一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法

一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法

ID:9419865

大?。?0.50 KB

頁數(shù):5頁

時(shí)間:2018-04-30

一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法_第1頁
一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法_第2頁
一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法_第3頁
一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法_第4頁
一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法_第5頁
資源描述:

《一種基于機(jī)載lidar點(diǎn)云的林間道路提取方法》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、一種基于機(jī)載LiDAR點(diǎn)云的林間道路提取方法胡澄宇汪仁銀張金花趙鴻彬陳銳川水利職業(yè)技術(shù)學(xué)院四川省第三測(cè)繪工程院南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院基于林間道路的形態(tài)特征和支持向量機(jī)原理(SVM),提出一種從機(jī)載LiDAR點(diǎn)云數(shù)據(jù)中提取林間道路的方法。首先,選取末次回波去噪、柵格化,生成數(shù)字表面模型(DSM)和強(qiáng)度信息模型(DTM):然后,通過支持向量機(jī)對(duì)坡度信息進(jìn)行分類,得到道路潛在區(qū)域;再對(duì)道路潛在區(qū)域進(jìn)行強(qiáng)度信息的分類,得到含有少量噪聲的初始道路區(qū)域;最后,利用形態(tài)參數(shù)對(duì)初始道路區(qū)域進(jìn)行去噪、精化,得出最終道路區(qū)域。實(shí)驗(yàn)證明,該方法能較好地提取出道路區(qū)域。關(guān)鍵詞:機(jī)載LiDAR;林間道路;分類

2、提取;SVM;機(jī)載激光雷達(dá)(lightdetectionandranging,LiDAR)能穿透部分樹木遮擋到達(dá)地面采集激光腳點(diǎn)的三維坐標(biāo)信息,且機(jī)載LiDAR能記錄激光腳點(diǎn)反射的強(qiáng)度信息。機(jī)載LiDAR提取的高精度的高程數(shù)據(jù)能夠區(qū)分不同地物,且不同屬性的地物在強(qiáng)度信息上也有著顯著的區(qū)別,因此機(jī)載IJDAR可提供高精度的數(shù)據(jù)源用于快速提取林間道路U1。0前利用LiDAR點(diǎn)云數(shù)據(jù)進(jìn)行提取道路的研宄較為廣泛,其中主要是對(duì)城市道路的提取較為常見[2-5]。曾靜靜(2011)等人就利用LiDAR回波信息強(qiáng)度標(biāo)定的方法提取道路;糞亮(2011)等人采用了強(qiáng)度聚類對(duì)道路進(jìn)行提取,上述的道路提取方法僅利用了

3、強(qiáng)度信息,沒有充分利用高程信息。在林間道路的研宄中,White(2010)等人利用LiDAR的高程信息與GIS結(jié)合提取林間道路信息£6l;Azizi(2014)利用高程信息結(jié)合強(qiáng)度信息對(duì)森林道路進(jìn)行提取121,這些方法處理過程較為復(fù)雜,且在提取林間道路之前需先進(jìn)行濾波運(yùn)算,濾波參數(shù)設(shè)置的影響勢(shì)必會(huì)影響道路提取的精度m。本文基于前人研宂的基礎(chǔ)上,采用一種機(jī)器學(xué)習(xí)方法(支持向量機(jī))直接對(duì)林間道路進(jìn)行提取,提出了一種可行的林間道路的提取方法。1林間道路提取方法現(xiàn)實(shí)中的道路只有連續(xù)、平整等特征,所以針對(duì)道路提取二分類問題及道路的強(qiáng)度屬性、平順性,本文采用了支持向量機(jī)(SVM)分別對(duì)強(qiáng)度信息與坡度信息(

