共查询到20条相似文献,搜索用时 31 毫秒
1.
主要介绍了基于TerraSolid软件相关工具的LiDAR点云数据具体分类流程及利用比利时弗兰德斯(Flanders)约3 000 km~2LiDAR点云数据针对不同地形、地物的特点进行地面点自动分类提取实验,结合实验结果及经验,总结针对不同地形、地物的LiDAR点云数据的高效自动分类生产方式。 相似文献
2.
3.
针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分"腐蚀"地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。 相似文献
4.
机载激光雷达(LiDAR)点云滤波是点云数据处理的关键步骤,决定着后续派生品应用的精细程度。针对复杂场景区各种地物的交错性和多态性、地形的突变(断裂)性、相邻地物和地面点高程的相似性等导致的难以区分地物点和地面点瓶颈,本文提出了一种基于多特征聚类的点云层次滤波方法。本文方法首先耦合点云几何和物理信息进行多特征点云聚类,然后发展一种顾及地形断裂的地面点簇识别方法捕捉各类地面点,最后利用捕捉到的地面点构建初始地面参考面,并借助多尺度层次点云滤波方法进一步查找原始点云中的地面点。以4组地形复杂且建筑物和植被混杂区点云数据为试验数据,将本文方法与6种代表性滤波算法对比表明,本文方法的平均总误差最小、滤波性能最优、稳定性最高。 相似文献
5.
介绍了LiDAR数据生产DEM处理流程,选取淮河某一区域的点云数据,重点研究自动滤波技术在高树植被区域、居民区域、光伏区域的滤波效果以及人工分类方法在低矮植被区域的分类效果,计算野外检测点,对DEM同名点高程中误差进行精度评定。实验结果表明,自动滤波技术对高树植被、房屋区域、光伏区域等区域点云,能高效、准确滤掉非地面点,保留真实地面点;人工分类手段用于低矮植被分类效果明显,有效解决了自动滤波在该类区域分类效果不佳的问题;野外检测点和DEM同名点高程中误差满足设计精度要求,以点云数据生产高精度DEM具有可行性。 相似文献
6.
7.
8.
9.
LiDAR滤波是从其数据中提取数字地形模型(DTM)的一个主要步骤。当前的LiDAR滤波方法大都是通过单一的LiDAR点云数据来进行的,由于点云缺乏真实数据作参考,在滤波时可能会出现较大的误差。因此,提出一种基于地形变化检测的机载LiDAR滤波方法。首先将LiDAR点云数据与已有的DEM数据精确配准并统一到同一坐标系下,然后对LiDAR点云数据进行格网化组织,使LiDAR点云数据与DEM数据中相应的区域对应,最后把已有的DEM数据与LiDAR点云数据叠加进行滤波。为了验证该方法,采用城区和山区2种不同地形特点的数据分别进行试验。结果表明该方法能有效滤除城市和山地环境中的地物,并且保留地形的细节信息。 相似文献
10.
为了提高机载点云数据生产大比例尺地形图的自动化程度,减少人工作业工作量,提出了一种基于机载点云数据的半自动化成图方法。该方法先对原始点云数据进行滤波处理,再将其划分为地面点云和非地面点云。对于地面点云可自动提取等高线并生成高程点;对于非地面点云,先进行分割、分类处理提取建筑物、高架桥等典型地物,再进一步提取其边界,完成制图。该方法能有效完成地形图生产中等高线、高程点、建筑物等要素的自动提取,而其他地形要素还需根据正射影像补充提取。 相似文献
11.
12.
13.
LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。 相似文献
14.
针对现有机载激光雷达(LiDAR)点云滤波算法难以准确分离复杂地形中地面点与地物点问题,提出了一种基于点的多尺度形态学重建滤波方法 PMMF (Point-based Multi-scale Morphological reconstruction Filter)。在初始尺度层次下,PMMF通过构建一种基于点的形态学重建对原始点云滤波,即先在掩膜点云约束下借助k邻域结构元素和高程缓冲区反复膨胀标记点云,获取潜在地面点;然后通过自适应坡度方法剔除潜在地面点中的非地面点,其中,坡度阈值随地形复杂度自适应变化。在上层滤波结果基础上,PMMF通过提升种子点选择的网格尺度重复上层滤波过程,直至结果收敛。以国际摄影测量与遥感学会(ISPRS)发布的15组基准数据为研究对象,将PMMF滤波结果与近5年(2016年—2020年)提出的15种滤波算法比较表明,PMMF有8组数据滤波效果占优,15组数据平均总误差和Kappa系数分别为2.71%和91.08%。使用4种不同地形特征的高密度机载LiDAR点云数据进一步验证PMMF的滤波效果,并将计算结果与简单形态学滤波(SMRF)、布料模拟滤波(CSF)、渐进加密三角网滤波(PTD)和多分辨率层次滤波(MHF)比较。结果表明,PMMF滤波性能最优,平均总误差为3.24%,较其他4种滤波方法分别减小了12.0%、59.1%、70.1%和53.2%。 相似文献
15.
