| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 LiDAR 硬件设备 | 第11-12页 |
| 1.2.2 点云滤波算法 | 第12-13页 |
| 1.2.3 主要 LiDAR 点云数据处理软件 | 第13-14页 |
| 1.3 本文研究的主要内容和体系结构 | 第14-16页 |
| 1.3.1 研究的主要内容 | 第14页 |
| 1.3.2 论文的体系结构 | 第14-15页 |
| 1.3.3 技术路线 | 第15-16页 |
| 第2章 机载激光雷达系统 | 第16-25页 |
| 2.1 机载激光雷达的构成 | 第16-19页 |
| 2.1.1 激光扫描测距系统 | 第16-18页 |
| 2.1.2 动态差分 GPS | 第18页 |
| 2.1.3 惯性导航装置 | 第18-19页 |
| 2.1.4 成像装置 | 第19页 |
| 2.2 机载激光雷达测量系统测量原理 | 第19-21页 |
| 2.3 机载激光雷达发展趋势 | 第21-22页 |
| 2.4 机载激光雷达技术优势 | 第22-23页 |
| 2.4.1 机载激光雷达与传统摄影测量比较 | 第22页 |
| 2.4.2 机载激光雷达测量技术与机载 InSAR 二者对比 | 第22-23页 |
| 2.5 机载激光雷达主要应用领域 | 第23-25页 |
| 第3章 机载激光雷达数据分析 | 第25-29页 |
| 3.1 机载激光雷达数据特点 | 第25-26页 |
| 3.1.1 数据组成 | 第25-26页 |
| 3.2 机载 LiDAR 的数据组织方式 | 第26-27页 |
| 3.3 LAS 数据格式 | 第27页 |
| 3.4 LiDAR 数据特点 | 第27-29页 |
| 第4章 机载 LiDAR 点云数据滤波 | 第29-38页 |
| 4.1 点云数据滤波原理 | 第29-31页 |
| 4.1.1 滤波算法的假设条件 | 第29-30页 |
| 4.1.2 机载激光雷达测量数据的滤波原理 | 第30-31页 |
| 4.2 点云滤波方法介绍 | 第31-36页 |
| 4.2.1 数学形态学滤波法 | 第31页 |
| 4.2.2 最小二乘线性内插滤波法 | 第31-32页 |
| 4.2.3 基于坡度变化的滤波算法 | 第32-33页 |
| 4.2.4 移动曲面滤波算法 | 第33页 |
| 4.2.5 全波形探测法 | 第33-34页 |
| 4.2.6 基于不规则三角网滤波方法 | 第34-35页 |
| 4.2.7 滤波算法比较与分析 | 第35-36页 |
| 4.3 点云数据滤波处理质量评价要素 | 第36-38页 |
| 第5章 基于分割的点云数据滤波方法 | 第38-69页 |
| 5.1 常见的点云数据分割算法 | 第38-39页 |
| 5.2 点云数据预处理 | 第39页 |
| 5.3 区域分割点云数据滤波综述 | 第39-40页 |
| 5.4 分割区块前的准备工作 | 第40-43页 |
| 5.4.1 区块划分 | 第40-41页 |
| 5.4.2 影像拼接 | 第41-42页 |
| 5.4.3 平滑处理 | 第42页 |
| 5.4.4 片段编号 | 第42-43页 |
| 5.5 滤波的假设条件 | 第43-48页 |
| 5.5.1 拓扑关系描述 | 第43-44页 |
| 5.5.2 相邻点和片段的关系确定 | 第44页 |
| 5.5.3 片段连续性确定 | 第44-46页 |
| 5.5.4 片段分类 | 第46-48页 |
| 5.5.5 扩大感兴趣区搜索新元素 | 第48页 |
| 5.6 滤波参数 | 第48-49页 |
| 5.7 滤波实验及分析 | 第49-67页 |
| 5.7.1 滤波实验数据 | 第49-50页 |
| 5.7.2 滤波试验及数据分析 | 第50-67页 |
| 5.8 滤波后 DTM 质量评价 | 第67-69页 |
| 结论 | 第69-71页 |
| 总结 | 第69-70页 |
| 展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间取得学术成果 | 第76页 |