多分辨率分层机载LiDAR点云滤波算法改进研究

摘要

LiDAR作为一种主动式测量技术，能够高精度、高速度及高密度的获取地形的三维空间信息，为用户提供了一种经济可靠的采集数据方式，在各个行业领域都得到了广泛的应用。LiDAR在硬件方面越来越成熟，但获取点云数据之后，如何高效率、高精度的处理获取的三维空间数据，还处于初步研究阶段，目前存在的数据后处理方法都不是很成熟。LiDAR数据主要由地面点和非地面点组成，只有准确的分离地面点和非地面点，才能充分利用获取的数据信息，因此滤波是数据处理中最基本的过程，滤波结果的好坏也直接影响到生成DEM的精度。现有的滤波算法都能够在景观简单以及地形平坦地区取得较好的滤波结果，但是复杂地形及大密度分布的植被显著影响滤波算法精度。
　　为此，陈传法等人提出了一种多分辨分层机载LiDAR点云滤波算法(MHC)。以局部最小值法选择种子点，通过薄板样条(TPS)函数构建DEM，根据残差大小标定地面点的方法。数据分析表明，该算法平均计算精度稍高于自适应TIN算法，远高于2004以前发展的7种滤波算法，且高于近年来发展的滤波算法。但是该算法滤波速度低，滤波精度容易受到复杂地形的影响。
　　针对多分辨分层机载LiDAR点云滤波算法存在的问题，一方面，通过用kd-tree查找邻近点，kd-tree结点是按照维数划分，使得大约各有一半的数据落入子树的不同侧，直到一个结点的点数小于给定的最大点数时，划分结束，kd-tree可以根据自身的结构特点较快的找到其邻近点。另一方面，通过聚类方法加密地面种子点，即通过计算地面种子点与其邻近点的单位法向量的夹角和距离，将小于设定角度阈值和距离阈值的点添加到地面种子点中，以增加地面种子点的数量，提高初始DEM的精度的同时提高了分类精度。
　　以ISPRS提供的15组数据为研究对象，比较改进前和改进后结果表明，在速度上，改进后的滤波速度要远高于MHC的速度;在精度上，MHC的平均综合误差是4.11％，平均kappa系数是86.27％，改进后的平均综合误差为3.63％，平均kappa系数为87.43％，所以改进后的滤波效果要高于改进前的算法。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．3 课题主要研究内容

1．4 论文结构

2 机载LiDAR技术

2．1 机载LiDAR系统组成和测量原理

2．2 机载LiDAR数据特点

2．3 机载LiDAR主要应用领域

2．4 机载LiDAR技术与其他技术手段的比较

2．5 本章小节

3 机载LiDAR滤波方法

3．1 LiDAR滤波原理

3．2 现有的滤波方法

3．3 多分辨分层机载LiDAR点云滤波算法原理

3．4 本章小结

4 多分辨率分层机载LiDAR点云滤波算法的改进

4．1 邻近点的查找

4．2 聚类加密地面种子点

4．3 本文滤波算法流程

4．4 本章小结

5 实验分析

5．1 速度评定

5．2 精度评定

5．3 本章小结

6 结论与展望

6．1 结论

6．2 展望

致谢

参考文献

硕士期间主要成果

附录