一种基于局部地形复杂度指标的机载LiDAR地面点云数据抽稀方法

发布时间：2025-06-28 05:31

　　机载激光雷达(Light Detection And Ranging,LiDAR)点云数据具有高精度、高密度、完整保留地形特征的特点。利用LiDAR点云数据建立数字高程模型(Digital Elevation Model,DEM)已成为一种主要途径。由LiDAR点云数据直接建立DEM因数据量大导致处理速度慢、交互体验不佳、储存困难等问题。将地面点云数据进行适当抽稀之后再建立DEM是解决问题的方法。如何处理好抽稀率和DEM的精度关系并尽可能多地保留地形特征点和特征线是研究的重点。针对上述问题,本文开展了以下研究工作:(1)围绕地形复杂度指标构建,讨论了参数选取问题,引入参数的可提取性、相对独立性、相对全面性三个原则;采用相关系数分析法、聚类分析法,结合实验区点云数据来评价参数的相对独立性,从而筛选出独立性相对好的核心地形因子,包括高程标准差、坡度熵、地形粗糙度。(2)为了对局部地形复杂度进行量化,选择CRITIC(Criteria Importance Through Intercriteria Correlation,CRITIC)多因子综合定权方法采用核心地形因子作为参数,以不同地形实...

【文章页数】：77 页

【学位级别】：硕士

【文章目录】：
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
        1.2.1 地形复杂度
        1.2.2 地形因子的分类
        1.2.3 地面点云数据的抽稀方法
    1.3 研究目的与研究内容
        1.3.1 研究目的
        1.3.2 研究内容
    1.4 技术路线
    1.5 论文的组织结构
第2章 局部地形复杂度核心地形因子的筛选方法
    2.1 地形因子的筛选原则
    2.2 地形因子的分类
    2.3 地形因子的初选
    2.4 实验数据介绍
    2.5 实验区域局部地形复杂度核心地形因子的筛选
        2.5.1 相关系数分析法
        2.5.2 聚类分析法
        2.5.3 相对独立性量化结果分析
    2.6 本章小结
第3章 局部地形复杂度指标计算方法
    3.1 多地形因子指标定权方法
        3.1.1 多因子综合评价的定权方法
        3.1.2 CRITIC定权方法
    3.2 计算局部地形复杂度指标
        3.2.1 局部地形复杂度指标计算步骤
        3.2.2 实验区域局部地形复杂度指标计算
    3.3 不同地形中局部地形复杂度指标值的统计分析
    3.4 本章小结
第4章 机载LiDAR地面点云抽稀方法
    4.1 抽稀思想
    4.2 抽稀步骤
    4.3 地形特征线的保留
        4.3.1 地形特征线的提取
        4.3.2 地形特征线的简化
    4.4 精度评价
        4.4.1 评价方法
        4.4.2 评价指标
    4.5 本章小结
第5章 实验与分析
    5.1 实验环境
    5.2 基于局部地形复杂度指标的地面点云数据抽稀结果分析
    5.3 四种方法加入地形特征线前后DEM高程精度变化分析
        5.3.1 对山地地形的地面点云抽稀实验
        5.3.2 对丘陵地形的地面点云抽稀实验
    5.4 四种点云抽稀方法实验与对比分析
        5.4.1 抽稀率和DEM高程精度对比分析
        5.4.2 点云抽稀结果采样点空间分布对比分析
    5.5 确定满足不同尺度DEM高程精度要求的最大抽稀率
    5.6 本章小结
总结与展望
    总结
    展望
致谢
参考文献
研究生期间参加的学术活动



本文编号：4054499