论文部分内容阅读
机载激光雷达测量技术,作为一种快速、高效获取高精度数字表面模型的摄影测量方式,应用范围不断扩大；同时,对于城区建筑物等基础设施的三维信息提取,在数字城市的建设和应用日益受到广泛的关注,机载LiDAR系统获取的点云数据具有直接描述测区表面三维信息的能力,是一种实现城区建筑物的特征信息提取的重要方式。为了获取有效的建筑物信息,对机载LiDAR点云数据进行滤波分类和建筑物提取的方法是两个核心内容,本文分析总结了近年来利用机载LiDAR数据进行滤波分类的方法和对建筑物点云数据提取的相关方法,对形态学滤波方法进行了改进,同时运用改进的区域增长法来进行建筑物信息的提取,并通过具体实验验证了本文研究方法的可行性。此外,为了对比实验方法进行对比分析,还结合了目前使用较广的商用软件TerraSolid对实验数据进行滤波分类处理以及建筑物信息的提取。本文的主要研究工作有一下几个方面：(1)结合TerraSolid软件的系统流程简要归纳了基于机载LiDAR数据实现滤波和分类的相关基本原理、算法及基本处理流程。特别针对建筑物的提取展开深入研究。(2)鉴于经典的形态学滤波是使用固定窗口进行开运算处理,对于实际测区中地物尺寸大小的变化适应性较弱,并且采用固定的高程阈值判定指导滤波也很难满足实际应用的需求,本文基于现有算法通过比较分析,基于点云数据的形态学滤波进行改进,通过选择变化的开运算窗口和高程阈值来进行分类,有效提高了该方法的适用性和分类精度。(3)为了提取建筑物信息,考虑到建筑物与其它非地面信息(比如植被)具有不同的平面法向量,以此作为特征参数,基于区域增长法实现数据分割。传统算法根据不规则三角网的区域增长法,通过不同数据类型邻接部分的高程突变来实现判断；但在对LiDAR点云数据进行数据重采样的过程中,容易造成数据精度的丢失。所以,研究分析中不对全局点云数据实行区域增长,而是先对点云数据进行滤波处理,分离为地面点与非地面点两部分,然后从非地面点集实行基于离散点的区域增长法来提取建筑物信息。实验验证表明,该方法的在实际应用中具有更强的适应性,能够有效提高建筑物提取的精度和可靠度。