从机载激光雷达数据自动识别地物对象,可提高数据的解译能力,成为快速、高效地形图测量、数字地籍、三维城市等数据获取的有效途径。本文基于机载Li DAR数据和遥感数据,进行快速数据获取与制图研究,充分利用激光雷达获取数据质量高的优势,通过高密度、不规则点云分析,构建建筑物、树木、地表、电力线等地物的离散几何模型,从而提高点云数据的分类精度及制图自动化。根据描述地物使用线和面以及纹理、颜色的方面的约束条件,通过构建点云的离散几何模型,对高维数据进行降维,达到高精度构建地物信息。应用法线估计法,计算邻域法线的各项异性的相似度,判断相邻网格是否属于一个平面,结合区域增长法构建规则地物的几何模型;采用自组织神经网络法对点云数据进行处理,利用自由曲面描述地物,以长春师范大学校园为例,实现了Li DAR点云数据的地物几何信息提取与制图。 相似文献
16.
针对渐进三角网滤波算法(PTD)进行拓普康LiDAR点云数据处理过程中易将地物点误判为地面点的缺陷,本文提出两种改进方法。一种是采用局部坡度拟合法对PDT算法进行改进,将点云数据按高程值与拟合坡面法求解的拟合高程值的差由小到大进行排序,将为地面点可能性更大的点优先判定,从而获取更加精确的TIN;另一种是引入薄板样条曲线(TPS)插值法,对PTD算法进行改进,将PTD中候选点判断参数改为TPS法中的弯曲能量增长值,从而减少误判。结果表明,使用以上两种改进算法,综合考虑第1类误差和第2类误差影响,在大部分地形特征下比传统PTD算法表现更优,对低矮植被、桥、斜坡等特殊地物的滤波效果更佳。 相似文献
17.
基于可变半径圆环和B样条拟合的机载LiDAR点云滤波 总被引:1,自引:1,他引:0
提出了一种LiDAR点云滤波方法,首先沿同一方向等间距逐行扫描点云,获取点序列构成的扫描线,针对每条扫描线,采取半径可变的圆环从面向地心一侧滚过,保留扫描线上被圆周滚过的点,从而滤除每条扫描线上的地物点;然后对滤波后每条扫描线上的地表点云数据等间隔采样,在此基础上采用均匀B样条曲面拟合地形表面,遍历每一个点,在拟合的B样条曲面上投影,根据投影点高程与实际高程的差判断其属性,保留地面点并滤除地物点。试验结果表明,与传统方法相比,本文方法的滤波精度提高1~5倍,可用于城市、山区和林地等各种地形,通用性好,其算法时间复杂度为O(n)。 相似文献
18.
车载LiDAR点云数据中杆状地物自动提取与分类 总被引:1,自引:0,他引:1
《测绘学报》2020,(6)
针对城市道路场景中车载LiDAR点云数据质量差、各类地物相互遮掩的情况,提出杆状地物自动提取与分类算法。先通过改进数学形态学算法移除点云数据中的地面点,再根据杆状地物的形态特征,使用纵向格网模板初步提取杆状地物,然后对提取的疑似杆状地物进行点云数据规则化并通过统计分析移除噪声点,最后根据预先建立的杆状地物样本训练SVM分类模型,对提取的杆状地物进行分类。试验表明,本文方法能够在数据质量欠佳的情况下有效提取城市道路场景中的杆状地物,并对提取的杆状地物进行高精度分类。 相似文献
19.
提出了一种利用DOM和Li DAR点云数据的参数化建模方法,利用DOM分析地物的模型特征,通过Li DAR点云数据获取地物特征点坐标,采用特定的三角网连接方法构建出地物的三维模型,最后对模型进行贴图显示。这里所构建地物模型的方法不仅快速高效,而且自动化程度高,能够满足铁路三维GIS展示的要求;同时,由于是通过点云数据构建模型,在后期导入三维地形过程中能够大量减少安放地物模型工作。 相似文献