论文部分内容阅读
机载激光雷达(Light Detection and Ranging-LIDAR)是一种激光对地扫描获取地形表面空间和特征信息的直接定位技术。作为一种新型的对地测绘手段,机载LIDAR不仅解决了传统航空摄影测量测绘地形困难区域的难题,还在一定程度上指引着今后对地观测技术的发展方向。本文重点探讨点云数据滤波和建筑物提取技术,提出了一种坡度自适应滤波算法和建筑物自动提取的处理流程,并通过实验进行具体验证,得出了一些有益的结论。本文的主要工作和研究重点如下:1.介绍了机载LIDAR的系统组成、数据特点和系统误差源,并与航空摄影测量技术进行了比较。回顾了一些经典的数据滤波算法,对这些算法进行了分析和归纳,详细介绍了基于表面、基于区域和基于坡度等三种类型的滤波算法及其特性。简要回顾了基于点云数据的建筑物提取进展,并对其中需要解决的问题进行了总结。2.提出了一种坡度自适应滤波算法。该算法是基于CAS模型的坡度滤波算法,利用了4种坡度阈值:坡度、坡度增量、最小坡度和最大坡度,作为选取地面点的判断依据,克服了坡度滤波单纯依赖坡度及坡度变化选取地面点的缺陷。对初始地形的估计,为算法实施提供了比较准确的滤波参数。点云数据的滤波实验结果表明,该算法具有较强的自适应性和稳定性。3.提出了一种使用机载LIDAR激光点云的首次回波数据和多光谱影像的建筑物自动提取策略。从点云数据中提取建筑物,是在分析建筑物点云特征的基础上,综合运用了数学形态学、模式识别等技术办法。在候选建筑物区域,提取出基于区域的灰度级共生矩阵(Gray Level Cooccurrence Matrix-GLCM)纹理特征,运用聚类算法进行纹理特征的聚类,解决了区分建筑物与高大树木的难题。此外,还研究了由多光谱影像生成的规则化差分植被指数(Normalized Difference Vegetation Index-NDVI)影像作为辅助数据,用于建筑物提取的实际作用。