共查询到19条相似文献，搜索用时 234 毫秒
1.
回波比率描述了地物表面的激光点云在垂直方向分布的离散程度和穿透力,可用于分割建筑物和植被脚点。针对传统的回波比率计算方法受实体表面坡度的影响较大,通常随着地物表面倾角的增大,其计算值呈下降趋势,该文在B.Hfle自适应坡度回波比率算法基础上,通过对邻域体系分析发现3D与2D邻域的垂直方向参数尺度不一致才是造成倾斜表面回波比率减小的真实原因。采用不同的空间邻域进行回波比率计算,并在此基础上提出了改进的自适应坡度回波比率计算方法。较B.Hfle算法,改进后的方法无须计算局部表面坡度,仅调整3D邻域的垂直方向参数尺度就可适用于不同坡度倾斜屋顶表面。通过实测LiDAR点云进行试验验证,新算法的正确率和效率较原有算法都有较大的提高。 相似文献
2.
针对无人机电力巡检距离判定算法缺乏问题,本文提出了一种基于无人机LiDAR点云分类的安全距离判定算法,该法首先对LiDAR点云进行维度特征分类,然后将电力悬线方程改进为最小二乘法模型,并以分段的方法计算地物到电力悬线的空间距离。实验表明,本文提出的距离判定算法距离测量精度接近于全站仪测量精度,且算法鲁棒性较好,具有较低的时间复杂度,不失为一种高精度无人机载LiDAR点云电力线安全距离判定新方法。 相似文献
3.
针对商用激光传感器Optech LiDAR Titan系统获取的多光谱激光点云数据进行地物分类试验的探索,该文提出一种基于卷积神经网络(CNN)模型的多光谱激光LiDAR点云数据地物分类方法.新数据源多光谱激光点云具有多通道和多次散射回波的典型特性,生成感兴趣的热力图,根据热力图特征值和nDSM辅助数据进行感兴趣地物分类.采用CNN模型学习结果与面向对象影像分析OBIA分类方法相结合对分类结果进行精化,并用随机采样参考点对地物分类结果进行精度评估,解决CNN模型分类的正确性和可靠性问题.实验表明,地物分类整体精度OA达到89.8％,Kappa值0.858,该方法在多光谱激光点云地物分类方面具有稳健性、有效性和通用性. 相似文献
4.
在深入分析现有机载激光雷达（light detection and ranging，LiDAR）强度修正算法在滩涂地区适用性的基础上，针对单纯利用激光入射角对滩涂LiDAR强度信息进行高光修正有可能造成强度修正中心位置偏移的问题，利用视点端的飞机姿态角对目标端的激光入射角进行精密校正，结合校正后的入射角和经典的Phong光照模型，提出了一种顾及飞机姿态角的滩涂LiDAR强度修正模型，通过对经典强度修正后的数据进行进一步的高光修正，定量补偿了强度修正中心的位置偏移量，实现了强度信息中高光现象的有效消除。在MATLAB平台下对方法的正确性和有效性进行了实验验证，结果表明，经由该方法修正后的强度信息具有更好的同质性，可显著提高地物分类的准确性。 相似文献
5.
6.
7.
本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。 相似文献
8.
本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。 相似文献
9.
目前,机载LiDAR系统获取的点云数据具有多回波的特性,回波特性可以揭示地物的类型信息。本文在排除粗差、首次回波和中间次回波后,对单次回波和尾次回波形成的点云子集进行基于3DHough变换分割和滤波处理以区分地面点和非地面点(包括墙面点),然后合并首次回波、中间次回波和非地面点再次进行点云分割,利用分割面片的尺寸大小、单次回波激光脚点比例、首次回波和中间次回波激光脚点比例等三个指标区分建筑物激光脚点和植被激光脚点。实验证明,上述方法可以很好地将点云数据分类为墙面点、地面点、建筑物点和植被点。 相似文献
10.
点云滤波分类是LiDAR后续应用的基础工作,在点云滤波的基础上,以航空影像为辅助条件,结合点云高程信息,设计一套地物点云的分类方法。该方法首先融合航空影像与LiDAR数据,将对应RGB值赋予每个点,根据植被的光谱特征提取出部分植被点云;然后再根据文中定义的点云高程纹理,在剩余地物点云中提取出建筑物点,最后根据回波次数信息分离出剩余植被点,完成地物点云的分类。采用北京凤凰岭地区一组机载LiDAR数据进行实验。实验结果表明,该方法能够有效地将地物点云进行分类并且满足一定的精度要求,具有一定的实用价值。 相似文献
11.
针对城市道路斜坡地形场景中地面欠分割或过分割的问题,提出了一种自适应的激光雷达地面分割算法。首先将激光点云按照水平角度分辨率进行有序组织,然后求取同一水平角度下前后扫描圈间激光点云的距离和局部坡度,最后采用自适应水平距离、局部高度和全局高度阈值区分地面点和非地面点。结合40线激光雷达进行多场景实例分析,结果表明本文算法分割的准确率更高,处理每帧数据均用时约1ms,满足无人驾驶汽车的实时性需求。提出了一种自适应的激光雷达地面分割算法,实现了对激光雷达地面点云的准确分割。 相似文献
12.
