学位论文 > 优秀研究生学位论文题录展示

机载LIDAR数据滤波及建筑物提取技术研究

作　者: 张皓
导　师: 张永生
学　校: 解放军信息工程大学
专　业: 摄影测量与遥感
关键词: 机载激光雷达滤波建筑物提取坡度滤波 GLCM纹理特征 NDVI 聚类算法
分类号: TN958.98
类　型: 硕士论文
年　份: 2009年
下　载: 283次
引　用: 4次
阅　读: 论文下载

内容摘要

机载激光雷达(Light Detection and Ranging-LIDAR)是一种激光对地扫描获取地形表面空间和特征信息的直接定位技术。作为一种新型的对地测绘手段,机载LIDAR不仅解决了传统航空摄影测量测绘地形困难区域的难题,还在一定程度上指引着今后对地观测技术的发展方向。本文重点探讨点云数据滤波和建筑物提取技术,提出了一种坡度自适应滤波算法和建筑物自动提取的处理流程,并通过实验进行具体验证,得出了一些有益的结论。本文的主要工作和研究重点如下:1.介绍了机载LIDAR的系统组成、数据特点和系统误差源,并与航空摄影测量技术进行了比较。回顾了一些经典的数据滤波算法,对这些算法进行了分析和归纳,详细介绍了基于表面、基于区域和基于坡度等三种类型的滤波算法及其特性。简要回顾了基于点云数据的建筑物提取进展,并对其中需要解决的问题进行了总结。2.提出了一种坡度自适应滤波算法。该算法是基于CAS模型的坡度滤波算法,利用了4种坡度阈值:坡度、坡度增量、最小坡度和最大坡度,作为选取地面点的判断依据,克服了坡度滤波单纯依赖坡度及坡度变化选取地面点的缺陷。对初始地形的估计,为算法实施提供了比较准确的滤波参数。点云数据的滤波实验结果表明,该算法具有较强的自适应性和稳定性。3.提出了一种使用机载LIDAR激光点云的首次回波数据和多光谱影像的建筑物自动提取策略。从点云数据中提取建筑物,是在分析建筑物点云特征的基础上,综合运用了数学形态学、模式识别等技术办法。在候选建筑物区域,提取出基于区域的灰度级共生矩阵(Gray Level Cooccurrence Matrix-GLCM)纹理特征,运用聚类算法进行纹理特征的聚类,解决了区分建筑物与高大树木的难题。此外,还研究了由多光谱影像生成的规则化差分植被指数(Normalized Difference Vegetation Index-NDVI)影像作为辅助数据,用于建筑物提取的实际作用。

全文目录

摘要  6-7
Abstract  7-9
第一章绪论  9-15
  1.1 引言  9-10
  1.2 机载LIDAR技术发展现状  10-11
  1.3 研究背景、目的及意义  11-13
    1.3.1 研究的背景  11-12
    1.3.2 研究的目的及意义  12-13
  1.4 论文的内容与安排  13-15
第二章机载LIDAR数据滤波及建筑物提取的理论与方法  15-28
  2.1 机载LIDAR技术  15-20
    2.1.1 机载LIDAR系统  15-17
    2.1.2 机载LIDAR数据及特点  17-19
    2.1.3 机载LIDAR数据误差分析  19-20
    2.1.4 机载LIDAR与航空摄影测量的比较  20
  2.2 机载LIDAR数据滤波技术  20-25
    2.2.1 滤波术语及定义  20-22
    2.2.2 数据滤波算法  22-25
  2.3 机载LIDAR数据建筑物提取技术  25-27
    2.3.1 点云数据建筑物提取进展  25-26
    2.3.2 建筑物提取技术小结  26-27
  2.4 本章小结  27-28
第三章坡度自适应滤波算法  28-52
  3.1 引言  28
  3.2 坡度滤波算法  28-30
  3.3 坡度自适应滤波  30-35
    3.3.1 CAS滤波算法  30-31
    3.3.2 地形坡度估计  31-32
    3.3.3 生成初始表面模型  32-33
    3.3.4 表面模型去噪  33
    3.3.5 选取地面种子点  33-34
    3.3.6 选取地面点  34-35
    3.3.7 再次选取地面点  35
  3.4 滤波误差的定义  35-36
  3.5 实验结果与分析  36-51
    3.5.1 实验数据  36-38
    3.5.2 实验结果与分析  38-51
  3.6 本章小结  51-52
第四章基于机载LIDAR数据的建筑物提取  52-67
  4.1 引言  52
  4.2 建筑物提取策略  52-54
  4.3 提取建筑物所用理论和方法  54-58
    4.3.1 数学形态学图像处理方法  54
    4.3.2 坡度差分  54-55
    4.3.3 GLCM和Haralick纹理特征  55-57
    4.3.4 聚类算法  57-58
  4.4 建筑物提取步骤  58-61
    4.4.1 数据预处理  58-59
    4.4.2 生成nDSM  59-60
    4.4.3 提取候选建筑物区域  60
    4.4.4 提取最终建筑物  60-61
  4.5 实验结果与分析  61-66
  4.5 本章小结  66-67
第五章总结与展望  67-69
  5.1 总结  67-68
  5.2 展望  68-69
参考文献  69-73
附录 ISPRS测试数据的滤波结果  73-83
作者简历攻读硕士学位期间完成的主要工作  83-84
致谢  84

机载LIDAR数据滤波及建筑物提取技术研究

内容摘要

全文目录

相似论文