基于数学形态学原理和TerraScan的Lidar点云数据分类方法研究

论文摘要

Lidar能够实时快速的获取高精度的三维地面信息;Lidar主动性的扫描模式也使它能够不受天气影响实现全天候的工作;同时,Lidar产品能方便的与多种实用程序软件接口直接连接,如CAD、三维动画软件等等。这些优势使得Lidar得到了越来越广泛的应用。然而在整个Lidar数据处理过程中,占工作量60%-80%的点云数据分类工作已经成为制约Lidar进一步应用发展的瓶颈问题,因此对点云数据分类方法的研究在现阶段具有非常重要的研究意义和实用价值。近年来,许多学者从事这方面一些研究,并逐步发展出一些较为成熟的点云分类算法,其中,基于Alexsson提出的分类方法而开发的商业软件TerraScan是目前公认的比较完善实用的软件之一。本文在使用TerraScan软件对试验区点云数据进行分类的同时,使用基于数学形态学原理的分类方法分类同样的点云数据。然后将两种分类方法的结果进行比对,以检验基于数学形态学原理的分类方法的优势和缺陷,并对该方法作进一步开发应用评估。本文所使用的点云数据由ISPRS整理提供。七块试验区域的点云数据包含各种典型的地形特征。并有相应的人工分类参考数据集,可为分类方法的分类结果质量的定量评估提供依据。本文的主要研究工作包括:（1）介绍TerraScan软件进行点云分类工作的分类流程、操作界面及其参数设置方法,利用该软件实现研究区域点云数据的分类。（2）采用Matlab编程实现基于数学形态学原理的分类方法。用该方法对研究区点云数据分类,着重讨论了分离不同类型地物时开运算操作窗口大小的选择。（3）对两种分类方法获取的分类结果进行精度评价和对比分析。研究结果表明,基于数学形态学原理的分类方法的分类精度同TerraScan的分类精度相当,操作原理与过程更加简单,有很好的应用前景。

论文目录

• 摘要
• ABSTRACT
• 第一章 概述
• 1.1 LIDAR 简介
• 1.2 LIDAR 的主要应用领域
• 1.3 LIDAR 点云分类的研究现状
• 1.4 研究区概况
• 1.5 研究目的
• 1.6 论文结构
• 第二章 研究区域与数据
• 2.1 研究区的范围和真实地面介绍
• 2.2 研究区的复杂地形地物
• 2.2.1 外部孤点
• 2.2.2 复杂的建筑物
• 2.2.3 连接型地物
• 2.2.4 植被
• 2.2.5 不连续地表
• 第三章 基于TERRASCAN 的LIDAR 点云分类
• 3.1 TERRASCAN 简介
• 3.2 TERRASCAN 的分类原理
• 3.3 TERRASCAN 的分类过程
• 3.3.1 分离低点
• 3.3.2 分离孤立点
• 3.3.3 分离空中点
• 3.3.4 获取地面点集
• 3.3.5 分离低于真实地面的点
• 3.3.6 提取植被信息
• 3.3.7 提取建筑物信息
• 3.3.8 获取建立地面模型的关键点
• 3.4 本章小结
• 第四章 基于数学形态学原理的LIDAR 点云分类
• 4.1 数学形态学原理
• 4.2 基于数学形态学原理的LIDAR 点云数据分类过程
• 4.2.1 Lidar 点云数据预处理
• 4.2.2 分离植被信息
• 4.2.3 低的局部点检测与填充
• 4.2.4 分离建筑物信息
• 4.3 本章小结
• 第五章 分类结果比较
• 5.1 两种方法对复杂地表分类结果的比较
• 5.2 LIDAR 点云分类质量评估
• 5.3 两种分类方法的分类结果比较
• 5.4 分类结果
• 第六章 结论与工作展望
• 6.1 结论
• 6.2 两种分类方法的不足
• 6.3 工作展望
• 参考文献
• 发表的文章和资助课题
• 致谢
• 附录一：填充原始数据空白区域的实现过程
• 附录二：分离植被信息的实现过程
• 附录三：填充低的局部点的实现过程
• 附录四：分离建筑物的实现过程