入加速比概念，定义点云并行预处理的加速比如下：=串行处理(14)其中，K为并行计算的加速比，T串行处理为传统点云串行预处理方法的处理时间，Ti表示不同线程数的并行预处理时间，i表示不同的线程数。2.3.1实验区概况与处理平台信息本文实验中所用的机载LiDAR数据是固定翼无人机搭载RIEGLVZ-1000激光扫描仪于2017年12月15日至20日多架次获取的四川省广元市盘龙机场为中心的点云数据，共31.9GB、1,009,266,061个点。该机载LiDAR点云数据的坐标系为UTM投影的WGS84坐标系，条带为48N。区域中心为东经117.5405°，北纬40.2055°，区域面积约为729平方公里。该区域整体大致呈平行四边形，东西长约30公里，南北长约15公里，测区高差约1000米。测区内包含各类下垫面类型，如城区、农田、河道、高山以及峡谷等，可以充分展示机载LiDAR扫描技术在各种不同的地形中的应用情况。四川广元地区卫星影像及点云数据高程渲染如下：图3测区卫星影像
13图4测区点云按高程渲染结果RIEGLVZ-1000有高达1400米的有效测量距离，具有精度高、测区适应性好、防尘防水等特点。基于RIEGL公司目标提取技术独特的回波数字化和在线波形处理功能，可以做到即使在相对不理想的大气条件下、植物穿透性不强的情况下，也可以出色的完成测量任务。本文的测区，即四川省广元市，位于我国四川盆地北部。地理坐标为北纬31.5167°至32.9333°、东经104.6°至106.75°，总面积约为16314平方千米。北与陕西盛甘肃省接壤，是川北地区的重要交通枢纽以及周边地区的贸易中心与商品集散地。现辖三区四县，共约302.62万人。广元市市区位于嘉陵江谷地，背部有与陕西、甘肃两省的界山米仓山与摩天岭。摩天岭海拔由西端最高点3837米东方向下降至2784米，南方向快速下降到800米。地势由北向东南倾斜，最大高差达3200余米。该地区山地地形分布广泛，有著名的龙门山、剑门山、大栏山等。本文所有实验均在某品牌笔记本电脑上进行，电脑参数如下表：表1处理平台硬件信息硬件名称型号及大小CPUIntelCorei7-6700HQ(2.6GHz/L36M)内存DDR421338GB×2硬盘1TBHDD机械硬盘显卡NVIDIAGeForceGTX10606GB操作系统Windows10家庭中文版19092.3.2坐标转换效率分析坐标转换阶段，本文利用OpenMP可以对原有程序并行处理线程的自主选择这一特点，使用“#pragmaompparallelfor”语句对传统的串行坐标转换程序进行不同线程的对比计算。考虑到计算机处理器线程的限制，对实验数据进行多种线程转换处理时主要选择如下四种
【参考文献】：
期刊论文
[1]无人机遥感技术在溃坝应急测绘保障中的应用[J]. 张广庆,张浩,王宏昌. 现代测绘. 2019(06)
[2]测绘地理信息在应急测绘中的应用实践[J]. 冯梦龙. 华北国土资源. 2019(05)
[3]测绘地理信息在应急测绘中的应用分析[J]. 李艳. 居舍. 2019(28)
[4]新型基础测绘数据在地震应急领域生产与应用实践[J]. 肖提荣,吴玉婷,何照攀,林根. 测绘与空间地理信息. 2019(09)
[5]依托无人机航空摄影测量技术实现“精准应急”[J]. 邓廷起,陈骏明,徐勋江. 浙江国土资源. 2019(09)
[6]三维激光扫描技术在1∶1万地质灾害详细调查中的应用——以河北邢台峡谷群国家地质公园为例[J]. 李东海. 测绘通报. 2019(07)
[7]测绘地理信息技术在应急测绘中的应用[J]. 李飞,张维立. 黑龙江科学. 2019(14)
[8]路面点云的并行简化研究[J]. 孙大林,唐好选. 智能计算机与应用. 2019(04)
[9]无人机载激光雷达技术在洪涝过程模拟中的应用[J]. 杨东,侯精明,张兆安,王兴桦,李昌镐,白岗岗,陈文军,付德宇. 中国防汛抗旱. 2019(08)
[10]四川中航时固定翼无人机航空应急测绘系统总体技术设计与集成验证[J]. 周兴霞,黄青伦,武昊. 测绘. 2019(03)
博士论文
[1]基于机载LiDAR数据的洞庭湖蓄滞洪区洪水灾害风险评估技术与方法研究[D]. 沈定涛.南京大学 2017
[2]基于LiDAR的建筑物震害分析[D]. 焦其松.中国地震局工程力学研究所 2015
[3]基于地面三维激光扫描技术的海量点云模型重建关键算法研究[D]. 谢洪.武汉大学 2013
硕士论文
[1]基于机载激光雷达数据的滤波分类与建筑物提取技术研究[D]. 邹雄高.吉林大学 2018
[2]机载LiDAR点云缺失数据填补方法研究[D]. 夏玉红.辽宁工程技术大学 2017
[3]无人机LiDAR在山洪灾害调查中的关键技术及应用[D]. 胡小青.东华理工大学 2016
[4]机载LiDAR点云数据的抽稀方法研究[D]. 王超.辽宁工程技术大学 2016
[5]精度约束下基于机载LiDAR点云数据的DEM压缩算法研究[D]. 聂鑫.西南交通大学 2014
[6]基于车载LIDAR数据的建筑灾情应急测量研究[D]. 王文越.河南理工大学 2014
[7]利用机载LiDAR点云提取损毁建筑物的方法研究[D]. 王彩凤.西南交通大学 2013
[8]面向DEM点云数据的并行插值数据划分优化方法研究[D]. 钱辰.南京师范大学 2013
[9]基于海量机载LIDAR数据的规则格网生成算法研究[D]. 张春亢.福建师范大学 2012
[10]基于机载LiDAR点云数据城市区域DSM重建研究[D]. 王蒙.长安大学 2012
本文编号：3526384
本文链接：https://www.wllwen.com/shoufeilunwen/benkebiyelunwen/3526384.html
