1 长安大学 地质工程与测绘学院，陕西 西安 710054
2 国家电投集团青海黄河电力技术有限责任公司，青海 西宁 810000
针对高海拔峡域地形地貌环境下基于轻小型无人机载LiDAR对高陡边坡激光点云扫描数据缺失导致DEM重建及形变分析精度低的问题，优化设计了一种垂直于山脊线、变高飞行的无人机点云/多视影像数据采集，以及影像密集匹配点云辅助下LiDAR三维激光点云的滑坡群DEM重建方案,实现了复杂地形地貌下LiDAR点云数据安全、高效的采集，改善了高陡边坡DEM重建及形变监测的精度和完整性。该方法基于迭代最邻近点算法，将倾斜影像生成的点云数据与同期获取的LiDAR点云数据配准和融合，实现了LiDAR点云数据缺失补偿，进而构建出完整、高精度的DEM，并与往期倾斜影像生成的DEM进行差分，对三个典型滑坡体进行了高程形变分析。以青海龙羊峡水电站的高陡边坡滑坡群为研究区，利用实测的GNSS地面控制点进行实验验证，得出结论：融合后的LiDAR点云精度为0.063 m，比融合前提高了0.018 m；重建的三个典型滑坡体的DEM高程精度为0.08 m，提升了边坡DEM重建的完整性和精度；对三个典型滑坡体2018、2021年两期高程形变分析，表明：滑坡群中多个边坡发生不同程度的土体滑动，高程方向的形变高达50多米，滑坡群形变量大。
倾斜影像 无人机载LiDAR 点云配准 形变监测 高陡边坡 oblique images UAV LiDAR point cloud registration deformation monitoring high and steep slopes 红外与激光工程
2023, 52(2): 20220373
中国地质大学（武汉）数学与物理学院，湖北 武汉 430074
机载LiDAR点云地物丰富且密度不均匀，对其进行精准高效的分类是遥感和摄影测量领域的一项关键任务。针对其密度不均匀的特点，引入一种密度相关的点云卷积算子——PointConv；提出注意力机制模块，修正提取局部信息的重要程度，增强网络对不同点云实例的识别能力。在城市室外场景机载点云数据集GML_DataSetA和三维语义标记基准数据集ISPRS Vaihingen上的分类结果验证了所提方法的有效性。
遥感 机载LiDAR点云 点云分类 密度加权 注意力机制 激光与光电子学进展
2022, 59(10): 1028007
东华理工大学测绘工程学院，江西 南昌 330013
点云滤波是机载LiDAR点云后处理应用的必要环节。现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好，而在地形起伏较大区域滤波效果较差。为进一步提升点云滤波方法的精度及对复杂环境的适应能力，提出一种基于多约束连通图分割的滤波方法。通过设定垂直性、高差、距离三个约束条件构建点云连通图，实现点云分割，并基于地面覆盖率和格网化高程实现地面种子点集获取与筛选。最后，基于点到邻近地面种子点集拟合平面的距离实现地面点集优化。采用国际摄影测量与遥感学会（ISPRS）网站发布的15组专门用于检验滤波效果的点云数据进行实验。实验结果表明，所提方法针对不同的地形环境均可以获得良好的滤波结果。在与其他四种滤波方法的对比中，所提方法能够取得最小的平均总误差（5.44%）。此外，所提方法的平均一类误差和平均二类误差都相对较小，表明所提方法在去除地物点的同时能够有效保护地形细节。
遥感 机载LiDAR 多约束连通图 点云分割 点云滤波 激光与光电子学进展
2022, 59(4): 0428004
南京信息工程大学遥感与测绘工程学院，江苏 南京 210044
针对深度学习模型PointNet仅以独立点卷积进行特征提取导致的局部特征缺乏问题，提出了一种融合空间域特征和谱域特征的图卷积深度学习模型。该模型基于空间方法和谱方法分别构造图结构，以提取不同的邻域特征，并通过融合邻域特征与独立点特征得到深层次的抽象特征，其池化层采用空间金字塔池化方法加深细粒度描述。在国际摄影测量与遥感协会提供的机载LiDAR扫描点云和多光谱航空影像上的实验结果表明，相比其他对比方法，本方法的分类效果更好，分类精度为84.3%，可实现城市场景下点云数据的有效分类。
遥感 点云分类 深度学习 图卷积 机载LiDAR 激光与光电子学进展
2022, 59(2): 0228005
红外与激光工程
2021, 50(9): 20200369
中北大学信息与通信工程学院，山西 太原 030051
