基于机载LiDAR数据的DEM抽稀算法研究

摘要

机载LiDAR(Light Detection And Ranging，激光雷达)技术为获取高精度和高密度的地形数据提供了一种新的测量手段。LiDAR数据拥有的高精度和高密度使其在生成DEM(Digital Elevation Model，数字高程模型)数据方面也备受关注。然而，在大多数情况下，对一个具体应用来说，并不需要如此庞大的数据就能满足生产方面的要求。而且庞大的数据量给数据后处理软件、硬件以及工作效率方面都带来极大的挑战。因此如何对机载LiDAR数据构建的DEM进行有效的抽稀，如兼顾数据压缩率与DEM精度，得到一个易于处理和操作的DEM具有重要的工程实用意义。基于这个目的，本文主要研究以下内容：
　　 1.介绍了机载LiDAR系统的发展、系统的组成、扫描方式以及激光雷达系统的分类。在此基础上，总结了机载LiDAR数据的主要特性，特别是数据的海量性。正是由于数据的海量性，使得由其生成的DEM数据也具有海量这个特性。这也是本文的研究所在。
　　 2.介绍了DEM定义以及DEM的主要表示模型。其中的离散点模型，也是由机载LiDAR数据生成DEM最原始的表示模型。并介绍了从LiDAR数据中得到DEM的滤波方法。
　　 3.重点研究和总结了机载LiDAR数据构建DEM的抽稀算法，探讨了已有算法的优缺点。在此基础上提出了基于坡度的抽稀算法，并改进了基于TIN(TriangulatedIrregular Network，不规则三角网)的抽稀算法。
　　 4.分析了DEM精度评价的方法，并对多种抽稀算法进行实验，最后对实验结果进行分析。实验表明，基于坡度的抽稀算法能够较好地保留地形特征信息；且改进的基于TIN的抽稀算法的精度也比原算法有所提高。
　　 本论文以数据的抽稀必须考虑到精度、代价、以及数据的最终应用目的为原则。对国内外的抽稀算法进行实验，通过实验分析了各种算法的优缺点以及适用哪种工程应用目的，这在实际工程应用中具有一定的实用价值。同时本文的实验结果表明，基于坡度的抽稀算法，以及改进的基于TIN的抽稀算法对地形特征信息的保留能力较强。

目录

文摘

英文文摘

声明

第1章绪论

1.1研究背景及意义

1.2 DEM抽稀算法的国内外研究现状

1.2.1非选择性数据抽稀算法

1.2.2选择性数据抽稀算法

1.2.3已有算法综合评价

1.3研究目标与内容

1.4论文的主体结构

第2章机载激光雷达技术

2.1机载激光雷达技术概述

2.1.1机载激光雷达系统的发展

2.1.2机载激光雷达系统组成

2.1.3机载激光雷达系统扫描方式介绍

2.2激光雷达系统分类

2.3机载LiDAR数据的特性

2.4机载激光雷达测量技术的应用领域

2.5本章小结

第3章基于LiDAR数据建立DEM

3.1 DEM定义

3.2 DEM主要表示模型

3.2.1离散点模型

3.2.2不规则三角网模型

3.2.3规则格网模型

3.2.4等高线模型

3.3 LiDAR数据的滤波方法

3.3.1滤波概念

3.3.2 LiDAR数据滤波方法

3.4本章小结

第4章基于LiDAR数据的DEM抽稀算法

4.1概述

4.2现有抽稀算法综述

4.2.1非选择性的数据抽稀算法

4.2.2选择性的抽稀算法

4.3基于坡度的抽稀算法

4.3.1 TIN的构建

4.3.2基于TIN的坡度计算

4.3.3基于坡度的抽稀算法

4.3.4算法中需注意的问题

4.4改进的基于TIN的抽稀算法

4.5本章小结

第5章DEM抽稀算法实验与精度分析

5.1实验区域数据介绍

5.2精度评定方法

5.2.1精度评价指标

5.2.2 DEM内插模型

5.3实验与精度分析

5.3.1基于非选择性抽稀算法的实验分析

5.3.2基于TIN抽稀算法的实验分析

5.3.3基于距离及高差抽稀算法的实验分析

5.3.4基于地形坡度抽稀算法的实验分析

5.3.5各种不同抽稀算法综合比较

5.4改进的基于TIN抽稀算法与原算法实验对比

5.5基于坡度抽稀算法应用于委内瑞拉数据实验

5.6本章小结

结论与展望

致谢

参考文献

攻读硕士学位期间发表的论文