logo资料库

基于LiDAR点云数据的真正射影像制作.docx

发布时间：2022-06-06 发布人：admin 分类：说明书 资料大小：0.35M 资料格式：docx 举报 版权申诉
第1页 / 共26页
第2页 / 共26页
第3页 / 共26页
第4页 / 共26页
第5页 / 共26页
第6页 / 共26页
第7页 / 共26页
第8页 / 共26页
资料共26页，剩余部分请下载后查看
    基于Lidar点云数据的真正射影像制作
    摘 要
    第一章 引言
    第二章 Lidar技术原理
    2.1 Lidar对地定位原理
    2.2 Lidar数据特点及处理
    2.2.1 Lidar点云数据提取DSM流程
    2.3 Lidar点云数据内插DSM基本算法原理
    2.3.1 反距离加权插值法(IDW)
    2.3.2 Kriging插值法
    2.3.3 自然邻近点插值法(NaN)
    2.3.4 样条插值法
    2.3.5 线性插值法
    2.3.6 非线性插值法
    2.3.7 各种插值方法的比较
    第三章 传统DOM的制作方式
    3.1 数字微分纠正
    3.1.1 数字微分纠正的基本原理
    3.2 框幅式中心投影影像的数字微分纠正
    3.2.1反解法（间接法）数字微分纠正
    3.2.2正解法（直接法）数字微分纠正
    3.3线阵列扫描影像的数字微分纠正
    第四章 基于Lidar数据的DOM制作
    4.1基于DSM的正射纠正的局限性
    4.2真正射影像纠正过程
    4.3遮挡区域检测
    4.3.1 Z-buffer算法
    4.3.2 遮挡区域检测的一般准则
    4.4真正射影像镶嵌
    4.4.1 辐射纠正
    4.4.2 几何合成
    4.4.3 真正射影像的优缺点
    第五章 展望和总结
    5.1 Pixel Factory系统简介
    5.1.1系统概述
    5.1.2工作流程
    5.1.3 像素工厂的优缺点
    基于 Lidar 点云数据的真正射影像制作 摘 要 本文主要介绍 Lidar 数据的主要应用，技术原理，以及利用 Lidar 点云数据 制作真正射影像的理论方法。其中，重点介绍了基于 Lidar 点云数据内插 DSM 的理论以及传统 DOM 的制作方法。论文完成的主要工作有：1，分析 Lidar 数据 特点，利用 Lidar 数据提取 DSM 的流程以及 Lidar 数据内插 DSM 方法，并对各种 方法进行了理论比较。2，介绍传统基于 DEM 的 DOM 制作原理及流程。深入探讨 了数字微分纠正的理论和应用方法以及局限性。3，介绍基于 DSM 的 DOM 制作理 论。对基于 DSM 制作的 DOM 过程中产生的重复映射现象进行了分析，并提出了常 用的几种解决方案。4，分析当代摄影测量的发展趋势。简要介绍数字网格系统 像素工厂系统（Pixel Factory）。 索引关键词：LiDAR，DOM，DSM，数字微分纠正，数字网格技术
    Abstract
    目录 基于 Lidar 点云数据的真正射影像制作................................................................................1 摘 要........................................................................................................................................1 第一章 引言............................................................................................................................5 第二章 Lidar 技术原理.........................................................................................................6 2.1 Lidar 对地定位原理.....................................................................................................6 2.2 Lidar 数据特点及处理.................................................................................................6 2.2.1 Lidar 点云数据提取 DSM 流程.............................................................................8 2.3 Lidar 点云数据内插 DSM 基本算法原理...................................................................10 2.3.1 反距离加权插值法(IDW)..................................................................................10 2.3.2 Kriging 插值法.................................................................................................10 2.3.3 自然邻近点插值法(NaN)..................................................................................11 2.3.4 样条插值法........................................................................................................12 2.3.5 线性插值法........................................................................................................12 2.3.6 非线性插值法....................................................................................................13 2.3.7 各种插值方法的比较........................................................................................13 