| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 滤波研究现状 | 第11-13页 |
| 1.2.2 建筑物提取研究现状 | 第13-15页 |
| 1.3 研究内容与组织结构 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-17页 |
| 1.3.2 论文组织结构 | 第17-18页 |
| 2 机载Li DAR点云数据相关知识和预处理 | 第18-28页 |
| 2.1 机载LiDAR点云数据 | 第18-24页 |
| 2.1.1 机载LiDAR点云数据特点 | 第18-20页 |
| 2.1.2 机载LiDAR点云数据格式 | 第20-22页 |
| 2.1.3 机载LiDAR点云数据组织 | 第22-24页 |
| 2.2 研究区域 | 第24-25页 |
| 2.3 异常点处理 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 低矮地物滤除的组合滤波算法 | 第28-50页 |
| 3.1 传统滤波算法 | 第29-31页 |
| 3.1.1 偏度平衡滤波算法 | 第29-30页 |
| 3.1.2 曲面拟合高差滤波算法 | 第30-31页 |
| 3.2 组合滤波算法 | 第31-37页 |
| 3.2.1 渐进加密三角网初次滤波 | 第31-33页 |
| 3.2.2 简化移动最小二乘法拟合曲面 | 第33-36页 |
| 3.2.3 基于SMLS-FHD的偏度平衡二次滤波 | 第36-37页 |
| 3.3 实验结果与分析 | 第37-49页 |
| 3.3.1 滤波实验结果 | 第37-40页 |
| 3.3.2 拟合效率及高差分析 | 第40-43页 |
| 3.3.3 低矮地物分析 | 第43-46页 |
| 3.3.4 滤波总体定量评价 | 第46-49页 |
| 3.4 本章小结 | 第49-50页 |
| 4 LiDAR点云的建筑物特征提取 | 第50-68页 |
| 4.1 建筑物和树木特征分析 | 第51-52页 |
| 4.2 利用回波信息的植被点检测 | 第52-53页 |
| 4.3 基于多属性特征的区域生长算法 | 第53-58页 |
| 4.3.1 邻域点集的建立 | 第54页 |
| 4.3.2 计算增长准则 | 第54-57页 |
| 4.3.3 构建特征种子 | 第57页 |
| 4.3.4 多属性特征区域生长算法 | 第57-58页 |
| 4.4 建筑物轮廓线提取 | 第58-60页 |
| 4.5 实验结果与分析 | 第60-67页 |
| 4.5.1 利用回波信息的植被检测结果 | 第60-63页 |
| 4.5.2 建筑物提取结果及定量评价 | 第63-66页 |
| 4.5.3 轮廓线提取结果 | 第66-67页 |
| 4.6 本章小结 | 第67-68页 |
| 5 结论与展望 | 第68-70页 |
| 5.1 主要研究成果 | 第68-69页 |
| 5.2 下一步研究展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 个人简介及在学期间科研成果 | 第75-76页 |
| 致谢 | 第76页 |