一种改进顶帽变换与LBP高程纹理的城区建筑物提取算法 总被引：1，自引：1，他引：0
利用LiDAR数据的建筑物提取存在植被点与建筑物点难以区分的问题,利用航空影像进行城区建筑物提取则无法有效剔除阴影区域植被。本文融合LiDAR和航空影像两种数据源,提出了改进顶帽变换及局部二进制模式(LBP)高程纹理分析的建筑物提取算法。首先将LiDAR数据进行规则格网化,通过改进顶帽变换提取地面数据点,然后根据航空影像计算归一化差值植被指数(NDVI)值进行植被粗提取,计算LBP高程纹理,精细区分植被点与建筑物点,最后利用形态学操作填充建筑物孔洞,以检测出的建筑物点为种子点进行区域生长,得到完整的建筑物点集合。试验基于ISPRS提供的Vaihingen数据集中复杂多植被城区场景,试验结果表明,本文算法能够有效区分植被与建筑物,实现建筑物准确提取。 相似文献
13.
船载移动激光三维测量系统是集激光扫描仪、全球定位系统和惯性导航测量单元等于一体的多传感器集成系统，具有效率高、精度高、三维测量等特点，可解决码头、河道、海岛礁测绘中传统方法难以测量的难题。船载移动激光三维测量系统的高精度时空同步是实现数据融合和高精度三维测量的保证，安置角偏差检校是船载移动激光三维测量的关键步骤。本文首先分析了船载移动激光三维测量系统中相关坐标系之间的转换关系，提出了一种以桥体为检校场的安置角偏差消除方法。该方法在时空配准的基础上，通过扫描测线内桥体结构的偏移量分别计算侧滚角、俯仰角及航向角的安置角偏差，最后通过控制点验证误差改正后的测量精度。试验结果证明，本文方法易于实施，且具有较高的准确性，能够有效保障船载移动激光测量数据的质量和精度。 相似文献
14.
15.
16.
我国茂密植被山区地质灾害具有高位、高隐蔽性的特点,传统地质灾害排查手段在有效解决隐患的早期识别方面存在一定困难。机载雷达技术不仅可获取地面反射的三维激光点云,同时能够提供高分辨率、高精度的地形地貌二维影像。机载雷达的多次回波技术可“穿透”地面植被,通过滤波算法能够有效去除地表植被的影响,获取真地面高程数据信息,从而可获取相关区域精细准确的地面特征和坡体变形迹象及灾害体形态特征。本文将机载LiDAR技术在广东佛山西樵山公园进行应用实践,研究成果表明,机载LiDAR技术可提高茂密植被山区地质灾害隐患的早期识别能力,对进一步提高综合防灾减灾能力作用显著。 相似文献
17.
地面LiDAR不仅能够快速获得建筑物表面精确三维坐标点云信息,并且利用自身所携带的相机同时采集建筑物的影像信息,这使得地面LiDAR在城市三维建模与古建筑精细模型制作中得到广泛应用。然而地面Li-DAR采集的点云数据巨大,离散点之间没有关系,这给建模带来了困难。本文通过将地面LiDAR数据进行预处理得到建筑物点云数据,再通过移动最小二乘法来拟合建筑面构建建筑物模型,实验证明移动最小二乘法拟合得到的建筑物模型光滑准确,能够将建筑物的细节信息表达出来。 相似文献
18.
针对现有LiDAR地面点滤波算法对复杂地形地物适应性不强的问题,本文提出了一种融合点云与地面影像分块滤波的方法。首先,将地面影像与点云匹配,使点云从影像中获取更多的光谱纹理信息。然后,分析地物光谱、林地相对密度、点云高程特征、地面DSM模型及其坡度,并基于决策级融合将原始点云切割成若干独立的区块。最后,根据每块区域不同的多元细节特征,对IPTD滤波算法进行改进并利用搜索法优化参数,得到最优且稳健的结果。利用滤波后的总地面点通过插值算法得到的DEM模型和相关试验验证了本文算法的优越性。 相似文献
19.
使用LiDAR单一数据进行点云分割工作时,基于斜率的严格分割LiDAR点云的方法不能很好的适应复杂地物
的分类工作。本文将LiDAR粗分割后的点云转换为高度图像和反射强度图像,并求取高度图像GLCM高度纹理。将4
种GLCM高度纹理、地面粗糙系数、平均高度和平均反射强度共7种纹理作为识别地面覆盖物的特征,并利用后向传播
神经网络(BP-ANN)方法对LiDAR数据进行地物识别。实验表明,这种方法能够从LiDAR独立数据源中有效的实现地
物分类,实验获得的精度大于90%。与传统的最大似然法进行对比,BP-ANN的分类精度高于最大似然法。当预设地
面类型能同时满足被光学影像和LiDAR数据识别的条件时,LiDAR高度纹理分类与光学影像分类结果的一致性达到
76.5%。 相似文献