机载lidar点云数据滤波及建筑物点群分割研究

《机载lidar点云数据滤波及建筑物点群分割研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、国内图书分类号：P237国际图书分类号：西南交通大学研究生学位论文年姓密级：公开专业太丝塑』量堂皇塑9量王猩二零一四年五月ClassifiedIndex：P237U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisSTUDYONFILTE刚GANDBUILDING．FOOTPRINTSEGMENTATIONOFAIRBORNELIDARDATAGrade：20llCandidate：LinJianAcademicDegreeAppliedfor：MasterSpecialty：Ge

2、odesyandSurveyingEngineeringSupervisor：Prof．FanDongmingMay,2014西南交通大学曲南父逋大罕学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权西南交通大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复印手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书；2．不保密府，使用本授权书。(-N在以上方框内打

3、“√”)学位论文作者签名：拊够指导老师签名：琵期日期：夕酬仁岁．2多日期：脚但蔓2‘西南交通大学硕士学位论文主要工作(贡献)声明本人在学位论文中所做的主要工作或贡献如下：1、传统的数学形态学滤波算法利用开运算前后高差值来分离地面点和非地面点数据，但该方法精度较低，自适应能力差。基于此，本文尝试进行了改进，将传统数学形态学滤波方法所采用的固定窗口大小和固定高差阈值改进为渐变窗口大小和变高差阈值。实验表明，改进算法较传统方法的滤波效果和精度有一定的提高。2、在研究现有滤波算法和点云特征的基础上，基于形态学梯度算子和区域生长的方法对机载

4、LIDAR点云数据进行滤波。利用ISPRS提供的测试数据验证了滤波效果，实验表明：该方法能够较好地完成点云滤波，能够有效的改善建筑物边缘和高大植被区的滤波效果，对各类地形状况有～定的适用性和实用性。3、研究现有建筑物点群分割的方法，针对标准霍夫变换计算效率低下的问题，对随机霍夫变换方法进行了改进。首先在初始点选择上加以距离和高差限制，并通过点与平面的距离、点与点之间的距离和高差来自动控制分割块的增长和划分。实验表明基于改进的随机霍夫变换方法能够有效地对建筑物点群进行分割。4、利用C≠≠．NET和AutoCAD．NET技术在Auto

5、CAD上进行了二次开发，编写了机载LIDAR点云数据滤波及建筑物点群分割程序——LIDAR-DMP。该程序能够实现数据读取、分类显绘、数据组织、滤波处理、建筑物提取等功能模块。本人郑重声明：所呈交的学位论文，是在导师指导下独立进行研究工作所得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在文中作了明确说明。本人完全了解违反上述声明所引起的一切法律责任将由本人承担。学位论文作者签名：翱学R期：矽，t孓X西南交通大学硕士研究生学位论文第1页摘要机载激

6、光雷达(LightDetectionandRanging，LIDAR)技术作为新兴的-I"7综合性技术，在地理国情监测、地形勘测和三维城市建模等方面有很大地应用。本文从点云滤波和建筑物点群分割两方面进行了探讨和研究。为了便于管理海量的机载LIDAR点云数据，本文基于虚拟格网对原始点云数据进行组织。虚拟格网既保留了点云的原始信息，又具有格网数据便于组织和邻域选择的优点。在对机载LIDAR点云数据特点和现有滤波算法进行研究讨论后，尝试改进了数学形态学滤波算法，将传统数学形态学滤波方法所采用的固定窗口大小和固定高差阈值改进为渐变窗口大小

7、和变高差阈值。本文详细介绍基于形态学梯度和区域生长的滤波方法。该方法以每个点的形态学梯度为先决条件，对形态学梯度满足一定条件的点云进行标记；对标记点的邻域内所有点云进行条件开运算，比较开运算前后的高差，以此为条件进行分离地面点和非地面点；循环上述步骤，直至满足迭代停止条件。对可能造成的过度滤波增加了区域生长，可以有效地提高滤波效果和精度。实验表明，基于形态学梯度和区域生长的滤波方法能够有效地改善建筑物边缘和高大植被区的滤波效果，对各类地形具有一定的适用性。建筑物模型可以看作由多个平面构成，本文对平面所含的点云进行了分割处理，采用了

8、改变的随机霍夫变换对建筑物屋顶面面片所含点云进行了提取。基于改进的随机霍夫变换方法地面片提取本质上只采用了数学的思想，从面片的几何特征进行了考虑，从非地面点云中探测出三维离散点云相对应的最佳平面。决定算法效率的关键参数有四个，沿护、矽和P三轴的步长