本文關(guān)鍵詞：基于機(jī)載激光雷達(dá)點(diǎn)云數(shù)據(jù)的DEM構(gòu)建研究　出處：《山東師范大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 機(jī)載激光雷達(dá) 點(diǎn)云數(shù)據(jù) 濾波處理 DEM精度評價(jià)

【摘要】：機(jī)載激光雷達(dá)(LiDAR)測量技術(shù)已經(jīng)成為測取高精度空間數(shù)據(jù)的有效方法。機(jī)載LiDAR的主動(dòng)式遙感測量,對天氣條件要求較低,獲取的高時(shí)間分辨率與空間分辨率的點(diǎn)云數(shù)據(jù)能為高精度數(shù)字高程模型(DEM)的制作提供可靠的數(shù)據(jù)基礎(chǔ)。現(xiàn)階段,基于LiDAR點(diǎn)云數(shù)據(jù)的DEM構(gòu)建研究中,存在的主要難點(diǎn)在于如何精確的獲取LiDAR點(diǎn)云數(shù)據(jù),并通過預(yù)處理與濾波處理剔除非地面點(diǎn)云數(shù)據(jù),同時(shí)保留關(guān)鍵地形特征信息。本文針對LiDAR點(diǎn)云數(shù)據(jù)構(gòu)建DEM存在的主要問題來開展研究。選取煙臺市海岸地區(qū)為研究區(qū),通過規(guī)劃飛行線路、檢校線路與飛行質(zhì)量檢驗(yàn),首次獲取了煙臺市海岸地區(qū)高精度的點(diǎn)云數(shù)據(jù)。通過原始點(diǎn)云數(shù)據(jù)質(zhì)量控制與大地定向完成了點(diǎn)云數(shù)據(jù)的預(yù)處理。在此基礎(chǔ)上,使用移動(dòng)窗口濾波算法與人機(jī)交互方法實(shí)現(xiàn)了點(diǎn)云數(shù)據(jù)的精確分類,剔除了非地面點(diǎn)云數(shù)據(jù)并得到了準(zhǔn)確的點(diǎn)云數(shù)據(jù)。通過內(nèi)插獲取到DEM數(shù)據(jù),結(jié)合網(wǎng)絡(luò)實(shí)時(shí)動(dòng)態(tài)定位(RTK)技術(shù)實(shí)地測得的地面高程數(shù)據(jù)對基于LiDAR點(diǎn)云數(shù)據(jù)獲取的DEM數(shù)據(jù)進(jìn)行精度評價(jià),得到了一些有益的結(jié)論。本文研究的主要內(nèi)容和成果有:介紹了機(jī)載LiDAR系統(tǒng)及其測量原理,詳細(xì)介紹了系統(tǒng)各部分及其功能,分析了LiDAR點(diǎn)云數(shù)據(jù)的結(jié)構(gòu)與特點(diǎn),分析了數(shù)據(jù)誤差來源以及降低誤差的方法。并闡明了攝影測量與In SAR的原理與特點(diǎn),與LiDAR系統(tǒng)進(jìn)行了對比分析,研究了LiDAR點(diǎn)云數(shù)據(jù)的優(yōu)勢與不足。首次獲取得到煙臺市海岸地區(qū)的高精度機(jī)載LiDAR點(diǎn)云數(shù)據(jù)。對原始點(diǎn)云數(shù)據(jù)進(jìn)行大地定向,通過多個(gè)坐標(biāo)系的轉(zhuǎn)換使原始點(diǎn)云數(shù)據(jù)具有了精確的WGS-84坐標(biāo),并通過基于高程統(tǒng)計(jì)的方法對點(diǎn)云數(shù)據(jù)進(jìn)行初步降噪,去除了較為明顯噪聲數(shù)據(jù),完成對點(diǎn)云數(shù)據(jù)的預(yù)處理。在此基礎(chǔ)上,使用基于移動(dòng)窗口的點(diǎn)云濾波算法對點(diǎn)云數(shù)據(jù)進(jìn)行了濾波處理,多次變換窗口閾值,去除掉了大部分的噪聲數(shù)據(jù)。之后使用人機(jī)交互的方式對點(diǎn)云數(shù)據(jù)進(jìn)行后處理,將地面點(diǎn)云與非地面點(diǎn)云數(shù)據(jù)進(jìn)行精確分類,完成了點(diǎn)云數(shù)據(jù)的進(jìn)一步降噪處理,基本消除了噪聲點(diǎn)云數(shù)據(jù)。首次使用高精度LiDAR點(diǎn)云數(shù)據(jù)構(gòu)建煙臺市海岸地區(qū)DEM。在處理海量的LiDAR點(diǎn)云數(shù)據(jù)時(shí),為了避免數(shù)據(jù)冗余量多大和提高插值精度,采用不規(guī)則三角網(wǎng)(TIN)模型來模擬地表形態(tài)。使用基于Delaunay三角剖分算法對全部點(diǎn)云數(shù)據(jù)進(jìn)行擬合,獲取研究區(qū)內(nèi)點(diǎn)云數(shù)據(jù)的不規(guī)則三角網(wǎng)。在此基礎(chǔ)上,通過線性內(nèi)插獲取DEM。采用線性內(nèi)插方法是因點(diǎn)云數(shù)據(jù)的空間密度極高,極大的降低了線性插值的誤差;并且對于含有數(shù)百萬三角形的三角網(wǎng)有較好的運(yùn)算速度。詳細(xì)介紹了網(wǎng)絡(luò)實(shí)時(shí)動(dòng)態(tài)定位(RTK)技術(shù),并使用此技術(shù)在研究區(qū)獲取了151個(gè)精確的高程數(shù)據(jù)。使用實(shí)測數(shù)據(jù)基于邏輯分析法與高程誤差分析法,判斷等高線邏輯關(guān)系與坡度異常值,分析高程中誤差、平均絕對誤差與平均誤差,對LiDAR點(diǎn)云數(shù)據(jù)生成的DEM數(shù)據(jù)進(jìn)行精度評價(jià)。實(shí)測高程與DEM高程的平均誤差與平均絕對誤差分別為0.105m與0.231m,整個(gè)地區(qū)的中誤差為0.285m。
[Abstract]:Airborne laser radar (LiDAR) measurement technology has become an effective method for measuring high precision spatial data. The active remote sensing measurement of airborne LiDAR requires less weather conditions, and the acquired point cloud data with high temporal resolution and spatial resolution can provide reliable data basis for the production of high-precision digital elevation model (DEM). At present, the main difficulty of DEM construction based on LiDAR point cloud data lies in how to get LiDAR point cloud data accurately, and exclude non ground point cloud data through preprocessing and filtering processing, while preserving key terrain feature information. This paper studies the main problems existing in the construction of LiDAR point cloud data for the existence of DEM. From the coastal areas of Yantai city as the study area, by planning the flight line, line calibration and flight quality inspection, for the first time to get a high precision of point cloud data in coastal area of Yantai city. The pre processing of point cloud data is completed through the quality control