本文選題：遙感　切入點：激光雷達　出處：《中國林業(yè)科學研究院》2017年博士論文

【摘要】：隨著激光雷達(Light Detection And Ranging,LiDAR)技術在近二十年的快速發(fā)展,LiDAR數(shù)據(jù)被廣泛用于各個行業(yè)的3D測量、空間建模和參數(shù)反演。森林由于其地物垂直結(jié)構(gòu)復雜,林木屬性多變,是高分辨率遙感技術面臨的一大難點。雖然林業(yè)上已使用LiDAR數(shù)據(jù)進行林區(qū)地形建模、森林樹種分類、植被參數(shù)提取等研究,全波形LiDAR數(shù)據(jù)分類的基礎工作仍存在若干系統(tǒng)性的技術問題:新型LiDAR系統(tǒng)的性能得到極大提升,但也引入新的數(shù)據(jù)處理模型問題;LiDAR系統(tǒng)光譜波段單一,目標刻畫仍主要局限于點云數(shù)據(jù)幾何結(jié)構(gòu)和空間拓撲信息,全波形數(shù)據(jù)物理觀測量沒有得到充分利用;林業(yè)上尚未形成一種林區(qū)LiDAR數(shù)據(jù)處理和分類技術框架,以快速有效區(qū)分林區(qū)地面、植被和其他地上非植被目標回波。林區(qū)點云幾何分類器在0.5米近地面層的分類精度得不到保證,間接影響林下精細地形提取。林區(qū)植被點云數(shù)據(jù)常混淆了稀疏的林區(qū)建筑物、電力線等非植被目標,直接干擾森林參數(shù)獲取精度。基于這些背景,本文以林區(qū)全波形數(shù)據(jù)精細分類為目標,開展了以下幾個方面的工作:(1)針對新型高重頻機載LiDAR出現(xiàn)的距離歧義,尤其在山區(qū)等高程起伏較大的林區(qū)導致幾何定位錯誤的問題,提出了LiDAR幾何定位模型的距離項修正,系統(tǒng)建立了距離歧義數(shù)學模型,提出并實現(xiàn)了基于先驗地形預測的方法進行距離歧義消解,驗證了使用ASTER GDEM等全球數(shù)字高程模型數(shù)據(jù)可對機載LiDAR系統(tǒng)提供足夠可靠的距離范圍預測。該方法不受Li DAR硬件體制約束,相比已有商業(yè)系統(tǒng)方案具有可比的穩(wěn)健性和更好的普適性。本研究保證了點云數(shù)據(jù)的可用性,為點云分類工作建立了重要數(shù)據(jù)基礎。(2)實現(xiàn)了全波形LiDAR數(shù)據(jù)高斯參數(shù)提取、相對輻射標定和絕對輻射標定,基于物理特征提出了“波形橢球”的概念,使用波形參數(shù)和后向散射特征參數(shù)構(gòu)建刻畫點云回波空間形態(tài)的實體。針對點云分類的目標,結(jié)合植被、地面回波的統(tǒng)計特征,提出了波形比值指數(shù),利用不同地物回波展寬和輻射特性擴大類型之間的差異,增強了地類之間的可分性。最后,在理論上將波形參數(shù)、相對輻射標定參數(shù)、絕對輻射標定參數(shù)和波形比值指數(shù)統(tǒng)一成波形增強參數(shù)(Waveform Augmented Parameters),極大擴展了現(xiàn)有單波段LiDAR數(shù)據(jù)的特征空間,對目標特征的刻畫提供新的思路。(3)使用波形增強參數(shù)的五種特征組合對林區(qū)點云進行植被和地面回波分類,通過隨機森林方法,對不同入射角的林區(qū)點云數(shù)據(jù)末回波進行了分類器建模,發(fā)現(xiàn)波形比值指數(shù)的分類精度最高,與全體特征參與分類的精度接近,在良好觀測條件下總體精度優(yōu)于97%,與傳統(tǒng)幾何濾波算法具有可比性;相對輻射標定參數(shù)和絕對輻射標定參數(shù)分類精度次之且兩者基本接近;原始波形參數(shù)的分類精度最低。發(fā)現(xiàn)射角度增大使相同地物目標的脈沖寬度方差增大,降低了所有特征組合的分類精度,但在小于20°時,使用波形比值指數(shù)仍然使總體精度高于82%。本研究驗證了波形增強參數(shù)的有效性和對點云分類的優(yōu)勢,為后續(xù)林區(qū)點云地面濾波分類提供了技術準備。(4)結(jié)合波形增強參數(shù)和幾何濾波算法設計了針對林區(qū)低矮植被和地面回波的精細區(qū)分策略——微地形分類,并利用多參數(shù)組合的方式快速標記了林區(qū)建筑物和電力線位置,從而實現(xiàn)了林區(qū)點云數(shù)據(jù)精細分類。首先利用迭代穩(wěn)健內(nèi)插算法進行末回波點云加權(quán)內(nèi)插,生成近似地表曲面模型,進而適度提升曲面模型建立地形緩沖層,通過對波形增強參數(shù)的頻率特征分析,選擇穩(wěn)健特征,進行緩沖層內(nèi)植被和地面回波的精細分類。發(fā)現(xiàn)利用高斯混合模型可以較好地反映兩類點云分布,從而得到點云分類概率,有效剔除了干擾地面模型的低矮植被信號,對林區(qū)0.5米以下近地面層的點云分類起到了根本性的改進,彌補了幾何濾波分類算法的缺陷。進一步標記了建筑物和電力線位置,純化了植被點云數(shù)據(jù)集,對Li DAR數(shù)據(jù)提取森林參數(shù)提供了更優(yōu)的數(shù)據(jù)基礎。同時建立了多次回波的激光雷達方程組,論證了多回波是造成波形增強參數(shù)不穩(wěn)健的主要原因,為全波形LiDAR技術的深入研究提出了建議。總的來說,本文圍繞新型全波形機載LiDAR林區(qū)數(shù)據(jù)精細分類的目標,從幾何定位模型、輻射傳輸模型和數(shù)據(jù)應用等多個角度,提出了新的數(shù)據(jù)解算、信號解譯和應用方法,實現(xiàn)了從預處理到數(shù)據(jù)分類的完整技術框架,落腳于林區(qū)精細地面模型生成和植被點云提純,提高了LiDAR數(shù)據(jù)質(zhì)量。本文的研究為全波形LiDAR技術發(fā)展前沿提供了新的思路,為精細的森林和植被參數(shù)提取創(chuàng)造了良好的技術基礎。
[Abstract]:......
【學位授予單位】：中國林業(yè)科學研究院
【學位級別】：博士
【學位授予年份】：2017
【分類號】：TN958.98;S771