第三章 传统 DOM 的制作方式..............................................................................................15 3.1 数字微分纠正............................................................................................................15 3.1.1 数字微分纠正的基本原理................................................................................15 3.2 框幅式中心投影影像的数字微分纠正....................................................................15 3.2.1 反解法（间接法）数字微分纠正.......................................................................16 3.2.2 正解法（直接法）数字微分纠正.......................................................................17 3.3 线阵列扫描影像的数字微分纠正...............................................................................18 第四章 基于 Lidar 数据的 DOM 制作..................................................................................19 4.1 基于 DSM 的正射纠正的局限性...................................................................................19 4.2 真正射影像纠正过程...................................................................................................20 4.3 遮挡区域检测...............................................................................................................20 4.3.1 Z-buffer 算法...................................................................................................21 4.3.2 遮挡区域检测的一般准则................................................................................21 4.4 真正射影像镶嵌...........................................................................................................22
    4.4.1 辐射纠正............................................................................................................22 4.4.2 几何合成............................................................................................................22 4.4.3 真正射影像的优缺点........................................................................................23 第五章 展望和总结..............................................................................................................25 5.1 Pixel Factory 系统简介.........................................................................................25 5.1.1 系统概述...............................................................................................................25 5.1.2 工作流程...............................................................................................................25 5.1.3 像素工厂的优缺点..............................................................................................26
    第一章 引言 激光雷达测量（LIDAR）是一种通过位置、距离、角度等观测数据直接获取 对像表面点三维坐标，实现地表信息提取和三维场景重建的对地观测技术。这项 技术是继 GPS 空间定位系统之后又一项测绘技术新突破，是一种崭新的革命性的 测量工具。该技术优势明显，将对传统摄影测量技术造成冲击，有可能给测绘领 域带来一场新的技术革命。利用 LIDAR 进行目标探测属于主动遥感方式，对天气 的依赖性小，不易受阴影和太阳角度的影响。与摄影测量技术相比，避免了投影 （从三维到二维）带来的信息损失，极大地提高高程获取的精度，且优势明显。 利用 LIDAR 技术可快速完成数字高程模型（DEM，Digital Elevation Model）及 数字正射影像图（DOM，Digital Orthophoto Map）的大规模生产。 激光雷达测量技术在国外研究已经相当成熟，对于绝大部分属于硬件和系统 集成方面的许多关键问题已得到解决，然而对于激光雷达测量数据的处理算法仍 然处于前期研究发展阶段，还有许多问题没有得到解决。激光雷达点云数据处理 主要是指 LIDAR 测量数据的后处理，其中针对点云数据的滤波、分类和地物识别 与提取是目前的难点和研究热点。目前的研究方向主要包括激光脚点三维坐标计 算、坐标系统的转换、系统误差的校正、粗差剔除、数据滤波处理、DEM/DTM 生 成以及后续的地物提取、建筑物三维重建、3D 城市模型等高级处理等。 对于机载激光雷达测量来说按照扫描方式的不同，激光脚点的分布形态不同，激 光脚点在三维空间的分布形态呈现随机离散的数据“点云”。在这些点中，有些 点位于真实地形表面，有些点位于人工建筑物或者自然植被。 数字正摄影像（DOM）是同时具有地图几何精度和影像特征的影像地图，是 地球空间数据框架的一个基础数据层。以往由于影像空间分辨率不高，在传统正 摄纠正过程中将建筑物视为地表的一部分，采用 DEM 校正由于透视成像和地形起 伏导致的影像变形。近年来，随着高分辨率遥感影像的出现，在城市中建筑物的 影像使得传统正摄影像应用面临许多问题，维持有人提出了生成真正摄影像 （True OrthoImage-TOI）的思想，在正摄纠正过程中进一步考虑对建筑物的改 正。目前一些商业软件例如法国 ISTAR 公司的 PixelFactory 已具备生成数字表 面模型（Digital Surface Model-DSM）和进行真正射纠正功能。 真正射纠正是一个复杂的工艺过程，研制一套具有 TOI 制作功能的实用软件 系统任务量巨大。真正射纠正中最繁琐最耗时的阶段在于提取 DSM，其工作量占 据整个流程的 90%左右。本文讨论的重点是从 LIdar 数据中提取 DSM 的理论和方 法，以及利用 DSM 制作真正射影像的方法。
    第二章 Lidar 技术原理 2.1 Lidar 对地定位原理 机载 lidar 的定位原理不同于传统遥感的二维遥感图像通过立体相对测量， 影像相关或空间变换及地面控制点求出传感器获取该图像时的外方位元素（X0， Y0，Z0，α，ω，κ），从而实现定位，而是通过精确测定遥感器的空中位置， 测定遥感器的姿态参数和测定遥感器到地面目标距离的方法实现三维对地观测。 GPS 定位技术，惯性测量技术和激光测距技术的有效集成和发展实现了上述观测 理念。 图 2-1 Lidar 对地定位原理 观测平台法线的俯仰角φ、侧滚角ω、航偏角κ及观测方向与法线间夹角θ组成 的矢量矩阵算出（其中观测平台法线的φ、ω、κ由姿态测量装置给出，矢量的 P 的矢量（模、方向余弦），那么就可以根据已知点加矢量的方法求出待测定点 P 已知空间一点 G 的三维坐标（XG,YG,ZG），并可准确测出由 G 点到待测定点 的三维坐标(XP，YP，ZP)。通常已知点 G 的三维线坐标由 GPS 提供，方向余弦由 模 s 由激光测距仪给出）。上述XG、YG、ZG、φ、ω、κ、θ、s 已知，那么任 意待测定点Pi的三维坐标(XP，YP，ZP)即可求出。待测定点Pi的三维坐标精度取 决于上述八个参数的测量精度及同步精度。 2.2 Lidar 数据特点及处理 广义上的机载激光雷达数据不仅包括由激光器获得的三维点云数据，还应 包括 GPS 数据、IMU 数据及高分辨率数码相机得到的影像数据。
    目前，机载激光雷达数据大都由硬件制造商提供，而且数据的种类和格式 不尽相同。有的提供三维离散点，有的提供内插过的格网数据，有的提供多次回 波信息，有的提供强度信息，有的却不提供后几项数据。如何规范 LIDAR 数据格 式，制定一个开放的标准，使机载激光雷达系统提供商能够为软件提供商提供通 用的数据，对于拓展机载激光雷达的应用具有十分重要的意义。 原始 LIDAR 数据为 WGS84 坐标系统下的三维点，根据国际标准格式(.las) 以每条扫描线排列方式存放，包含激光点三维坐标及反射强度值，文件中同时储 存有多重回波等信息。此时的.las 文件是最原始的点云（一整条航带），只有在 最后生成格网化 DEM 及 DSM 时，可将其储存为记录三维坐标的 xyz 文件，或其它 DEM 格式。 LIDAR 点云数据是一系列三维坐标点，点的位置、间隔等在空间中分布不规 则，这与 DEM 数据、矢量数据、数字影像每个像元之间的关系都不相同。如何有 效组织这些数据直接影响到数据处理效率和数据处理的有效性。目前常用表达 LIDAR 数据的拓扑关系有以下几种： （1）三维激光点云：由于点云数据量大、计算机速度和内存限制等各原因， LIDAR 数据的实时渲染和处理仍没有得到很好的解决。武汉大学黄先锋提出了一 种通过将点云均匀布置在顺序编码四叉树上，绘制中实时对节点进行裁切，并通 过自适应控制绘制的数据量，解决实时渲染大量 LIDAR 点云数据的问题。 （2）规则格网：规则格网就是规则间隔的正方形格网点组成的影像阵列， 每个格网点和其它周围格网点的拓扑关系已经隐含在该阵列的行列号中。点是一 个像元，线是由一串彼此相连的像元组成，它需要将离散点测量值内插成规则格 网。在创建格网时，像元大小一经固定，会出现几个点落入一个格网内和一个格 网内没有点的情况，这就损失了 LIDAR 数据细节信息。但规则格网简化了数据组 织方式，提高了数据处理效率，有利于引入图像处理的成熟算法。 （3）不规则三角网 TIN：不规则三角网模型采用不规则多边形拟合数据表面， 在 TIN 模型中点的位置控制着三角形的顶点。其三角形大小随点密度变化而自动 变化，且能够对不连续对象予以表达，如悬崖、断层、海岸线和山谷底（陈述彭， 1999），在很大程度上保留了原始激光点的形态。但当原始数据在一个局部的二 维区域内有多个不同高程点交替起伏时，会产生严重的锯齿现象，不利于数据处 理。另外，如果用二维邻域中最高点（或最低点）进行数据表达，会丢失房屋墙 面上或穿透植被树冠的多次回波点。TIN 方法在处理单次回波信号时比较有效， 但是没有考虑垂直方向的分布。 （4）体元：体元是表达三维空间的基本单位,其作用与二维平面中的像素类
    似。体元的形状可以是长方体、正方体，也可以是圆柱体。体元通过三维格网能 够表达离散、不规则数据（与观察角度无关）还能记录回波强度、数据点个数、 光谱信息、密度、材质等信息。但采用离散形式存储、损失了空间(关系)特征， 对系统资源要求高。 2.2.1 Lidar 点云数据提取 DSM 流程 图 2-2 Lidar 数据处理流程（着色部分将重点介绍） 1)LIDAR 原始飞行数据：机载 GPS 与地面基站 GPS 的空间位置数据、惯性 测量单元 IMU 测得的姿态数据、激光测距仪通过测量激光传播时间测定传感器到 地面测定点的距离数据、激光反射强度信息以及回波数据，有些硬件产品提供波 形数据，有些集成数字成像系统的硬件产品提供光学影像。 2)航线重构：航线重构为后期的航带拼接，接边检查提供了数据支持。飞 机上的 GPS 流动站与地面的 GPS 基准站的测量数据联合差分解算，即可确定飞机 轨迹。由于 GPS 采样频率远远低于 IMU 的采样频率，因此需要利用 IMU 数据对 GPS 数据进行内插。 3)消减系统误差：每个系统不可避免地存在系统误差，如 GPS 测量误差、 姿态测量误差、激光测距仪内部误差、系统集成误差、大气折射误差、扫描角误
    分享到：
    赞 收藏

    相关推荐

    资料库

    信息化

    共收录1827份资料，累计6个分类，关注成员有19位，主要包括：管理软件,企业管理,电子商务,其它,IT管理,项目管理

    热门标签

    管理软件 企业管理 电子商务 其它 IT管理 项目管理

    最新资料