and geodetic orientation of the original point cloud data. On this basis, we use mobile window filter algorithm and human-machine interaction method to achieve accurate classification of point cloud data, eliminate non ground point cloud data and get accurate point cloud data. Through interpolation to get the DEM data, combined with the ground elevation data measured by network real-time dynamic positioning (RTK) technology, we evaluate the accuracy of DEM data based on LiDAR point cloud data, and get some useful conclusions. The main contents and achievements of this paper are as follows: the airborne LiDAR system and its measurement principle are introduced, and the parts and functions of the system are introduced. The structure and characteristics of LiDAR point cloud data are analyzed, and the sources of data errors and the methods of reducing errors are analyzed. The principle and characteristics of photogrammetry and In SAR are clarified, and the LiDAR system is compared and analyzed, and the advantages and disadvantages of LiDAR point cloud data are studied. The high precision airborne LiDAR point cloud data are obtained for the first time in the coastal area of Yantai. For the Earth Orientation on the original point cloud data conversion through multiple coordinate system to the original point cloud data with the WGS-84 coordinates, and through the method of elevation based on the statistics of the point cloud data of noise reduction, removal of obvious noise data preprocessing on point cloud data. On this basis, we use point cloud filtering algorithm based on mobile window to filter the point cloud data, and transform the window threshold many times to remove most of the noise data. After that, post processing of point cloud data is done by means of human-machine interaction. The ground point cloud and non ground point cloud data are accurately classified, and the point cloud data is further de noised and processed. The noise point cloud data is basically eliminated. The first use of high precision LiDAR point cloud data to build the coastal area of Yantai DEM. When dealing with massive LiDAR point cloud data, the Irregular Triangulation Network (TIN) model is used to simulate the surface morphology in order to avoid data redundancy and improve interpolation accuracy. Using the Delaunay triangulation algorithm, all the point cloud data are fitted to obtain the Irregular Triangulation of the point cloud data in the study area. On this basis, DEM is obtained by linear interpolation. The linear interpolation method is because the density of point cloud data is very high, which greatly reduces the error of linear interpolation, and has a good speed for the triangulation network containing millions of triangles. The network real-time dynamic positioning (RTK) technology is introduced in detail, and 151 precise elevation data are obtained in the research area using this technology. Based on the measured data, based on the logical analysis and the height error analysis, we judge the logical relation between the contour line and the slope abnormal value, and analyze the height error, the mean absolute error and the average error. We evaluate the accuracy of the DEM data generated by LiDAR point cloud data. The average error and the mean absolute error of the measured elevation and the DEM elevation are 0.105m and 0.231m respectively, and the middle error of the whole area is 0.285m.
【學(xué)位授予單位】：山東師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TN958.98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 康蘭;馮亞娟;陳正鳴;;多視點(diǎn)云數(shù)據(jù)快速對齊方法[J];機(jī)械設(shè)計(jì)與研究;2009年01期

