正式--第八章-当代摄影测量新技术发展Lida成像技术.ppt

Lidar原理及其应用 ;内容概要;Lidar概述 ;Lidar简介;Lidar的不同表述方式;Lidar的发展历史 ;Lidar技术的特点和优势;Lidar的系统组成;;Lidar数据获取原理 ;2nd Return;LIDAR Measures Objects From “Line of Sight”;LIDAR 1st and Last Stop;;Lidar的扫描方式;;大光斑与小光斑;Lidar数据处理 ;Processing Flow;;;LIDAR数据的滤波原理; 两临近点间的距离越近, 两点高差越大, 较高点位于地形表面的可能性就越小, 因此, 判断某点是否位于地形表面时, 要顾及该点到参考地形表面点的距离, 随着两点间距离的增加, 判断的阈值(threshold) 也应放宽, 主要是为了同时考虑地形起伏产生的高程变化。两地面点间的距离越远, 自然高差(地形变化形成的高差) 就会越大。 ;多级窗口形态学滤波;使用线性窗口进行腐蚀和膨胀运算;滤波窗口的选择;算法流程;;线性估计的滤波方法;线性预测;趋势面和信号;最小二乘配置的解算过程;协方差函数的估计 ;稳健估计; 传统的权函数; 算法中采用的权函数;偏移值的计算方法;稳健模型;分级 ;算法流程图;线性估计的处理过程;;断线提取;断线提取的方法;3D断线提取原理;断线提取步骤;平面分片;断线动态调整;Lidar应用 ;Lidar的应用;用SCOP++处理的一组火星地形 ;; 河岸侵蚀;海岸带侵蚀监测;;;;;;Lidar在建筑物提取中的应用;Lidar在建筑物提取应用的背景;最初，三维空间数据获取依靠人工地面测绘。这种方法获取的数据虽然精确，但其不足也是十分明显的： 1)数据获取的自动化程度很低，数据获取的工作量极大。 2)缺乏自动化的系统来融合多源地球空间数据。 目前，航空摄影测量已经成为获取三维空间数据的主要方式之一。但是由于航空影像存在模糊，失真，深度断裂和相互遮挡等复杂情况，使得影像信息经常出现不完全性和多义性，这使得现有的自动测图算法适应性差，还无法完全代替机助测图。因此，数字测图还是一件十分繁重的工作。 ;利用lidar数据提取建筑物的方法 ;仅利用lidar数据进行建筑物的提取 1.对lidar点云经过一些插值算法来获得DSM，可以选择用不规则三角网插值算法或是最邻近插值算法。 2.在得到区域DSM 的基础上使用形态学滤波算法获得区域的DTM，在这个过程中可以将区域的地形点和非地形点分离。 3.根据得到的DSM和DTM就可以得到区域的nDSM，即可以得到区域中的非地形点的绝对高度，有利于建筑物和非建筑物的分类。 ;4.根据从DSM和DTM得到的nDSM，分析非地形点的高度插值选取合适的阈值，通过高度阈值分割区分低特征类和高特征类，从而可以得到建筑物的初始区域。 5.在得到的建筑物初始区域里会包含一些诸如高树木之类的非建筑物点，所以需要通过一些形态算子和纹理分析的方法得到建筑物区域。; 在进行纹理分析来得到建筑物区域的过程中，我们采用的是高程纹理分析。纹理信息是影像中的一种重要特征，在图像处理、模式识别中有着广泛的应用。 建筑物表面一般较规则，除了边缘区域高程变化较大，其他地方一般变化很小，连续性明显。 对于树木来说，由于生长不规则，不具备人造建筑物的连续性；另一方面，激光脉冲具有一定的穿透能力，能穿透一部分树叶射到地面，因此树木区域不仅在边缘上高程变化较大，内部在各个方向上也不连续。 根据两类地物的特点，我们采用高程的对比度纹理作为分类建筑物和树木的特征; 从这个图中我们可以看出，图中的树木区域，各个方向上连续性较差，而建筑物区域，只有边缘上的变化较大，区域内部连续性较好。;Lidar点云数据进行建筑物提取的流程图 ;;lidar数据与高分辨率数据结合提取建筑物;3、精特征分类：在这个建筑物初始区域中也就是高特征分类中也包含了植被和建筑物，因此需要将植被剔除掉，获取单个的建筑。可以将高分辨率影像与lidar数据结合起来，通过高分辨率影像可以获得，可通过分析高分辨率影像的归一化差值植被指数(NDVI?)区分树丛与建筑物。 4、建筑物块检测：分离标识为建筑物的点并将这些建筑物点构成单独的建筑物对象。将这些被非建筑物包围的点，以不规则三角形的方式（TIN）连接起来，形成各个建筑物块。 ?;5、建筑物描述：将得到的建筑物块进行轮廓线的获取，获取轮廓线的主要方法有区域跟踪和边缘检测?。为了更进一步的将上步所残留的噪声即非建筑物直线和建筑物边界区分开来需要进一步的处理。处