【摘要】：道路作為城市中的基礎設施,其在交通運輸、應急響應和城市建設中扮演著重要的角色。隨著城市的快速發(fā)展和“智慧城市”的建設,道路網的數據獲取和實時更新就變得尤為重要。機載LiDAR系統(tǒng)以其高效、準確、時效的三維坐標信息獲取能力,豐富的回波強度屬性,使得該數據采集技術成為城市道路快速提取的熱門研究方向。針對從機載LiDAR點云數據中提取城區(qū)道路,國內外學者已經提出多種算法,但是其中大部分的算法在提取道路點云時都存在自身的缺陷,比如道路點云數據提取的正確度不高,無法有效剔除停車場、露天廣場等與道路相連且特征極為相似的區(qū)域,道路中心線的提取存在斷裂、不連續(xù)等現象。本文重點針對如何有效剔除停車場、露天廣場等區(qū)域開展了以下研究工作:分析了國內外學者在Li DAR點云道路提取方面所取得的成果;研究了機載LiDAR系統(tǒng)的組成及工作原理;分析了機載LiDAR點云的特點以及處理流程,為接下來進行道路點云數據的提取打下基礎。研究了目前比較流行的幾種濾波算法,最后采用在城市區(qū)域表現較好的漸進不規(guī)則三角網加密濾波算法,來分離地面點和非地面點,并對該算法原理進行了詳細的介紹;研究了機載Li DAR點云數據的強度屬性,列舉了幾種具有代表性的介質的反射率,并介紹了通過統(tǒng)計道路區(qū)域數據的強度值,得出整個實驗區(qū)域道路點云的強度閾值,從而提取出初始道路點云數據。針對停車場、露天廣場等與道路相連且特征極為相似的區(qū)域難以剔除的問題,首先利用距離分割法剔除分散在道路兩側的離散點云數據,然后采用基于RANSAC算法的點云分割方法進行道路點云數據的提取,通過該方法可以有效剔除停車場、露天廣場等區(qū)域。為了便于以后對提取的道路點云數據的使用,本文采用數學形態(tài)學及Hough變換檢測的方法,對道路點云數據進行中心線的提取。最后以荷蘭某城市地區(qū)的機載LiDAR點云數據為原始數據,在MATLAB 2014和Microsoft Visual Studio2010環(huán)境下對上述算法進行實現,并引入正確度(Correctness)、完整度(Completeness)和總體質量(Quality)三個指標對實驗結果進行精度評定與分析,結果證明了該算法的有效性。
【學位授予單位】：西南交通大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：P237
【圖文】：

存儲數據采集所獲得的數據選） 獲取雷達點云數據的同時獲取航空DAR 系統(tǒng)的工作原理測量，一般是利用二維影像的立體像對、影像間的關地 表 控 制 點 解 算 出 傳 感 器 成 像 過 程 中 的 外 , ），達到定位地表目標點的目的[27]。對于機載 L接的對地觀測方法，它基本的工作原理是以邊角測量面目標發(fā)射激光束來測得從激光發(fā)射器到地面目標點收系統(tǒng)來測定遙感平臺的位置，通過姿態(tài)測量系統(tǒng)，然后就可以通過邊角測量原理得出被測目標的三維iDAR 測量系統(tǒng)的復雜性，搭載的儀器較多，各個設，各個設備的參數都會存在一些誤差，所以在進行觀檢校。如圖 2-2，為機載 LiDAR 系統(tǒng)對地面進行數

西南交通大學碩士研究生學位論文 第 9圖 2-3 所示，假設在三維空間中存在一已知點 0 0 0 0P X , Y ,Z ，它到地面點 , , i i i iP X Y Z 的向量為 , , s s sS X Y Z ，則通過對已知點0P 和向量S 算，能夠得出iP 點的三維坐標。

圖 3-1 陡坎、房屋和樹木引起的高程突變現象這樣，當局部區(qū)域內的兩個點云，如果高程相差超過一定閾值，則認為高程值較大的點為地物點，高程值較小的點為地面點，進而完成對點云數據的濾波。目前用于機載 LiDAR 點云濾波的算法較多，各種濾波算法的對比分析如表3-1 所示，本文選取幾種常用濾波算法進行簡要介紹。表 3-1 典型的幾種濾波算法及其各自的特性[34]濾波算法 提出者 數據結構 判別原則 提取策略 處理過程形態(tài)學方法 Lindenberger 格網內插 區(qū)塊 自下而上 迭代移動窗口法 Petzold 格網內插 區(qū)塊 自上而下 迭代基于坡度方法 Vosselman 點列 坡度 自下而上 一次完成樣條插值法 Brovelli 格網內插 區(qū)塊 自下而上 一次完成迭代最小二乘

【參考文獻】

相關期刊論文 前10條

1 高帥華;安巧絨;;RANSAC在影像匹配中的應用[J];中國科技信息;2018年06期

2 惠振陽;胡友健;康妍斐;;基于反射強度偏度平衡的道路點云提取算法[J];激光與光電子學進展;2018年02期

3 吳翊萱;賀俊吉;;視頻中運動人體骨架提取方法[J];電腦知識與技術;2017年10期

4 邵為真;趙富燕;梁周雁;;基于不規(guī)則三角網的漸進加密濾波算法研究[J];北京測繪;2016年06期

5 黃先鋒;李娜;張帆;萬文輝;;利用LiDAR點云強度的十字剖分線法道路提取[J];武漢大學學報(信息科學版);2015年12期

6 吳芳;張宗貴;郭兆成;安志宏;于坤;李婷;;基于機載LiDAR點云濾波的礦區(qū)DEM構建方法[J];國土資源遙感;2015年01期

7 李鵬程;邢帥;徐青;周楊;劉志青;張艷;耿迅;;關鍵點檢測的復雜建筑物模型自動重建[J];遙感學報;2014年06期

8 曹鴻;李永強;牛路標;毛杰;閆陽陽;;基于機載LiDAR數據的建筑物點云提取[J];河南城建學院學報;2014年01期

9 李濤;王衛(wèi)衛(wèi);翟棟;賈西西;;圖像分割的加權稀疏子空間聚類方法[J];系統(tǒng)工程與電子技術;2014年03期

10 王勇;熊愛武;;機載LiDAR點云數據精度評定方法的研究[J];測繪與空間地理信息;2013年08期

相關博士學位論文 前2條

1 馮義從;車載LiDAR點云的建筑物立面信息快速自動提取[D];西南交通大學;2014年

2 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學;2012年

相關碩士學位論文 前6條

1 馮茂林;樹木遮擋下的機載Lidar點云建筑物輪廓提取[D];西南交通大學;2017年

2 陳飛;基于機載LiDAR點云的道路提取方法研究[D];西南交通大學;2013年

3 趙振峰;基于機載LiDAR點云的道路提取研究[D];昆明理工大學;2012年

4 曾靜靜;基于LiDAR點云與CCD影像的建筑物特征提取[D];山東科技大學;2011年

5 曹玉龍;線劃圖像的細化算法研究[D];長安大學;2011年

6 陳國棟;Hough變換改進算法研究[D];哈爾濱工業(yè)大學;2007年

本文編號：2776372