【相似文獻】

相關期刊論文 前10條

1 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點云數(shù)據(jù)的復雜植物葉片重建方法[J];西北林學院學報;2014年05期

2 徐偉恒;馮仲科;蘇志芳;胥輝;焦有權(quán);鄧歐;;一種基于三維激光點云數(shù)據(jù)的單木樹冠投影面積和樹冠體積自動提取算法[J];光譜學與光譜分析;2014年02期

3 黃洪宇;陳崇成;鄒杰;林定;;基于地面激光雷達點云數(shù)據(jù)的單木三維建模綜述[J];林業(yè)科學;2013年04期

4 劉峰;楊志高;;基于對象的激光點云數(shù)據(jù)城區(qū)樹木識別方法[J];中南林業(yè)科技大學學報;2010年07期

5 孫智慧;陸聲鏈;郭新宇;溫維亮;;基于點云數(shù)據(jù)的植物葉片曲面重構(gòu)方法[J];農(nóng)業(yè)工程學報;2012年03期

6 李青林;毛罕平;李萍萍;靳志龍;;基于激光掃描點云數(shù)據(jù)的植物葉片三維可視化[J];安徽農(nóng)業(yè)科學;2011年32期

7 張波;劉紅偉;裴小節(jié);;基于三維激光點云數(shù)據(jù)建立三維樹木模型方法的研究[J];安徽農(nóng)業(yè)科學;2011年33期

8 劉同海;滕光輝;張盛南;李卓;郭鵬;;基于點云數(shù)據(jù)的豬體曲面三維重建與應用[J];農(nóng)業(yè)機械學報;2014年06期

9 陳慶樟;何秀文;馮薇;劉仲國;;發(fā)動機點火系統(tǒng)使用因素對次級波形參數(shù)影響規(guī)律研究[J];拖拉機與農(nóng)用運輸車;2007年03期

