資源描述：
《機載lidar點云數(shù)據(jù)濾波及建筑物點群分割研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、國內(nèi)圖書分類號：P237國際圖書分類號：西南交通大學(xué)研究生學(xué)位論文年姓密級：公開專業(yè)太絲塑』量堂皇塑9量王猩二零一四年五月ClassifiedIndex：P237U．D．C：SouthwestJiaotongUniversityMasterDegreeThesisSTUDYONFILTE剛GANDBUILDING．FOOTPRINTSEGMENTATIONOFAIRBORNELIDARDATAGrade：20llCandidate：LinJianAcademicDegreeAppliedfor：MasterSpecialty：Ge
2、odesyandSurveyingEngineeringSupervisor：Prof．FanDongmingMay,2014西南交通大學(xué)曲南父逋大罕學(xué)位論文版權(quán)使用授權(quán)書本學(xué)位論文作者完全了解學(xué)校有關(guān)保留、使用學(xué)位論文的規(guī)定，同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)西南交通大學(xué)可以將本論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進行檢索，可以采用影印、縮印或掃描等復(fù)印手段保存和匯編本學(xué)位論文。本學(xué)位論文屬于1．保密口，在年解密后適用本授權(quán)書；2．不保密府，使用本授權(quán)書。(-N在以上方框內(nèi)打
3、“√”)學(xué)位論文作者簽名：拊夠指導(dǎo)老師簽名：琵期日期：夕酬仁歲．2多日期：腳但蔓2‘西南交通大學(xué)碩士學(xué)位論文主要工作(貢獻)聲明本人在學(xué)位論文中所做的主要工作或貢獻如下：1、傳統(tǒng)的數(shù)學(xué)形態(tài)學(xué)濾波算法利用開運算前后高差值來分離地面點和非地面點數(shù)據(jù)，但該方法精度較低，自適應(yīng)能力差?；诖耍疚膰L試進行了改進，將傳統(tǒng)數(shù)學(xué)形態(tài)學(xué)濾波方法所采用的固定窗口大小和固定高差閾值改進為漸變窗口大小和變高差閾值。實驗表明，改進算法較傳統(tǒng)方法的濾波效果和精度有一定的提高。2、在研究現(xiàn)有濾波算法和點云特征的基礎(chǔ)上，基于形態(tài)學(xué)梯度算子和區(qū)域生長的方法對機載
4、LIDAR點云數(shù)據(jù)進行濾波。利用ISPRS提供的測試數(shù)據(jù)驗證了濾波效果，實驗表明：該方法能夠較好地完成點云濾波，能夠有效的改善建筑物邊緣和高大植被區(qū)的濾波效果，對各類地形狀況有～定的適用性和實用性。3、研究現(xiàn)有建筑物點群分割的方法，針對標(biāo)準(zhǔn)霍夫變換計算效率低下的問題，對隨機霍夫變換方法進行了改進。首先在初始點選擇上加以距離和高差限制，并通過點與平面的距離、點與點之間的距離和高差來自動控制分割塊的增長和劃分。實驗表明基于改進的隨機霍夫變換方法能夠有效地對建筑物點群進行分割。4、利用C≠≠．NET和AutoCAD．NET技術(shù)在Auto
5、CAD上進行了二次開發(fā)，編寫了機載LIDAR點云數(shù)據(jù)濾波及建筑物點群分割程序——LIDAR-DMP。該程序能夠?qū)崿F(xiàn)數(shù)據(jù)讀取、分類顯繪、數(shù)據(jù)組織、濾波處理、建筑物提取等功能模塊。本人鄭重聲明：所呈交的學(xué)位論文，是在導(dǎo)師指導(dǎo)下獨立進行研究工作所得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的研究成果。對本文的研究做出貢獻的個人和集體，均已在文中作了明確說明。本人完全了解違反上述聲明所引起的一切法律責(zé)任將由本人承擔(dān)。學(xué)位論文作者簽名：翱學(xué)R期：矽，t孓X西南交通大學(xué)碩士研究生學(xué)位論文第1頁摘要機載激
6、光雷達(LightDetectionandRanging，LIDAR)技術(shù)作為新興的-I"7綜合性技術(shù)，在地理國情監(jiān)測、地形勘測和三維城市建模等方面有很大地應(yīng)用。本文從點云濾波和建筑物點群分割兩方面進行了探討和研究。為了便于管理海量的機載LIDAR點云數(shù)據(jù)，本文基于虛擬格網(wǎng)對原始點云數(shù)據(jù)進行組織。虛擬格網(wǎng)既保留了點云的原始信息，又具有格網(wǎng)數(shù)據(jù)便于組織和鄰域選擇的優(yōu)點。在對機載LIDAR點云數(shù)據(jù)特點和現(xiàn)有濾波算法進行研究討論后，嘗試改進了數(shù)學(xué)形態(tài)學(xué)濾波算法，將傳統(tǒng)數(shù)學(xué)形態(tài)學(xué)濾波方法所采用的固定窗口大小和固定高差閾值改進為漸變窗口大小
7、和變高差閾值。本文詳細介紹基于形態(tài)學(xué)梯度和區(qū)域生長的濾波方法。該方法以每個點的形態(tài)學(xué)梯度為先決條件，對形態(tài)學(xué)梯度滿足一定條件的點云進行標(biāo)記；對標(biāo)記點的鄰域內(nèi)所有點云進行條件開運算，比較開運算前后的高差，以此為條件進行分離地面點和非地面點；循環(huán)上述步驟，直至滿足迭代停止條件。對可能造成的過度濾波增加了區(qū)域生長，可以有效地提高濾波效果和精度。實驗表明，基于形態(tài)學(xué)梯度和區(qū)域生長的濾波方法能夠有效地改善建筑物邊緣和高大植被區(qū)的濾波效果，對各類地形具有一定的適用性。建筑物模型可以看作由多個平面構(gòu)成，本文對平面所含的點云進行了分割處理，采用了
8、改變的隨機霍夫變換對建筑物屋頂面面片所含點云進行了提取?；诟倪M的隨機霍夫變換方法地面片提取本質(zhì)上只采用了數(shù)學(xué)的思想，從面片的幾何特征進行了考慮，從非地面點云中探測出三維離散點云相對應(yīng)的最佳平面。決定算法效率的關(guān)鍵參數(shù)有四個，沿護、矽和P三軸的步長
