论文部分内容阅读
激光雷达(Light Detection and Ranging)简称LIDAR,作为一种测绘技术,激光雷达广泛应用于农业,林业,地质,军事,天文学,机器人,交通等领域。基本工作原理是定向发射一束激光脉冲,接收脉冲遇到障碍物后的回波,通过计算发射方向及回波时间得到障碍物相对于雷达的三维坐标。按照载体的不同,激光雷达通常分为星载,机载,车载和陆基激光雷达。其中机载激光雷达是一种综合了激光测距模块,GPS(Global Positioning System),惯性测量单元(Inertial measurement unit,简称IMU)的主动式遥感测量设备,相对于其它测绘技术,具有成本低,作业周期短,自动化程度高,精度高等特点,因此得到了越来越广泛的应用。机载激光雷达数据处理的关键技术包括回波数据处理和点云处理两部分。其中回波数据处理的主要目的是对回波进行高斯波形分解,得到反射点的时间点位等反射信息。好的波形分解算法可以得到更精确的反射点坐标,对提升激光雷达系统的定位精度起着关键作用。点云处理的目的是从激光雷达波形分解得到的散乱点云中提取出有用信息,例如分离出地形,提取森林覆盖率和植被高度参数等。难点包括大规模地形点云数据的处理,地物及地形的提取,分类,网格重建等。本文的主要研究内容包括以下几个部分:(1)回波数据的高斯拟合初值预估及参数优化。传统的波形分解初值估计算法存在对随机噪声敏感,波形个数及参数估计不准确的问题。本文提出并实现了一种新的参数预估方法,对噪声鲁棒,无需进行预滤波就可以准确地估计出高斯分量的个数及每个分量的参数。在完成高斯分解初值预估后,本文分别采用了非线性最小二乘算法中的LM算法(Levenberg-Marquardt Algorithm)和L-BFGS(limited-memoryBroyden-Fletcher-Goldfarb-Shanno)进行参数优化,可以得到高精度的高斯分解结果。(2)研究并实现了大规模点云及网格数据的实时三维可视化及快速交互式编辑。机载激光雷达得到的三维点云数据量较大,因此如何在现有硬件平台进行实时显示和编辑对后续实验非常关键。为了解决这个问题,本文开发了一个实验平台软件,使用OpenGL实现了点云和网格的三维可视化,并且基于八叉树分别实现了点云的快速选择,删除,测量,截取断面等操作。(3)为了从LIDAR点云中提取有用信息,本文研究和实现了地形与地物点云的提取和分离以及Delaunay构网算法,使用基于区域生长的算法实现了地形点云的提取。(4)开发了一套LIDAR数据处理软件平台,包括波形分解软件LasViewer,点云和网格处理软件LIDARPC两部分。本文简要介绍了一下该系统的实现。