10 方慧;胡令潮;何任濤;何勇;;植物三維信息采集方法研究[J];農(nóng)業(yè)工程學報;2012年03期

相關會議論文 前10條

1 閆龍;;攝影測量點云數(shù)據(jù)精簡研究[A];第二十九屆中國控制會議論文集[C];2010年

2 吳美金;;基于薄壁構(gòu)件的點云數(shù)據(jù)提取[A];全國射線數(shù)字成像與CT新技術研討會論文集[C];2009年

3 段文國;張愛武;蔡廣杰;;基于VTK的點云數(shù)據(jù)繪制研究與實現(xiàn)[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

4 宋碧波;盧小平;盧遙;;基于點云數(shù)據(jù)的建筑物三維重建[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

5 張偉忠;張順海;于德敏;;點云數(shù)據(jù)與建模軟件的接口設計[A];全國第13屆計算機輔助設計與圖形學（CAD/CG）學術會議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達;莊嚴;;激光雷達點云數(shù)據(jù)的三維建模技術[A];2009年中國智能自動化會議論文集（第二分冊）[C];2009年

7 劉佳;張愛武;楊麗萍;;室內(nèi)場景激光點云數(shù)據(jù)的三維建模[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

8 隋立春;張熠斌;趙旦;;基于MicroStation的機載LiDAR點云數(shù)據(jù)分類處理軟件[A];第二屆“測繪科學前沿技術論壇”論文精選[C];2010年

9 黃承亮;吳侃;劉虎;;基于三維TIN的格網(wǎng)化點云數(shù)據(jù)特征提取[A];數(shù)字測繪與GIS技術應用研討交流會論文集[C];2008年

10 楊銘;陳建峰;;基于CUDA的海量點云數(shù)據(jù)kNN查詢算法[A];第四屆“測繪科學前沿技術論壇”論文精選[C];2012年

相關重要報紙文章 前1條

1 成都 史為 編譯;波形參數(shù)[N];電子報;2012年

相關博士學位論文 前10條

1 盧昊;全波形機載激光雷達林區(qū)點云數(shù)據(jù)精細分類[D];中國林業(yè)科學研究院;2017年

2 趙江洪;古建筑散亂點云基準面的提取與擬合[D];武漢大學;2012年

3 谷曉英;三維重建中點云數(shù)據(jù)處理關鍵技術研究[D];燕山大學;2015年

4 胡峰俊;三維離散點云數(shù)據(jù)的預處理和配準技術研究[D];浙江工業(yè)大學;2015年

5 董秀軍;三維空間影像技術在地質(zhì)工程中的綜合應用研究[D];成都理工大學;2015年

6 李曉捷;基于深度相機的三維人體重建及在服裝展示方面的技術研究[D];天津工業(yè)大學;2016年

7 張坤;基于三維激光掃描的點云數(shù)據(jù)逆向重建算法研究[D];燕山大學;2016年

8 王巖;陣列激光三維成像點云數(shù)據(jù)配準技術研究[D];中國科學院長春光學精密機械與物理研究所;2016年

9 張學昌;基于點云數(shù)據(jù)的復雜型面數(shù)字化檢測關鍵技術研究及其系統(tǒng)開發(fā)[D];上海交通大學;2006年

10 王果;不同平臺激光點云數(shù)據(jù)面狀信息自動提取研究[D];中國礦業(yè)大學（北京）;2014年

相關碩士學位論文 前10條

1 張磊;大型鋼結(jié)構(gòu)建筑安裝質(zhì)量檢測與變形監(jiān)測軟件系統(tǒng)設計與實現(xiàn)[D];北京建筑大學;2015年

2 饒杰;基于激光點云數(shù)據(jù)的建筑物快速三維建模[D];中國地質(zhì)大學(北京);2015年

3 李俊寶;TLS在古建筑物測繪及建模中的應用研究[D];長安大學;2015年

4 謝金坤;基于事故車輛車身變形的碰撞速度研究[D];長安大學;2015年

5 顧品熒;基于點云數(shù)據(jù)的基本款女西裝樣板生成系統(tǒng)研究[D];蘇州大學;2015年

6 李國瑞;車載LiDAR點云中的車輛自動檢測技術[D];長安大學;2015年

7 江靜;建筑物LiDAR點云數(shù)據(jù)特征檢測及配準關鍵技術研究[D];集美大學;2015年

8 梁子瑜;基于TLS點云數(shù)據(jù)的林分調(diào)查因子測定及收獲估計[D];南京林業(yè)大學;2015年

9 喻W毶，

本文編號：1701579