论文部分内容阅读
全波形LiDAR技术是摄影测量与遥感领域的新兴技术，基于机载全波形LiDAR数据的地形与建筑物重建是其主要应用方向之一。本文以地形与建筑物重建为目标，重点研究全波形信息特点与处理方法，从波形分解、点云数据滤波、建筑物点云提取与建筑物重建这4个方面展开深入研究。 本研究主要内容包括：⑴阐述了利用机载全波形LiDAR数据进行地形与建筑物重建的研究背景与意义，系统介绍了机载全波形LiDAR系统与技术原理，归纳了现有主要系统及技术指标，梳理并分析了该技术的国内外研究现状与存在问题。⑵提出了基于全局收敛 Levenberg Marquardt（LM）的迭代波形分解方法，该方法采取迭代的波峰检测策略，利用全局收敛 LM进行高斯函数参数的最优化估计，解决了传统非线性最小二乘方法在波形分解中波峰检测不完全且易陷入局部最优的难题。实验结果表明，与传统处理方法相比，本方法模拟波形的残差更小，波形分解出的可靠脉冲比率更高，生成的点云层次更加丰富，证明该方法的改进效果明显。⑶引入波形信息与抗差估计原理检测异常种子点，依据波形参数对地形曲面进行加权拟合，综合考虑滤波窗口尺寸与曲面拟合中误差影响设置自适应高差阈值，提出了融合波形信息的加权曲面拟合滤波方法，克服了点云几何特征的限制以及传统曲面约束法滤波在种子点选取与高差阈值确定上的缺陷。实验证明，该方法可明显提高滤波的正确率，与真实地形情况更吻合。⑷提出了基于潜在狄利克雷分配（Latent Dirichlet Allocation，LDA）模型的建筑物点云提取方法，以超体素分割得到的点簇为分类对象，解决以脚点为对象时处理效率难以提高的问题；通过LDA模型的构建获取点簇主题特征，突破以底层点特征为特征向量时提取精度难以提升的瓶颈。实验结果表明，该方法不仅提高了建筑物点云提取精度，且大幅提高了处理速度，对不同的潜在主题个数与词汇个数保持了较好的稳健性。⑸提出了关键点检测的复杂建筑物模型自动重建方法，基于数据驱动法的思想，结合RANSAC（RANdom SAmple Consensus）与距离法分割屋顶平面点云，利用Alpha Shape算法提取各屋顶平面轮廓信息，通过屋顶面之间拓扑关系与交线特征约束检测关键点位置并构建建筑模型。实验表明该方法能够实现多种结构建筑物的模型重建，重建效果与TerraSolid软件相当。