共查询到18条相似文献,搜索用时 120 毫秒
1.
当前无人机低空航空摄影测量生成的数字正射影像DOM中,房屋边缘大量存在锯齿失真的现象,严重影响了对影像建筑物的判读和提取,降低了无人机航测数字正射影像的使用效益。提出一种利用数字表面模型DSM点云数据,提取其房屋边缘,并进行规则化处理,然后在此基础上进行数字微分纠正,生成正射影像的方法。实验结果表明,利用该方法可有效防止数字正射影像中房屋边缘存在的锯齿失真现象。 相似文献
2.
传统数字正射影像图(DOM)采用微分纠正方法消除相机倾斜与地形起伏所带来的投影误差,但会产生双重投影现象. 真数字正射影像(TDOM)可有效解决DOM的双重投影问题. 文中提出一种基于无人机影像的实景三维模型TDOM制作方法, 首先通过无人机挂载五镜头相机获取航空摄影测量影像并生成实景三维模型;然后采集实景三维模型建筑物顶部轮廓边界线,并构建其三维体模型;最后基于建筑物顶部轮廓边界线三维体模型进行遮蔽检测和遮蔽补偿生成TDOM. 以云南师范大学呈贡校区无人机影像实验数据验证了本文方法,实验表明本文的方法可作为一种生成高质量的TDOM方法. 相似文献
3.
4.
介绍一种基于地形快速识别的自适应DSM滤波方法。该方法通过对地形类别的智能识别,达到对滤波参数的自适应调节,以改进三角网加密的滤波算法,实现对影像匹配生成的DSM全自动化滤波。算法后期通过引入已有基础测绘及省情矢量数据作为参考,对房屋和道路等人工地物区域进行精细化滤波处理,以减少影像纠正过程中人工地物变形比例,最终实现快速生产DOM的目的。 相似文献
5.
DEM和DOM已成为航空遥感生产的重要产品,机载Li DAR系统获取的具有三维坐标信息的点云数据,经系统误差校正和滤波分类后,结合机载POS数据和数码影像,可进行无地面控制点的DEM和DOM制作。经实践分析,成果精度满足1∶2 000比例尺DEM和1∶5 000比例尺DOM精度指标,该方法产品制作周期短,成果质量较高,满足了无人区和应急情况下的测绘需求。 相似文献
6.
潘奕 《测绘与空间地理信息》2015,(7)
目前,福建省级基础测绘产品1∶10 000 DLG是通过年度更新的方式来维持数据的现势性,主要方法是基于遥感影像对地物进行更新,由于无法及时获取到地面高程信息,因而无法实施地形更新。本文对比分析了LiDAR成果数据,提出了利用LiDAR点云数据成果和基于同时相的点云成果纠正而成的DOM对1∶10 000 DLG进行年度更新的技术路线,为1∶10 000 DLG更新工作开辟了一条行之有效的新道路。 相似文献
7.
8.
本文阐述了自主研究的无人直升机激光扫描系统的构成,通过该系统在某试验区进行了实地飞行试验,通过控制三维激光扫描仪的扫描角和飞机的飞行高度来获取高精度的点云数据,对点云数据采用基于虚拟三角网和坡度分析的滤波算法进行了处理,并内插生成等高线图,对成果进行了精度检查.从分析得出生成的成果主要精度指标达到了1∶1000地形图的要求,可用于小面积地形测量. 相似文献
9.
以高精度影像数据为基础,采用DPGRID.OrthoUpdate软件,基于已有高精度正射影像数据,实现影像数据的快速纠正更新。通过外业控制点或DLG成果数据,对更新成果进行检测,并进行精度、效率等分析,以评价分析基于DPGRID.OrthoUpdate的DOM的快速更新,从而实现对现有的高精度影像有效利用的目的。 相似文献
10.
11.
12.
13.
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
14.
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
15.
为了提高倾斜影像密集匹配点云滤波算法在地形复杂场景的精度、效率及自适应性,针对传统的布料模拟滤波算法的不足,本文提出了一种基于虚拟格网分类的布料模拟滤波方法。该方法首先构建带有缓冲区的虚拟格网;然后将虚拟格网按其范围内的点云坡度划分为平地、缓坡、陡坡3种类型;最后针对不同类型的虚拟格网,使用相应的布料参数进行布料模拟滤波,从而实现倾斜影像匹配点云在地形复杂场景中的点云滤波,与单一参数的布料模拟滤波进行对比试验。结果表明,基于虚拟格网分类的布料模拟滤波方法结果更接近于目视解译,该方法适合混合地形滤波。 相似文献
16.
17.
ABSTRACT Filtering is one of the key steps for Digital Elevation Model (DEM) generation from airborne Light Detection and Ranging (LiDAR) data. Machine-learning-based filters have emerged as a class of filtering algorithms in recent years. Most existing studies mainly focus on feature generation due to limited available features a point cloud possesses. More than 30 features have been described in the existing literature. But most generated features are based on geometric information of points. Several redundant and irrelevant features may not necessarily improve the filtering accuracy. Hence, this paper proposes a feature-selection method using minimal-Redundancy-Maximal-Relevance (mRMR) combined with Parzen window optimization to deal with both discrete and continuous features. An optimal/suboptimal feature subset is constructed for machine-learning filters in various landscapes. Experimental results based on AdaBoost show that height-related features, particularly height itself, are of the greatest significance in both urban and rural scenes. Moreover, different subsets can be selected from the datasets of the two landscapes by our feature-selection strategy, which increases the data relevance for describing each geographical landscape. This study provides guidelines for the selection of optimal/suboptimal features for point cloud filtering based on machine-learning algorithms. 相似文献