新版搜索下载系统内测,不限量免费下载(免费至7月1日)(点击打开新版

多平台LiDAR点云数据集成技术研究

资料来自用户(George)上传,若本站收录的文献无意侵犯了您的著作版权,请点击版权申明
导师姓名
程亮  刘永学
学科专业
地图学与地理信息系统
文献出处
南京大学   2014年
关键词
航空论文  车载论文  地面论文  多平台论文  点云数据集成论文
论文摘要

随着经济社会的发展以及科学技术水平的提高,人们对高时效、高精度、大范围的空间数据的需求越来越大。激光雷达技术具有分辨率高、抗干扰能力强、主动快速等优点,满足人们研究和应用的需求,得到了长足的发展。主流激光雷达技术包括星载激光雷达、航空激光雷达、车载激光雷达和地面激光雷达。不同平台的激光雷达性能各不相同,点云也各有特点。随着不同平台激光雷达点云集成应用的出现,多平台LiDAR点云的集成成为一个新的研究热点。由于多平台LiDAR点云数据的异质性(视角不同、空间分辨率不同、覆盖范围不同、目标不同)以及点云数据本身的离散性,海量多平台LiDAR点云的自动集成存在较大的难度。本研究针对多平台LiDAR点云数据的集成问题,以航空LiDAR点云数据为参照,以“特征提取——特征匹配——数据集成”为主线,分别探索了“空-地”LiDAR点云集成方法、“空-车”LiDAR点云集成方法,初步形成了一套高可靠性、高精度、高自动化的“空-车-地”LiDAR点云数据集成方法。具体研究内容如下:(1)“空-地’’LiDAR点云集成方法。由于航空和地面LiDAR点云数据的异质性,航空LiDAR中提取的建筑角点数量较多,但精度较低,异常点较多,而地面LiDAR中提取的建筑角点精度较高,但数量较少。如何充分利用少量的精度差异较大的共轭特征实现点云的高精度配准,对于“空-地”LiDAR点云集成至关重要。为解决此问题,研究提出了一种可移动引导点的方法,该方法充分利用了所有共轭特征在空间分布上对于点云集成效果的贡献,以高精度地面角点为参照,从航空角点中生成移动引导点,迭代地移动修正引导点,实现“空-地"LiDAR点云的高精度配准。在这一过程中,研究中利用反向迭代数学形态学算法从航空LiDAR点云中提取建筑角点;利用投影密度方法从地面LiDAR点云中提取建筑角点,提出了一种建筑轮廓密度估计的方法准确地确定建筑格网密度阈值。(2)“空-车"LiDAR点云集成方法。航空和车载LiDAR点云数据量大,覆盖范围广,单一的转换参数难以满足大范围点云高精度集成的要求,并且以碎步地物为基元进行配准,计算量大,容易陷入局部最优。为此,研究采用了一种先整体、后局部的配准策略,以大尺度的道路网为基元进行点云的整体粗配准,在此基础上使用建筑轮廓对局部点云进行精化。在粗配准的过程中,综合利用航空LiDAR的强度和高程信息提取道路网,结合车载轨迹线信息,利用道路交叉点计算粗配准转换参数。在局部区域,利用反向迭代数学形态学算法从航空LiDAR中提取建筑轮廓,提出一种极高值累积量的方法从车载LiDAR中提取建筑轮廓,使用基于向量的三维基准转换模型和共线方程实现点云的精配准。通过实验发现,由于可移动引导点的方法充分考虑了所有共轭特征对于特征匹配的贡献,在特征数量较少的情况下,能够有效提高“空-地"LiDAR点云的集成精度,精度达到分米级。在“空-车"LiDAR点云集成方法中,使用道路网进行粗配准,可避免直接用碎步地物特征引导而易造成的整体偏差、局部最优问题,确保大区域“空-车”点云数据匹配的高可靠性。在此基础上,使用建筑轮廓进行精配准,能够有效提高“空-车”LiDAR点云的集成精度。

论文目录
关闭目录

摘要

Abstract

目录

中文图表索引

Index of Figures and Tables

第1章 引言

1.1 选题背景和研究意义

1.1.1 选题背景

1.1.2 研究意义

1.2 研究现状及评述

1.2.1 配准技术发展历程概述

1.2.2 相同平台激光雷达点云配准现状

1.2.3 不同平台激光雷达点云配准现状

1.2.4 当前研究中的缺陷和不足

1.3 研究目标内容与技术路线

1.3.1 研究目标

1.3.2 研究难点

1.3.3 研究内容

1.3.4 研究技术路线

1.4 论文组织结构

第2章 实验区与数据介绍

2.1 研究区概况

2.2 数据源介绍

2.2.1 航空LiDAR数据

2.2.2 车载LiDAR数据

2.2.3 地面LiDAR数据

第3章 “空-地"LiDAR点云集成

3.0 引言

3.1 可移动引导点思想

3.2 基于可移动引导点的“空-地"LiDAR点云集成技术流程

3.3 基于可移动引导点的“空-地"LiDAR点云集成具体过程

3.3.1 航空LiDAR建筑角点提取

3.3.2 地面LiDAR建筑角点提取

3.3.3 初始匹配获取共轭角点

3.3.4 基于可移动引导点的点云精配准

3.4 “空-地"LiDAR点云集成实验

3.4.1 建筑角点提取与评价

3.4.2 迭代中引导点与地面参照角点误差变化与分析

3.4.3 点云配准结果精度评价

3.5 本章小结

第4章 “空-车"LiDAR点云集成

4.0 引言

4.1 先整体后局部配准策略

4.2 先整体后局部的“空-车"LiDAR点云集成技术流程

4.3 航空和车载LiDAR整体粗配准具体过程

4.3.1 航空LiDAR道路网提取

4.3.2 基于路网匹配的点云粗配准

4.4 航空和车载LiDAR局部精配准具体过程

4.4.1 车载LiDAR建筑轮廓提取

4.4.2 基于建筑轮廓匹配的点云精配准

4.5 “空-车"LiDAR点云集成实验

4.5.1 航空和车载LiDAR整体粗配准

4.5.2 航空和车载LiDAR局部精配准

4.5.3 点云配准结果精度评价

4.6 本章小结

第5章 结论与展望

5.1 结论

5.2 创新点

5.3 研究展望

参考文献

攻读硕士学位期间取得的主要科研成果

致谢

全文下载
全文下载