机载LiDAR点云数据滤波及分类研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.2.1 机载LiDAR系统研究现状 | 第10页 |
| 1.2.2 数据滤波技术研究现状 | 第10-11页 |
| 1.2.3 数据分类技术研究现状 | 第11-13页 |
| 1.3 论文的主要内容和章节安排 | 第13-14页 |
| 2 机载LiDAR系统简述 | 第14-22页 |
| 2.1 机载LiDAR系统组成及工作原理 | 第14-16页 |
| 2.1.1 LiDAR系统组成 | 第14-15页 |
| 2.1.2 LiDAR工作原理 | 第15-16页 |
| 2.2 机载LiDAR点云数据的构成、格式和特点 | 第16-21页 |
| 2.2.1 LiDAR点云数据构成 | 第16-19页 |
| 2.2.2 LiDAR点云数据格式 | 第19-20页 |
| 2.2.3 LiDAR点云数据特点 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 典型LiDAR点云数据滤波和分类方法分析 | 第22-30页 |
| 3.1 滤波与分类概念 | 第22页 |
| 3.2 滤波算法分析 | 第22-26页 |
| 3.2.1 数学形态学滤波算法 | 第22-23页 |
| 3.2.2 基于坡度的滤波算法 | 第23-24页 |
| 3.2.3 三角网迭代加密滤波算法 | 第24页 |
| 3.2.4 移动曲面拟合滤波算法 | 第24-26页 |
| 3.3 分类算法分析 | 第26-29页 |
| 3.3.1 基于高程纹理的分类方法 | 第27页 |
| 3.3.2 结合区域回波强度和回波次数的分类方法 | 第27-28页 |
| 3.3.3 基于影像和点云融合的分类方法 | 第28-29页 |
| 3.4 本章小结 | 第29-30页 |
| 4 融合曲面拟合的不规则三角网滤波算法 | 第30-52页 |
| 4.1 算法原理及流程 | 第30-31页 |
| 4.2 数据预处理 | 第31-33页 |
| 4.2.1 点云数据格网化 | 第31-32页 |
| 4.2.2 点云数据去噪 | 第32-33页 |
| 4.3 改进的曲面拟合滤波算法 | 第33-36页 |
| 4.3.1 确定初始地面种子点 | 第33页 |
| 4.3.2 最小二乘法拟合曲面 | 第33-35页 |
| 4.3.3 自适应阈值的确定 | 第35-36页 |
| 4.4 改进的三角网迭代加密滤波算法 | 第36-41页 |
| 4.4.1 构建不规则三角网 | 第36-37页 |
| 4.4.2 点定位 | 第37-39页 |
| 4.4.3 点到面的距离及其夹角 | 第39-40页 |
| 4.4.4 空外接圆判断和LOP优化 | 第40-41页 |
| 4.5 实验与分析 | 第41-51页 |
| 4.5.1 实验数据 | 第41-42页 |
| 4.5.2 滤波结果和分析 | 第42-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 基于回波次数和回波强度的点云数据分类 | 第52-60页 |
| 5.1 算法原理及流程 | 第52-53页 |
| 5.2 基于回波次数的点云数据分类 | 第53页 |
| 5.3 基于回波强度的点云数据分类 | 第53-55页 |
| 5.4 实验与分析 | 第55-59页 |
| 5.4.1 实验数据 | 第55页 |
| 5.4.2 分类结果和分析 | 第55-59页 |
| 5.5 本章小结 | 第59-60页 |
| 6 结论与展望 | 第60-62页 |
| 6.1 论文工作总结 | 第60-61页 |
| 6.2 论文展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间取得的成果 | 第68页 |
