| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文的研究目的与主要研究内容 | 第14-15页 |
| 1.4 技术路线 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-18页 |
| 第2章 LiDAR点云滤波 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 已有滤波算法 | 第18-23页 |
| 2.3 滤波算法分析 | 第23-24页 |
| 2.4 滤波后粗差验证实验 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 LiDAR地面点云粗差剔除 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 DEM粗差探测理论 | 第28-29页 |
| 3.3 LiDAR点云数据粗差特点分析 | 第29-31页 |
| 3.4 不规则DEM粗差剔除 | 第31-35页 |
| 3.4.1 粗差检测的分类 | 第31页 |
| 3.4.2 基于点方式的粗差剔除算法 | 第31-34页 |
| 3.4.3 基于簇群方式的粗差剔除算法 | 第34-35页 |
| 3.5 DEM质量检查 | 第35-36页 |
| 3.6 滤波后粗差剔除实验 | 第36-37页 |
| 3.7 本章小结 | 第37-38页 |
| 第4章 基于坡度熵的抽稀算法 | 第38-48页 |
| 4.1 引言 | 第38页 |
| 4.2 地形复杂度 | 第38页 |
| 4.3 坡度——重要的地形描述算子 | 第38-41页 |
| 4.3.1 坡度的定义 | 第39页 |
| 4.3.2 坡度的重要性 | 第39-40页 |
| 4.3.3 基于TIN的坡度计算 | 第40-41页 |
| 4.4 坡度熵——量化局部地形复杂度 | 第41-43页 |
| 4.4.1 地形熵 | 第41-42页 |
| 4.4.2 坡度熵 | 第42-43页 |
| 4.5 基于坡度熵的抽稀算法 | 第43-47页 |
| 4.5.1 算法思想 | 第43-45页 |
| 4.5.2 算法步骤 | 第45-46页 |
| 4.5.3 和现有相关抽稀算法比较 | 第46-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第5章 实验与分析 | 第48-66页 |
| 5.1 实验平台介绍 | 第48页 |
| 5.2 实验数据介绍 | 第48-49页 |
| 5.3 地形分类实验 | 第49-52页 |
| 5.3.1 实验方法 | 第49页 |
| 5.3.2 趋势面分析原理 | 第49-50页 |
| 5.3.3 实验结果 | 第50-52页 |
| 5.4 三种抽稀算法的DEM精度——抽稀率关系实验 | 第52-60页 |
| 5.4.1 实验方法 | 第52-53页 |
| 5.4.2 DEM质量评价方法 | 第53页 |
| 5.4.3 自编抽稀软件介绍 | 第53-55页 |
| 5.4.4 实验结果和结论 | 第55-60页 |
| 5.5 三种抽稀算法的点位分布合理性对比分析实验 | 第60-64页 |
| 5.5.1 实验方法 | 第60页 |
| 5.5.2 实验结果和结论 | 第60-64页 |
| 5.6 满足规范精度要求下三种抽稀算法的最大抽稀率实验 | 第64-65页 |
| 5.6.1 实验方法 | 第64页 |
| 5.6.2 实验结果和结论 | 第64-65页 |
| 5.7 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |