【摘 要】
：
针对机载激光雷达点云密度检查过程中存在的合理性和非合理性点云缺失区域难发现,导致全摄区点云密度计算结果不准确的实际问题,提出了一种改进的机载激光雷达点云密度检查方法。该方法设计一个点云密度的质量检测窗口,以一定的步距全摄区逐航带移动搜索,通过设定窗口点云密度的阈值,逐航带提取小于阈值的窗口,融合后形成待核验区域矢量范围。经与正射影像进行套合核查,快速判定合理性和非合理性点云缺失区域。计算点云密度时
论文部分内容阅读
针对机载激光雷达点云密度检查过程中存在的合理性和非合理性点云缺失区域难发现,导致全摄区点云密度计算结果不准确的实际问题,提出了一种改进的机载激光雷达点云密度检查方法。该方法设计一个点云密度的质量检测窗口,以一定的步距全摄区逐航带移动搜索,通过设定窗口点云密度的阈值,逐航带提取小于阈值的窗口,融合后形成待核验区域矢量范围。经与正射影像进行套合核查,快速判定合理性和非合理性点云缺失区域。计算点云密度时去除了合理性和非合理性点云缺失区域的面积及区域内的点云个数,提高了计算精度。通过多个摄区的点云密度质检实
其他文献
在实景三维模型空间信息采集中,像控点布设十分重要,会影响到空间信息采集精度。本文以某平原区为研究区域,利用多旋翼无人机倾斜摄影测量系统获取多分辨率倾斜影像,通过设计不同像控点布设方案进行实景三维模型空间信息采集。通过分析不同分布方案对精度的影响,从而得出了在不同影像分辨率下像控点最优布设方案。并结合成本、效率、精度因素,得出满足地形图测绘、地籍测绘、房产测绘需求的像控点布设方案,为实际工作提供建议
近年来,虽然实景三维建模技术高速发展,然而城市级高精度三维模型构建仍面临多传感器融合、点云语义分割和结构化三维重构等技术难点,制约了城市实景三维发展。本文以深圳市全市域三维建模工程为案例,介绍基于倾斜摄影和激光雷达的大规模城市三维建模技术路线和生产工艺,分析工程实践中的难点和解决思路,探讨实景三维产品标准和未来发展方向。
智慧城市建设的不断推进,对城市三维模型的需求与应用也提出了更高的发展要求。针对当前城市精细化管理的理念与需求,新型基础测绘体系下智能化全息测绘形成了全要素实景模型这一成果。本文以车载LiDAR采集城市道路红线范围内的三维空间信息,对获取的激光点云数据进行矢量化,得到道路全要素地形数据;基于三维激光点云数据和全要素地形数据生成道路全要素实景模型,实现了各类要素的单体化。该技术路线对相关数据的生产具有
以具有复杂地形特征的沿海低山丘陵区为试验区,基于Sentinel-1A影像及InSAR技术提取DEM数据,对其精度进行定量评价,并分析高程异差值与坡度、坡向之间的关系。结果显示,Sentinel DEM与SRTM DEM空间分辨率相当,能够较好地分辨出地形起伏的纹理特征;随着坡度增大,Sentinel DEM垂直精度降低;试验区中背对卫星拍摄方向的高程异差值比正对拍摄的要大。试验表明,利用Sent
本文以芜湖市繁昌县为研究对象,基于Sentinel-2A数据与Landsat 8数据,利用像元二分法、线性光谱混合模型对研究区进行植被覆盖度估算,并对试验结果进行分析,探究两种数据在植被覆盖度反演方面的能力差异,比较了不同方法在研究区反演中的优劣性。试验结果表明,繁昌县植被覆盖状况较好;利用Landsat 8数据和Sentinel-2A数据分析得出的植被覆盖度具有较强的一致性,并且当利用线性光谱混
针对长三角一体化区域进行城市经济发展时空特征研究可促进长三角区域经济协同发展。目前对江浙沪皖三省一市的经济发展研究主要是以经济指数为基础,对于空间信息上的研究较少。近年来,遥感与地理信息系统技术的快速发展,为经济发展特征的地理空间可视化研究提供了技术支撑。夜光遥感影像作为一种特殊的遥感影像,与城市经济发展特征有紧密的联系,其记录的灯光辐射亮度值在解释人类活动现象和社会经济发展方面具有独特的效力,可
无人机航空影像一般仅包含红、绿、蓝3种波段,已成为快速小范围信息提取的主要数据源。可见光植被指数是可见光航空影像进行植被信息提取的主要方法,针对可见光植被指数在复杂城市区域进行植被信息提取时存在植被与水体、植被与阴影不易区分的问题,本文提出了一种面向对象下结合可见光植被指数、亮度信息、纹理方差信息建立知识规则的方法进行植被信息提取,并与常用可见光植被指数结果对比,结果表明,本文方法在植被与水体和阴
无人机倾斜摄影测量技术将多台传感器集成到同一飞行平台上获取多视影像,空三与建模实现了数据集中管理、分布式存储、集群并行计算、作业过程的任务分配与实时监控管理。无人机倾斜摄影测量技术解决了传统的房屋权籍外业实地测量长期入户困难的问题;解决了传统无人机摄影测量长期配戴立体眼镜采集及大比例尺图形屋檐改正需要外业实地调绘再编辑问题。本文通过县城农房一体项目无人机倾斜摄影6.3 km~2的案例实施与精度验证
遥感影像建筑物信息提取对于自然资源监测、土地利用现状调查、生态修复等具有重要的现实意义。但在实际应用中,建筑物提取面临"小目标""有遮挡"的问题,导致识别效果不理想。本文基于高分辨率遥感影像,提出运用多示例卷积神经网络的方法对建筑物场景进行识别。试验表明,多示例卷积神经网络相较于经典的卷积神经网络对建筑物场景有更好的识别效果,尤其是"小目标""有遮挡"的建筑物场景,识别效果有显著的提升。
针对现有的变化检测算法存在漏检和检测边界粗糙的问题,提出了一种基于DeepLabV3+和孪生神经网络的高分辨遥感影像变化检测算法。该算法以DeepLabV3+作为基础网络提取不同时相的影像特征,并在空间金字塔特征池化阶段添加多层次融合的孪生神经网络结构,解决遥感影像变化检测中双时相特征提取与对比复杂的问题。在开源的高分辨遥感变化检测数据集上进行了验证,该算法检测结果准确率为94.7%、召回率为93