2 閆龍;;攝影測量點(diǎn)云數(shù)據(jù)精簡研究[J];制造技術(shù)與機(jī)床;2010年07期

3 鄭德華;;點(diǎn)云數(shù)據(jù)直接縮減方法及縮減效果研究[J];測繪工程;2006年04期

4 張量;王敏;;基于k鄰域離散擴(kuò)張的點(diǎn)云數(shù)據(jù)分割[J];軟件導(dǎo)刊;2009年12期

5 周怡;周顧盛;;三維GIS數(shù)據(jù)的處理與提取方法的研究—以點(diǎn)云數(shù)據(jù)中提取樹木為例[J];計(jì)算機(jī)應(yīng)用與軟件;2010年10期

6 李鳳霞;饒永輝;劉陳;介飛;;基于法向夾角的點(diǎn)云數(shù)據(jù)精簡算法[J];系統(tǒng)仿真學(xué)報(bào);2012年09期

7 嵇俊;云挺;薛聯(lián)鳳;張浩平;;基于激光點(diǎn)云數(shù)據(jù)的復(fù)雜植物葉片重建方法[J];西北林學(xué)院學(xué)報(bào);2014年05期

8 吳福生,丁玉成,盧秉恒;基于點(diǎn)云數(shù)據(jù)復(fù)雜曲面產(chǎn)品的快速開發(fā)[J];西安交通大學(xué)學(xué)報(bào);2002年11期

9 胡雪芬,陳愛萍,童水光,單新潮;基于點(diǎn)云數(shù)據(jù)的鞋楦數(shù)控編程及其仿真[J];組合機(jī)床與自動(dòng)化加工技術(shù);2004年07期

10 陳飛舟;陳志楊;丁展;葉修梓;張三元;;基于徑向基函數(shù)的殘缺點(diǎn)云數(shù)據(jù)修復(fù)[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2006年09期

相關(guān)會(huì)議論文 前10條

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

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

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

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

5 張偉忠;張順海;于德敏;;點(diǎn)云數(shù)據(jù)與建模軟件的接口設(shè)計(jì)[A];全國第13屆計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)（CAD/CG）學(xué)術(shù)會(huì)議論文集[C];2004年

6 呂瓊瓊;楊曉暉;楊唐文;韓建達(dá);莊嚴(yán);;激光雷達(dá)點(diǎn)云數(shù)據(jù)的三維建模技術(shù)[A];2009年中國智能自動(dòng)化會(huì)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(diǎn)云數(shù)據(jù)的三維建模[A];《測繪通報(bào)》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

8 隋立春;張熠斌;趙旦;;基于MicroStation的機(jī)載LiDAR點(diǎn)云數(shù)據(jù)分類處理軟件[A];第二屆“測繪科學(xué)前沿技術(shù)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(diǎn)云數(shù)據(jù)特征提取[A];數(shù)字測繪與GIS技術(shù)應(yīng)用研討交流會(huì)論文集[C];2008年

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

相關(guān)博士學(xué)位論文 前10條

1 趙江洪;古建筑散亂點(diǎn)云基準(zhǔn)面的提取與擬合[D];武漢大學(xué);2012年

2 谷曉英;三維重建中點(diǎn)云數(shù)據(jù)處理關(guān)鍵技術(shù)研究[D];燕山大學(xué);2015年

3 胡峰俊;三維離散點(diǎn)云數(shù)據(jù)的預(yù)處理和配準(zhǔn)技術(shù)研究[D];浙江工業(yè)大學(xué);2015年

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

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

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

7 王巖;陣列激光三維成像點(diǎn)云數(shù)據(jù)配準(zhǔn)技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機(jī)械與物理研究所;2016年

8 張學(xué)昌;基于點(diǎn)云數(shù)據(jù)的復(fù)雜型面數(shù)字化檢測關(guān)鍵技術(shù)研究及其系統(tǒng)開發(fā)[D];上海交通大學(xué);2006年

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

10 趙煦;基于地面激光掃描點(diǎn)云數(shù)據(jù)的三維重建方法研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)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(shè)計(jì)與實(shí)現(xiàn)[D];北京建筑大學(xué);2015年

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

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

5 顧品熒;基于點(diǎn)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(xué);2015年

6 李國瑞;車載LiDAR點(diǎn)云中的車輛自動(dòng)檢測技術(shù)[D];長安大學(xué);2015年

7 江靜;建筑物L(fēng)iDAR點(diǎn)云數(shù)據(jù)特征檢測及配準(zhǔn)關(guān)鍵技術(shù)研究[D];集美大學(xué);2015年

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

9 喻W毶，

本文編號：1345600