针对激光雷达测量技术现有数据特征单一、地物辨识能力粗糙、类别划分区间模糊导致地物分类精度低的问题，提出了一种基于复合衍生特征和模糊Dempster-Shafer（DS）证据合成理论的地物分类方法。首先，确定 LiDAR数据分类特征对不同类型地物的可识别性，选择特征空间中关联性强且区分度大的源特征与衍生特征；然后，比较归一化差值植被指数与绿色归一化差值植被指数对地物反应属性的差异性，提出并构造具有高辨识能力的复合衍生特征复合归一化差值植被指数；最后，结合使用岭型信任分配函数进行模糊DS证据合成与决策，最终实现对地物的精确分类。实验结果表明，总分类精度由85.78%提高到了89.20%，证明了本文方法的有效性。
遥感 机载LiDAR数据 复合衍生特征 模糊Dempster-Shafer证据合成理论 地物分类 激光与光电子学进展
2021, 58(5): 0528001
1 东华理工大学江西省数字国土重点实验室, 江西 南昌 330013
2 东华理工大学测绘工程学院, 江西 南昌 330013
点云分类是机载LiDAR点云应用于城市建模、道路提取等的重要阶段。虽然点云分类的方法有很多,但依然存在如多维特征向量信息冗余、复杂场景下点云分类精度不高等问题。针对这些问题,提出一种基于多基元特征向量融合的点云分类方法。该方法分别基于点基元和对象基元提取特征向量,并结合色彩信息,利用随机森林对点云数据进行分类。实验结果表明,所提的多基元分类方法相较于单基元分类方法能够获得更高的分类精度。为了进一步分析随机森林用于点云分类的有效性,分别使用支持向量机(SVM)以及反向传播(BP)神经网络进行对比分析。实验结果表明,随机森林方法所获得的三组点云分类结果在召回率以及F1得分两个评价指标中均高于另外两种方法。
遥感 机载LiDAR 点云分类 多基元特征向量融合 随机森林
河南理工大学测绘与国土信息工程学院, 河南 焦作 454000
针对传统二维深度学习方法无法实现三维点云分类问题,提出一种融合光谱信息的机载LiDAR点云三维深度学习分类方法。该方法首先融合机载LiDAR点云和多光谱航空影像进行点云光谱信息扩充,进而在点云格网化和数据增强处理的基础上,采用多层感知机提取出不同尺度下的点特征和全局特征,最后基于三维深度学习算法实现机载LiDAR点云的准确分类。利用国际摄影测量与遥感协会提供的数据集进行所提方法验证,结果表明,融合光谱信息后,机载LiDAR点云分类精度提高了13.39个百分点;与已有方法的对比结果也进一步表明,所提方法可以在减少特征向量提取的情况下,取得较好的分类结果。
遥感 机载LiDAR 多光谱影像 数据融合 PointNet 点云分类 激光与光电子学进展
2020, 57(12): 122802
重庆邮电大学通信与信息工程学院 光电信息感测与信息传输实验室, 重庆 400065
基于无人机飞行平台的定位与测姿系统(Position and oricntation system, POS)是通过差分GNSS高精度定位技术与INS导航技术集成, 为基于直接地理参考的航空遥感提供位置和姿态基准, 是获取高质量遥感成像的关键。针对轻小型无人机采用的低精度IMU, 对其误差模型展开研究分析, 建立24阶卡尔曼滤波器, 最后采用GNSS/INS松组合模式得到高精度POS数据。实测数据表明, 将此误差模型下获取的POS数据与无人机激光雷达扫描数据进行融合处理, 可满足激光点云精度需求, 有效降低机载激光扫描系统成本。
模型误差 机载LiDAR GNSS/INS GNSS/INS MEMS-IMU MEMS-IMU model error airborne LiDAR
1 东华理工大学江西省数字国土重点实验室, 江西 南昌 330013
2 东华理工大学测绘工程学院, 江西 南昌 330013
3 中国地质大学(武汉)信息工程学院, 湖北 武汉 430074
4 湖北工业大学土木建筑与环境学院, 湖北 武汉 430068
5 流域生态与地理环境监测国家测绘地理信息局重点实验室, 江西 南昌 330013
为了提高地形起伏较大区域点云的滤波效果,提出了一种基于动态阈值获取点云的滤波算法。该算法分为两个阶段,初次滤波以获取更为准确的地面点为前提,二次滤波优化以初次滤波获取的地面点为基础,从而获取不同区域的高差阈值,根据这些阈值再对原始点云进行滤波。实验结果表明,相较于其他经典算法,所提算法能够获得更小的Ⅰ类误差和总误差,在滤除地物的同时能够有效地保留地形特征。
遥感 机载LiDAR 点云 滤波 动态阈值 算法 激光与光电子学进展
2019, 56(6): 062802
