论文部分内容阅读
随着社会经济和空间信息技术的快速发展,迫切需要精确和实时的空间信息来作为数据支撑,这对空间数据的质量和获取周期提出了更加严格的要求。LiDAR作为一种近年来快速发展的地面信息观测技术,其提供了一种能够快速、高精度、实时地获取地表三维信息的技术手段。如何从原始的LiDAR点云中进行属性解析和类别辨别对于LiDAR的应用效果有着重要的意义,因此地物提取成为了LiDAR后续处理中的一个研究热点。 目前LiDAR地物分类方法的研究尚没有达到成熟和大规模应用的程度,这限制了LiDAR在实际生产中的运用效能。本研究针对LiDAR点云的地物分类问题,以LiDAR点云本身所拥有的三维空间结构特征作为分类依据,沿着“数据组织管理——点云数据去噪和滤波处理——地物空间形态分析和类别识别”的技术路线,提出了一种从点云空间形态特征出发而提取LiDAR地物的技术方法。具体的研究内容如下: (1)LiDAR点云的数据组织管理。LiDAR点云的数据量非常庞大,而且激光脚点之间缺乏空间关联信息,对LiDAR点云进行分析处理前必须将点云数据通过一定的方式组织起来。本研究提出建立双层次双索引混合空间索引的方式对LiDAR点云数据进行组织管理,双层次双索引数据结构利用“非空”规则立方体格网和三维K-D树对点云的大、小尺度范围分别进行组织,并统一为整体结构,在物理实现上则采用了红黑树、K-D树等高效的数据结构作为实现基础。通过这种多层划分、多种索引类型混合组织的方式,摆脱单一类型空间索引应用在LiDAR点云上的索引效率低和结构冗余问题,为LiDAR点云的实际分析处理提供数据结构上的有效支持。 (2)LiDAR点云的去噪和滤波处理。原始的LiDAR点云数据除了地物点还包含地面点和粗差点,这些非地物点会对地物分类造成一定程度上的干扰,LiDAR数据的去噪和滤波处理就是要达到排除噪声点和地面点从而获得地物点集的目的。为了达到这两方面的目的,本研究根据已建立的LiDAR点云双层次双索引数据组织结构,将处理效果良好的基于有限元分析的去噪算法和基于形态学梯度的滤波算法与点云数据结构进行整合,设计了一套从噪声点剔除到地物点集分离的完整处理流程,依次对点云进行去噪和滤波处理,为LiDAR点云的地物分类提供了数据基础。 (3)LiDAR地物的三维空间形态分析和种类属性分辨。不同种类地物的形态结构往往具有唯一的特征,其决定了LiDAR点集在三维空间上分布结构,反过来LiDAR点集的空间形态特征也可以成为辨别地物类型的重要依据。本文研究从地物点集的三维空间形态结构入手,使用分形理论研究了各种类型地物的空间形态,并使用广义三维分形维数作为反映地物形态的定量指标,探究了随着点云数据条件的不同,LiDAR地物广义三维分形维数的变化规律。通过研究发现,每种类型的地物都有各自独特的广义三维分形维数分布区间和变化规律,以此为基础,在地物分类时,通过单个地物分割和各个地物的广义三维分形维数分析来判别地物的类型,最终达到LiDAR点云地物分类的效果。 通过实验发现,利用广义三维分形维数能够较好地分离出各种地物,说明了其应用于LiDAR点云地物分类的可行性和有效性。本文提出的地物分类方法具有使用范围较广、处理流程完整、分类效果较好的特点,能够给LiDAR点云的地物分类研究带来一定程度上启示。