共查询到20条相似文献，搜索用时 140 毫秒
1.
针对单一Li DAR点云数据分类精度不高的问题,提出一种融合影像信息的激光点云多特征分类方法。该方法根据应用目的以及地物分类的需求对航空影像所提供的光谱、形状等特征和Li DAR数据提供的几何特征进行研究分析,确定参与分类器中的特征空间,并作为设定相应分类规则的先验知识,然后根据特征描述子之间的空间距离进行空间聚类,最终成功将点云分类为建筑物、树木、草地、道路以及不确定地物等5类,分类精度达到95.3%,kappa系数达0.935。此外,还分别引入基于影像的SVM分类和基于terrasolid软件的点云分类方法,以验证本文算法的有效性。 相似文献
2.
以正确提取城区Li DAR点云中建筑物为目标,综合利用不同类别目标点云的回波特征以及地形信息,提出了一种基于区域多次回波密度分析的Li DAR点云建筑物提取方法。首先,将点云构建不规则三角网(triangulated irregular network,TIN),获取封闭的等高线;然后,利用等高线间的拓扑关系得到等高线族区域;最后,统计每一区域的多次回波点云密度信息,通过建筑物和树木区域多次回波点云在区域密度上的巨大差异来识别建筑物点云和树木点云。研究结果表明:该方法既充分利用了建筑物表面与植被间多次回波特性的差异,又不否定建筑物边缘同样存在多次回波的现象;通过封闭的等高线自适应地检测出地物目标的轮廓,弥补了传统Li DAR建筑物提取方法的不足;该方法能够较其他方法更准确地提取建筑物。 相似文献
3.
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
4.
提出了一种基于区域特征的快速城区Li DAR点云数据分类方法。首先进行数据滤波处理,去除地面点。然后对非地面点,利用二次多项式进行区域曲面拟合,拟合曲面的参数作为特征构造区域特征向量,通过投票方式判断每个点的局部区域属性。最后,利用模糊逻辑技术实现最终分类。实验结果表明,该分类方法能够高效实现城区建筑物及树木的分类。 相似文献
5.
针对常用的平面拟合方法在有"噪声点"存在的情况下,会出现拟合不稳定的问题,本文采用稳健性较好的RANSAC算法,从机载Li DAR数据中提取出建筑物顶部面片。RANSAC算法进行参数拟合时,会存在一些缺陷,通过改进RANSAC算法(LMed S算法)可以达到更好的拟合效果。首先利用直通滤波器对点云数据进行简单的滤波,然后通过Voxel Grid滤波器对点云数据进行下采样。对下采样之后的点云数据,用LMed S算法提取建筑物顶部面片。试验表明,利用LMed S算法可以成功提取建筑物顶部面片,稳健性较好。 相似文献
6.
7.
《国土资源遥感》2016,(2)
在复杂城区内部通常存在大量的阴影,建筑物的屋顶也有多种类型,这使得利用高分辨率遥感图像自动提取建筑物变得困难。针对上述2个问题,提出了一种综合利用高分辨率图像与机载Li DAR数据的城市建筑物提取新方法。首先,对归一化植被指数(normalized difference vegetation index,NDVI)和Li DAR高度数据设定阈值得到初步的建筑物提取结果;然后,分别利用阴影区NDVI、图像纹理和形态学滤波来改进结果;最后,采用局部的机载Li DAR数据和Quick Bird图像,对提出的方法进行验证,并与现有方法进行比较。研究结果表明,该方法可有效减少由阴影和不同屋顶特征所造成的错误识别,显著提高了建筑物提取精度。 相似文献
8.
为保证结合机载Li DAR数据与同机影像数据的直接定位模型的计算精度与生产效率,本文提出了一种结合SURF匹配算法自动选取影像连接点的直接定位技术。首先对直接定位过程中控制点选取和IMU与相机旋转角误差进行探讨,然后对SURF、NCC、SIFT影像连接点选取方法进行对比,最终选取SURF匹配算法获取影像连接点。以Li DAR点云差值来修正地面点坐标高程值,结合SURF匹配算法进行直接定位实验,实验结果表明:与其他几种算法相比,SURF可自动获取精确的影像连接点,且计算速度快,便于直接计算定位模型,达到快速获取像点地理坐标的目的。 相似文献
9.
