“數(shù)字城市”作為知識經濟、信息社會發(fā)展的必然趨勢,代表了新的世界潮流和城市發(fā)展的方向。建筑物作為城市地區(qū)最主要的地物要素之一,對其信息提取及分析的研究變得至關重要。近年來,許多攝影測量與遙感等領域的學者展開了利用機載LiDAR點云數(shù)據(jù)（半）自動建筑物信息提取及建模的研究。機載LiDAR是一種新型的主動式遙測儀器,它能夠快速直接的獲取海量、高精度、高密度的地表三維數(shù)據(jù),是一種兼具效率、精度及經濟優(yōu)勢的地表三維空間數(shù)據(jù)釆集技術,因此機載Li DAR數(shù)據(jù)逐漸成為了建筑物信息提取及模型重建中難以替代的數(shù)據(jù)源。本文以山東省臨沂市蘭山區(qū)的機載Li DAR數(shù)據(jù)為研究對象,針對建筑物信息提取涉及到的去噪、點云分類、建筑物輪廓線提取以及輪廓線規(guī)則化一系列問題展開研究與試驗,具體內容如下:（1）通過三維格網(wǎng)數(shù)據(jù)結構對機載LiDAR點云進行組織,分別根據(jù)格網(wǎng)間的鄰域關系及區(qū)域生長算法剔除點云主體外的離散、成簇噪聲點。（2）依據(jù)規(guī)則格網(wǎng)結構選取格網(wǎng)內部最低點,以此為種子點構建TIN得到點云距地面高差,進而通過高差偏度平衡濾波將Li DAR點云分為地面點和非地面點,實現(xiàn)無閾值濾波。（3）利用非地面點云的多次回波... 

【文章頁數(shù)】：60 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現(xiàn)狀
        1.2.1 LiDAR數(shù)據(jù)去噪的研究現(xiàn)狀
        1.2.2 機載LiDAR建筑物提取的研究現(xiàn)狀
        1.2.3 機載LiDAR建筑物輪廓線提取的研究現(xiàn)狀
        1.2.4 機載LiDAR建筑物輪廓線規(guī)則化的研究現(xiàn)狀
    1.3 研究內容、技術路線及論文結構
        1.3.1 研究內容
        1.3.2 技術路線
        1.3.3 論文結構
第2章 機載LiDAR系統(tǒng)及數(shù)據(jù)
    2.1 機載LiDAR系統(tǒng)
        2.1.1 機載LiDAR產品簡述
        2.1.2 機載LiDAR系統(tǒng)組成
        2.1.3 機載LiDAR系統(tǒng)工作原理
        2.1.4 機載LiDAR系統(tǒng)特性
    2.2 LiDAR點云數(shù)據(jù)
        2.2.1 LiDAR數(shù)據(jù)組成
        2.2.2 LiDAR數(shù)據(jù)特點
        2.2.3 LiDAR數(shù)據(jù)結構
第3章 研究區(qū)與實驗數(shù)據(jù)
    3.1 研究區(qū)概況
    3.2 機載LiDAR數(shù)據(jù)
第4章 LIDAR數(shù)據(jù)預處理
    4.1 噪聲來源及分類
    4.2 基于三維格網(wǎng)的機載LiDAR數(shù)據(jù)去噪算法
        4.2.1 點云三維格網(wǎng)化
        4.2.2 離散噪聲點的判別
        4.2.3 成簇噪聲點的判別
    4.3 實驗與分析
第5章 建筑物點云提取
    5.1 典型地物的點云分布特征
    5.2 常見的濾波算法原理
        5.2.1 基于地形坡度的濾波
        5.2.2 數(shù)學形態(tài)學濾波
        5.2.3 移動曲面擬合濾波
    5.3 基于TIN三角網(wǎng)的高差偏度平衡濾波
        5.3.1 計算高差
        5.3.2 高差偏度平衡濾波
    5.4 基于聯(lián)通域檢測的平面擬合閾值算法
    5.5 實驗與分析
        5.5.1 實驗數(shù)據(jù)及結果
        5.5.2 精度分析
第6章 建筑物點云輪廓線提取及規(guī)則化
    6.1 建筑物點云輪廓線提取
        6.1.1 改進的Alpha-Shape算法
    6.2 建筑物輪廓線規(guī)則化
        6.2.1 建筑物輪廓線關鍵點檢測
        6.2.2 輪廓線規(guī)則化
    6.3 實驗與分析
        6.3.1 實驗數(shù)據(jù)及結果
        6.3.2 精度分析
第7章 結論與展望
    7.1 結論
    7.2 展望
參考文獻
導師、作者簡介及攻讀學位期間發(fā)表文章
致謝


【參考文獻】：
期刊論文
[1]高效計算網(wǎng)格壁面距離的KD樹方法[J]. 郭中州,何志強,夏陳超,陳偉芳.  國防科技大學學報. 2017(04)
[2]基于強度與顏色信息的地面LiDAR點云聯(lián)合分類方法[J]. 程效軍,郭王,李泉,程小龍.  中國激光. 2017(10)
[3]大數(shù)據(jù)背景下混合層次包圍盒碰撞檢測算法的優(yōu)化[J]. 李健,王明月,姚汝婧,曹春玲,胡雅婷.  吉林大學學報(理學版). 2017(03)
[4]雙閾值Alpha Shapes算法提取點云建筑物輪廓研究[J]. 李云帆,譚德寶,高廣,劉瑞.  長江科學院院報. 2016(11)
[5]基于DSM深度影像的機載LiDAR建筑物邊界提取[J]. 陳光洲,岳東杰,許穎,郭珍珍.  勘察科學技術. 2016(01)
[6]多尺度點云噪聲檢測的密度分析法[J]. 朱俊鋒,胡翔云,張祖勛,熊小東.  測繪學報. 2015(03)
[7]測繪人眼中的智慧城市——李德仁院士專訪[J]. 牛汝辰,鄧國臣.  測繪科學. 2015(01)
[8]關鍵點檢測的復雜建筑物模型自動重建[J]. 李鵬程,邢帥,徐青,周楊,劉志青,張艷,耿迅.  遙感學報. 2014(06)
[9]一種四叉樹與KD樹結合的海量機載LiDAR數(shù)據(jù)組織管理方法[J]. 楊建思.  武漢大學學報(信息科學版). 2014(08)
[10]基于特征選擇的雙邊濾波點云去噪算法[J]. 曹爽,岳建平,馬文.  東南大學學報(自然科學版). 2013(S2)

博士論文
[1]機載激光雷達點云數(shù)據(jù)濾波算法的研究與應用[D]. 周曉明.解放軍信息工程大學 2011
[2]機載激光雷達點云數(shù)據(jù)處理與建筑物三維重建[D]. 曾齊紅.上海大學 2009

碩士論文
[1]樹木遮擋下的機載Lidar點云建筑物輪廓提取[D]. 馮茂林.西南交通大學 2017
[2]基于機載LIDAR點云數(shù)據(jù)的建筑物邊緣提取[D]. 魏磊.長安大學 2013
[3]基于LIDAR點云數(shù)據(jù)與影像融合的建筑物提取[D]. 潘中華.中國地質大學 2012
[4]計算幾何的不規(guī)則三角網(wǎng)算法研究及在GIS中應用[D]. 姜宇濤.中國地質大學（北京） 2003



本文編號：3730625