车载激光扫描点云数据流处理抽稀方法研究

论文摘要

车载激光扫描系统(VLMS)通过多传感器获取数据和数据处理技术实现了精确的三维空间信息获取。车载激光扫描数据具有海量性这一特点,海量性给后继数据处理、存储、应用等都带了困难。所以,对车载LiDAR数据进行压缩、抽稀、精简是有必要的。本文的主要研究内容包括：1.系统地分析了车载激光扫描系统的结构和工作机制；车载激光扫描系统依靠导航系统和定位系统获取地理空间三维坐标信息,结合GPS/INS等提高地理空间三维坐标信息的精准度。2.研究了车载激光扫描数据的特性。车载激光扫描数据具有很多的特性,其特性较之机载LiDAR有很大不同。所以数据处理较之机载LiDAR数据处理有很大的偏差。城市空间对象具有多样性,包括人造的、自然的和运动／静止的三类。车载激光扫描数据的分布在地理空间呈现为不规则性,离散性。根据车载激光扫描系统的扫描方式,车载激光扫描数据在空间中依扫描线排列,而且具有内在的空间一致性。空间对象与扫描仪的距离越近,数据点密度就越大,所以数据点的密度也是不均匀的。车载激光数据具有数据量大,海量性这一特性。3.车载激光扫描数据具有很强的空间一致性。从而可以通过高效的流处理方式来处理海量车载激光扫描数据,从根本上提高数据处理效率。进行流抽稀处理的时候,首先应该将数据进行四叉树格网划分。四叉树作为一种常用的空间索引,一般在海量点云数据组织与管理中用到。根据车载激光扫描点数据的空间一致性,将稳定的单元格以及点数据形成格网流先输出到文件或者通过管道作为下一程序的输入数据,然后根据逐点插入法构建TIN。构建TIN的同时,在已经稳定的三角网中进行流抽稀处理。4.在研究当前一些基于格网、TIN、坡度和基于改进的坡度的压缩方法等的基础上结合流处理方法,本文改进了车载激光扫描数据的抽稀方法。使用车载激光扫描系统对西南交通大学犀浦校区进行了实验数据采集,并进行实验。研究表明：基于流处理的抽稀方法能很好的保留建筑物轮廓点,减少了压缩带来的DEM精度损失。流处理方法,使数据处理效率较其它算法得到了很到的提高。本文的研究工作对数字化城市、数字化地球建设具有一定的参考价值。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.2 国内外研究现状
• 1.3 研究内容与目标
• 1.4 论文的结构
• 第2章 车载激光扫描技术
• 2.1 车载激光扫描技术概述
• 2.1.1 车载激光扫描系统的发展
• 2.1.2 车载激光雷达扫描系统组成
• 2.1.3 车载激光扫描系统原理
• 2.2 车载激光扫描数据的特点
• 2.3 三维激光扫描数据标准研究
• 2.3.1 LiDAR数据存储格式的发展
• 2.3.2 LAS文件结构
• 2.4 车载激光扫描技术的应用领域
• 2.5 本章小结
• 第3章 车载激光扫描数据处理与应用
• 3.1 车载激光扫描数据的滤波方法
• 3.1.1 滤波概述
• 3.1.2 基于高程的滤波方法
• 3.1.3 基于扫描线的滤波方法
• 3.2 基于车载LiDAR数据的DEM
• 3.2.1 数字高程模型定义
• 3.2.2 DEM的主要表示方法
• 3.3 基于车载激光扫描数据的三维空间数据模型
• 3.3.1 三维空间数据模型概述
• 3.3.2 基于栅格结构的空间数据模型
• 3.3.3 基于矢量结构的空间数据模型
• 3.3.4 混合结构空间数据模型
• 3.4 本章小结
• 第4章 基于流处理的抽稀模型
• 4.1 概述
• 4.2 现有抽稀方法介绍
• 4.2.1 系统抽稀
• 4.2.2 基于格网的抽稀方法
• 4.2.3 基于TIN的抽稀算法
• 4.2.4 基于坡度的抽稀算法
• 4.3 流处理介绍
• 4.3.1 概述
• 4.3.2 流处理
• 4.4 基于流处理的抽稀模型
• 4.4.1 流处理抽稀方法原理
• 4.4.2 流处理抽稀方法流程
• 4.5 本章小结
• 第5章 流抽稀方法实验
• 5.1 实验环境
• 5.1.1 实验平台
• 5.1.2 实验数据介绍
• 5.2 精度分析方法
• 5.2.1 精度分析方法
• 5.2.2 DEM的内插方法
• 5.3 实验分析
• 5.3.1 基于格网抽稀方法的精度分析
• 5.3.2 基于TIN的抽稀算法精度分析
• 5.3.3 基于坡度的抽稀算法精度分析
• 5.3.4 流处理抽稀方法的精度分析
• 5.3.5 流处理抽稀方法的效率分析
• 5.4 本章小结
• 结论与展望
• 结论
• 展望
• 致谢
• 参考论文
• 攻读硕士学位期间发表的论文