为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。 相似文献
10.
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
11.
从数据量庞大且散乱的车载LiDAR点云中分割出建筑物立面数据是一项繁琐而艰巨的工作。本文提出一种结合机载LiDAR点云的车载LiDAR点云建筑物立面分割方法。该方法在空-地点云严格配准的基础上,从机载LiDAR点云中分割出每栋建筑物的顶部点云,提取建筑物顶部外轮廓线并进行规则矢量化处理,设置轮廓线缓冲区实现立面点云的粗分割;再采用基于稳健特征值的平面拟合法对单栋建筑物的每个立面进行去噪滤波,实现建筑物立面的精细分割。试验结果证明了该算法对城市场景中车载LiDAR点云处理的有效性。 相似文献
12.
本文针对LiDAR点云与无人机影像数据特征的优缺点,利用LiDAR点云与无人机DOM影像融合,将影像数据光谱信息赋给LiDAR点云数据,使其不仅具备精准的空间结构信息,还能得到清晰的纹理信息。为验证融合数据应用的可行性与数据提取的准确性,对融合前后的点云数据进行地面点提取与DEM构建。试验表明：将无人机影像的光谱信息赋给LiDAR点云数据,可以实现LiDAR点云数据从四维度表达到七维度的拓展,融合后点云数据具有清晰的纹理信息,地物类型判读更加容易,地面点分离完整;通过DEM模型的对比分析,融合后点云数据构建的DEM模型表达更加接近真实地表。研究结果为多源点云数据的深化应用提供了一定的技术方法支持作用。 相似文献
13.
谭金石 《测绘与空间地理信息》2015,(6):81-83
机载LiDAR作为一种新兴的对地观测技术,能够快速地获取地表三维信息。如何从海量LiDAR点云数据中提取建筑物是数据处理中的一项关键工作。本文结合LiDAR数据和航空影像的数据特点,提出了一种航空影像辅助的LiDAR点云建筑物提取方法,首先,采用面向对象方法从航空影像中提取建筑物的轮廓;然后,以建筑轮廓信息为参考,从LiDAR点云中提取建筑物的点云数据;最后,通过实验证明该方法的有效性与可行性。 相似文献
14.
建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。 相似文献
15.
16.
17.
18.
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
19.
提出一种车载移动测量系统（MMS）激光点云与序列全景影像自动配准方法。首先采用层次化城市场景目标提取方法自激光点云提取天际线矢量,在全景影像中经虚拟成像与分割角点提取算法生成天际线矢量。然后,将提取结果作为几何配准基元,构建配准基元图,通过最小化配准基元图编辑距离进行匹配,组成共轭配准基元对,解算2D-3D粗配准模型,获得全景影像与LiDAR点云参考坐标系之间的初始转换关系。最后,为消除几何配准基元提取与匹配误差对配准结果的影响,自序列全景影像虚拟成像影像生成多视立体密集匹配点云,继而使用变种ICP算法优化其与激光点云数据间3D-3D配准参数,间接优化全景影像与激光点云间的配准参数,精化配准结果。试验结果表明,本文提出的自动配准方法可以实现车载MMS激光点云与序列全景影像的1.5像素级自动配准,配准成果可应用于真彩色点云生成等点云/影像数据融合应用。 相似文献
20.
机载多光谱LiDAR数据的地物分类方法 总被引：2，自引：1，他引：1
机载多光谱LiDAR系统能够快速地获取大范围地表面上地物光谱和几何数据,并能够保证所获取的光谱与空间几何数据在空间和时间上相对完整和一致性。支持向量机（SVM）是一种基于小样本的学习方法,它避开了从归纳到演绎的传统分类过程。因此,本文提出了基于SVM多光谱LiDAR数据的地物目标分类方法。该方法首先将多个独立波段的LiDAR数据融合为单一的、包含多个波段信息的点云数据,然后将融合后的点云内插为距离影像和多光谱影像,最后利用SVM进行多光谱LiDAR数据的地物覆盖分类。通过对加拿大Optech公司的Titan机载多光谱LiDAR数据的试验证明：相对于传统的单波段LiDAR数据,多光谱LiDAR数据可以获得较好的地物分类精度;比较试验发现SVM分类方法适用于多光谱LiDAR数据的地物分类。 相似文献