论文部分内容阅读
机载激光雷达技术(Airborne Light Detection And Ranging,简称LiDAR)能够快速获取大面积测量区域高精度、高密集的三维空间信息,这种技术已成为获得高分辨率数字高程模型(DEM)的重要手段。激光雷达点云数据滤波是生成DEM极其重要的一步,对后续数字产品的生产和应用起到关键作用,因此点云滤波是LiDAR系统研究的一个重要课题方向。目前LiDAR点云滤波研究重点在于如何减少人工干预提高滤波精度,实现自动化高精度滤波且能够较好保留地形得到高精度DEM,针对这种情况本文主要工作与创新点包括以下三个方面:1、在总结国内外LiDAR点云数据滤波算法研究现状的基础上,对每种滤波算法的优点和局限性进行分析,为在现有滤波方法基础上提出改进和创新提供参考。2、系统的阐述了机载激光雷达基础理论系统,介绍了机载激光雷达点云数据组成、数据存储与特点,分析数据处理的难点,为实际工程应用和后续的滤波算法设计提供理论依据。3、渐进形态学滤波算法在点云滤波过程中由于异常值和大面积空白区域的存在,结果往往会产生严重的偏差,针对该算法存在的不足,本文算法引入形态学闭算子处理低异常值以降低其对滤波质量的影响,再结合梯度算子对大面积空白区域进行数据填充,避免了滤波前用最邻近内插法造成的精度损失。利用ISPRS公开测试数据和某矿实例数据对改进算法进行试验,相比原算法,所有样本整体滤波结果的I类误差和总误差都有所降低,结果表明:改进的LiDAR点云数据滤波算法精度有所提高,能够较好的适应不同地形,在各种复杂环境中滤除非地面点有效地保留地形细节。4、影响DEM精度的主要因素有内插方法、地貌类型、采样数据分布特征等,其中内插方法是直接因素,地貌类型、采样数据分布特征则是通过插值算法影响DEM精度。本文根据DEM内插方法的特点,选择地形坡度因子和采样数据分布情况作为指标,进行内插方法的适应性研究,为在不同地貌类型和样点分布特征情况下DEM内插方法的适应性研究提供思路。对滤波后的点云数据分别用克里金(Kriging)插值方法和反距离加权法(IDW)进行内插,结果表明:反距离加权法及克里金内插法构建的DEM模型适合样点数量多且分布均匀的情况,反距离加权法在坡度较大地区的DEM精度要优于克里金插值方法,在实际应用中需要根据实际地形情况选取适合的方法构建DEM模型。