机载LiDAR点云滤波及分类算法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景 | 第10页 |
| 1.2 选题的目的和意义 | 第10-11页 |
| 1.3 LiDAR 技术研究现状 | 第11-13页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-13页 |
| 1.4 本文的研究内容和组织结构 | 第13-16页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 论文组织 | 第14-16页 |
| 第2章 机载 LiDAR 系统简述 | 第16-26页 |
| 2.1 系统组成及工作原理 | 第16-19页 |
| 2.1.1 动态 GNSS 定位 | 第17页 |
| 2.1.2 姿态测量装置 | 第17页 |
| 2.1.3 激光雷达测距系统 | 第17-18页 |
| 2.1.4 成像装置 | 第18-19页 |
| 2.1.5 LiDAR 工作原理 | 第19页 |
| 2.2 LiDAR 数据分析 | 第19-24页 |
| 2.2.1 LAS 格式标准 | 第20-23页 |
| 2.2.2 数据特点 | 第23-24页 |
| 2.3 典型地物的点云特征 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 几种典型滤波及分类算法分析 | 第26-36页 |
| 3.1 滤波及分类概念 | 第26页 |
| 3.2 滤波算法分析 | 第26-32页 |
| 3.2.1 数学形态学方法 | 第26-27页 |
| 3.2.2 迭代线性最小二乘内插法 | 第27-29页 |
| 3.2.3 迭代三角网加密算法 | 第29-31页 |
| 3.2.4 移动曲面拟合算法 | 第31-32页 |
| 3.3 分类算法分析 | 第32-35页 |
| 3.3.1 基于高程纹理的分类方法 | 第33页 |
| 3.3.2 结合区域回波比率和高程文理的分类方法 | 第33-34页 |
| 3.3.3 融合其他影像数据的分类方法 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于地形相关系数的滤波算法 | 第36-54页 |
| 4.1 点云密度计算 | 第36-37页 |
| 4.2 点云去噪 | 第37-43页 |
| 4.2.1 基于高程均值离差的去噪方法 | 第38-40页 |
| 4.2.2 自适应移动盒子去噪算法 | 第40-43页 |
| 4.3 滤波算法原理与流程 | 第43-46页 |
| 4.3.1 算法原理 | 第43-44页 |
| 4.3.2 算法流程 | 第44-46页 |
| 4.4 滤波参数设计 | 第46-49页 |
| 4.4.1 地形相关系数 | 第46-48页 |
| 4.4.2 最大距离 | 第48页 |
| 4.4.3 最大坡度 | 第48-49页 |
| 4.5 滤波实验分析 | 第49-53页 |
| 4.5.1 滤波实验 | 第49-52页 |
| 4.5.2 滤波算法评价 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第5章 基于表面粗糙度的分类算法 | 第54-62页 |
| 5.1 算法原理与流程 | 第54-55页 |
| 5.1.1 算法原理 | 第54页 |
| 5.1.2 算法流程 | 第54-55页 |
| 5.2 参数设计 | 第55-57页 |
| 5.2.1 最小面积 | 第55页 |
| 5.2.2 高程变幅 | 第55-56页 |
| 5.2.3 表面粗糙度 | 第56-57页 |
| 5.3 实验分析 | 第57-61页 |
| 5.3.1 分类实验 | 第57-61页 |
| 5.3.2 分类算法评价 | 第61页 |
| 5.4 本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 论文总结 | 第62页 |
| 研究展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间取得学术成果 | 第68页 |