4、平順性)進(jìn)行/分類,將分類出的初始道路數(shù)據(jù)根據(jù)道路面積屬性,進(jìn)行面積約束剔除噪聲,最后得到林間道路區(qū)域。技術(shù)流程見閣1。圖1林間道路提取的技術(shù)流程1.1數(shù)據(jù)預(yù)處理將點(diǎn)云高程數(shù)據(jù)生成直方閣,檢查是否擁有粗差,若存在粗差,選擇適當(dāng)高差閾值對(duì)粗差進(jìn)行剔除。由于點(diǎn)云數(shù)據(jù)的不規(guī)則離散性,故需要對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行柵格化處理。根據(jù)點(diǎn)云數(shù)據(jù)的范圍,設(shè)定柵格尺、將點(diǎn)云區(qū)域劃分成大小均勻的規(guī)則格網(wǎng)。柵格的高程值取落入柵格內(nèi)的最小高程值,取最小高程點(diǎn)的反射強(qiáng)度代表格網(wǎng)的反射強(qiáng)度值。對(duì)于無激光腳點(diǎn)落入的柵格,采用臨近填充的方法對(duì)其進(jìn)行填充。最后得到點(diǎn)云區(qū)域的數(shù)字表面模型(DigitalSurfaceModel,DSM)以

5、及強(qiáng)度信息模型(DigitalIntensityModel,DIM)o計(jì)算每個(gè)格網(wǎng)的坡度值邊1,其中:Zi,ju,z:,zHI,」,z:h,、分別表示對(duì)應(yīng)行列號(hào)的內(nèi)柵格的高程值。c為規(guī)則柵格的大小。得到格網(wǎng)坡度值后,對(duì)其進(jìn)行形態(tài)學(xué)運(yùn)算,以消除建筑物和部分樹木坡度的影響。1.2基于SVM對(duì)道路信息進(jìn)行分類根據(jù)道路提取的分類需求,將點(diǎn)云數(shù)據(jù)分類為“道路”和“非道路”兩類,且由于道路信息是混雜在點(diǎn)云數(shù)據(jù)當(dāng)中,這樣的分類問題往往是非線性的。SVM就是在兩類之間尋求一個(gè)最優(yōu)分類面,且能在高維度空間將非線性的分類問題轉(zhuǎn)化為線性問題解決。因此,本文先對(duì)其坡度信息采用SVM進(jìn)行分類,再對(duì)分類出的道路潛在區(qū)域進(jìn)

6、行強(qiáng)度信息的分類,最后得到初始道路數(shù)據(jù)。1.3道路的精化初始道路數(shù)據(jù)中仍然存在少量離散噪聲,通過形態(tài)學(xué)閉運(yùn)算平滑道路邊界,填補(bǔ)道路內(nèi)部少量缺失。又由于道路具有連續(xù)性,所以道路的面積通常遠(yuǎn)大于離散噪聲的面積,本文通過設(shè)置面積閾值去除噪聲,得到最后的道路區(qū)域。2實(shí)驗(yàn)與結(jié)果分析對(duì)于實(shí)驗(yàn)數(shù)據(jù)的選擇,所選實(shí)驗(yàn)區(qū)域應(yīng)位于植被茂密、地形起伏的林地地區(qū)。為了確保數(shù)據(jù)的有效性和普適性,實(shí)驗(yàn)區(qū)域不應(yīng)太小,實(shí)驗(yàn)面積應(yīng)不小于lkm;其中應(yīng)盡量伍含豐富的地物信息,如樹木、道路、裸露地面等信息。為了滿足實(shí)驗(yàn)數(shù)據(jù)的要求,本文最終采用的實(shí)驗(yàn)數(shù)據(jù)來自美國(guó)NSF(NationalScienceFoundation)的OpenTo

7、pographyFacility在AndrewsExperimentalForest和WillametteNationalForest地區(qū)的兩塊大小約為1km機(jī)載LiDAR點(diǎn)云數(shù)據(jù),分別為Samp1與Sarap2,平均點(diǎn)云密度12.23pt/m,Sarapl中的道路蜿蜒且有分支,Samp2中的道路較直且狹長(zhǎng)。Sampl長(zhǎng)約1.1km,寬約1.04km,總點(diǎn)數(shù)為13397007pt;Samp2長(zhǎng)約2

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無此問題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。