融合机载激光扫描数据的航空影像水体特征提取powerpointpresentation.pptxVIP

1 融合机载激光扫描数据的航空影像水体特征提取Water Feature Extraction From aerial-Image Fused with LiDAR data 2 研究目的 影像水体提取在环境遥感、环境监测等领域应用非常广泛，尤其在环境保护、洪水分析、水资源调查中，影像的水体提取技术为这些应用提供了强有力的保障。 目前的影像水体特征提取主要分为： 目视人工解译----适用于各类影像 基于光谱信息的解译----适用于多光谱、高光谱影像 单波段法 多波段法 基于图像纹理信息的解译----适用于各类影像 航空影像的水体特征提取是当前遥感影像水体特征提取的薄弱环节，提取的效率和精度都有待提高。 3 第一部分: 机载激光扫描 （Light Detection And Ranging， LiDAR） 4 机载激光扫描原理 机载激光扫描是在飞机上搭载激光扫描设备，由GPS提供的飞机位置数据、INS惯性导航系统提供的飞机姿态数据以及激光发射器获取激光测距数据获得一个大范围的带状区域内的地物点云数据。 激光扫描的设备组成部分和激光测距原理 5 机载激光扫描的外、内业处理过程 外业采集的数据: 飞机上安装的GPS实时观测数据 地面基站的GPS实时观测数据 飞机的INS系统数据 激光测距数据 航空影像 数据处理过程: 数据分离 差分GPS处理 差分GPS和IMU数据集成 集成数据的内插和平滑 点云数据生成 航空影像内、外定向 最终数据 激光扫描点云数据 飞机的实时定位、定姿数据 航空影像 6 点云（Points Cloud） 点云是以一个整体的状态存在，能够很清晰地看到其表面的各种细节形态的大量三维点数据。点云数据在逆向工程、三维重建中具有广泛的用途。点云数据一般以三维坐标X,Y,Z的方式给出，在一些仪器采集的数据中，还可能包含回光强度值信息和激光点的颜色信息。 在同济大学校园里采集的点云数据 7 第二部分: 航空影像水体特征提取 8 研究过程和步骤 点云与影像匹配 机载激光扫描数据分析 狄洛尼三角网和水体三角网 水体三角网栅格化、缓冲 航空影像与缓冲栅格的运算 水体边缘的精化 三角网的直方图统计分析 带坐标框架的航空影像 均值偏移向量法(MeanShift)影像分类 9 试验数据所在位置 实验数据来自美国俄亥俄州北部，数据覆盖范围约为2.3平方公里。大致位于北纬41度44分，西经81度17分 http://metadataexplorer.gis.state.oh.us/metadataexplorer/explorer.jsp 10 实验数据 机载激光扫描点云数据：共439，996点，点的平均密度约为0.02/平方英尺。由Leica的ALS系统采集。 航空影像数据：真彩色航空影像，5000*5000分辨率，像素分辨率为约为1英尺。由普通CCD相机采集。 11 点云数据与航空影像的匹配 将激光点云数据进行按高程和回光强度值内插。采用人工判读的方法，按房屋和道路对象提取同名点。各提取了14个同名点，并进行6参数的迭代平差坐标转换，转换结果如下： 当同名点选房屋时，转换参数为： 2299963765001.860826883 1.00730194916196 0.00765490911180677 -4.4084076080253e-005 -0.999834732412637 X方向的残差中误差为2.35英尺，Y方向的残差中误差为1.97英尺 当同名点选道路时，转换参数为： 2300000765005.071704355 0.998974518114665 0.00114835895237775 -0.000278379912288074 -1.00039224778675 X方向的残差中误差为2.77英尺，Y方向的残差中误差为3.09英尺 结论： 采用同名点判读的方法可以实现影像向点云坐标系统的匹配；房屋同名点的匹配精度略优于道路同名点；X方向和Y方向的匹配中误差约为2-3英尺。 对于影像的水体提取，该匹配精度已经可以完成相关的工作。 12 融合激光扫描数据的航空影像水体特征提取原理 当前主流的LiDAR系统采用的波段均为近红外的波段，如： Leica公司的ALS系统和ALTM系统采用1.064微米波段 IGI公司的LiteMapper系统采用1.550微米波段 此外，还有1.047微米也常用于机载LiDAR系统 测深LiDAR系统还采用透水性较好的蓝绿激光波段，如532纳米 常见地物的在近红外波段的光谱特性 水体 土壤 植被 /Geography/DeLiberty/Geog474/spectral_signatures.gif 13 各类地物的狄洛尼三角网 从激光扫描点云数据