排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
机载激光雷达（LiDAR）强度数据在获取过程中受多种因素影响,各因素影响的有效量化及校正对机载LiDAR强度校正及应用具有重要意义。本文以雷达方程为基础,分别采用距离、入射角及距离和入射角对LiDAR点云强度进行校正,从中提取冠层总强度和强度比值两类参数,用于估测森林叶面积指数（LAI）,以期量化各影响因素强度校正对不同类型参数估测森林LAI的影响。结果表明：强度经距离校正能够提高森林LAI的估测精度,而强度经数字高程模型衍生入射角校正非但没能提高估测精度,反而降低了估测精度。强度经距离和入射角综合校正虽能提高森林LAI的估测精度,但结果却低于距离单独校正的结果。与此同时,对冠层总强度参数而言,强度校正前后森林LAI估测结果的差异较为明显,而对强度比值参数而言,强度校正前后森林LAI估测结果差异不大。综上可知,不同因素强度校正对森林LAI估测的影响不同,且影响程度与所用参数变量类型密切相关。因此,在未来强度应用研究中,应根据变量参数类型选择合适的校正方式,以避免不恰当校正造成的成本浪费及精度降低。 相似文献
2.
第二代星载激光雷达冰、云和陆地测高卫星ICESat-2（The Ice， Cloud， and Land Elevation Satellite-2）搭载了先进光子计数式激光雷达，使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点，其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题，目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题，本文提出一种改进的去噪算法，首先分析光子云内部特征并自适应选择最优参数进行粗去噪，然后进行两次精去噪，最后对光子云进行分类并拟合出地面线及冠层顶线，为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验，实验结果表明：该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%，F1-score为96.3%，日间平均精确度为86.7%，F1-score为91.7%，且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性，可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点，最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。 相似文献
1