機載激光雷達數(shù)據(jù)處理與應用

第1章 機載激光雷達系統(tǒng)概述
1.1 引言
1.2 系統(tǒng)組成
1.2.1 激光測距單元
1.2.2 慣性量測單元
1.2.3 光學機械掃描單元
1.2.4 動態(tài)差分GPS定位系統(tǒng)
1.2.5 成像裝置
1.3 工作原理
1.3.1 激光測距原理
1.3.2 地面點定位原理
1.3.3 系統(tǒng)主要參數(shù)
1.4 硬件系統(tǒng)發(fā)展簡史
第2章 機載激光雷達點云數(shù)據(jù)的特點和組織方式
2.1 點云數(shù)據(jù)的特點
2.1.1 點云數(shù)據(jù)分布特點
2.1.2 反射強度數(shù)據(jù)特點
2.2 點云數(shù)據(jù)的組織
2.2.1 點云數(shù)據(jù)格式
2.2.2 虛擬格網(wǎng)體元
2.2.3 重采樣策略
2.3 點云數(shù)據(jù)的Delaunay三角網(wǎng)生成
2.3.1 二維平面點集的Delaunay構網(wǎng)基本原理
2.3.2 點云數(shù)據(jù)的自適應分塊
2.3.3 子塊Delaunay三角網(wǎng)構建
2.3.4 相鄰子塊三角網(wǎng)合并處理
2.3.5 三角網(wǎng)邊界優(yōu)化處理
2.3.6 實驗分析
第3章 基于數(shù)學形態(tài)學的LiDAR點云數(shù)據(jù)濾波
3.1 濾波誤差的定義
3.2 多尺度數(shù)學形態(tài)學濾波
3.2.1 形態(tài)學濾波原理
3.2.2 多尺度開運算濾波
3.2.3 算法流程
3.2.4 實驗與分析
3.3 濾波質量控制
3.3.1 誤分類地面點搜索
3.3.2 橋梁提取
3.4 實驗結果與分析
第4章 基于支持向量機的激光腳點分類
4.1 建筑物激光腳點提取策略
4.1.1 候選點提取
4.1.2 特征選擇
4.1.3 分類器設計
4.1.4 算法流程
4.2 支持向量機理論
4.2.1 機器學習問題
4.2.2 結構風險最小化
4.2.3 支持向量機的構造
4.3 激光腳點的支持向量機分類算法
4.3.1 非線性樣本的支持向量機分類
4.3.2 算法流程
4.3.3 實驗與分析
4.4 不平衡支持向量機分類方法
4.4.1 不平衡數(shù)據(jù)集
4.4.2 懲罰因子調(diào)節(jié)平衡方法
4.4.3 特征提取平衡法
4.4.4 實驗與分析
第5章 分階段區(qū)域生長的建筑物目標提取
5.1 建筑物空間特性分析
5.1.1 建筑物結構模型分析
5.1.2 TIN中建筑物空間特征描述
5.2 建筑物激光點提取的分階段區(qū)域生長算法
5.2.1 區(qū)域生長基本原理
5.2.2 分階段區(qū)域生長策略
5.3 實驗結果與分析
5.3.1 實驗數(shù)據(jù)
5.3.2 實驗結果
5.3.3 精度分析
5.3.4 結論
第6章 建筑物三維模型重建
6.1 建筑物模型重建策略
6.2 建筑物分割處理
6.3 屋頂輪廓提取及規(guī)則化處理
6.3.1 屋頂初始輪廓線提取
6.3.2 屋頂輪廓拐點判定
6.3.3 屋頂輪廓主體方位確定
6.3.4 屋頂輪廓規(guī)則化處理
6.4 多層建筑物輪廓三維重建
6.4.1 相鄰屋頂輪廓一致性處理
6.4.2 多層建筑物輪廓模型生成
6.4.3 建筑物模型重建策略研究
6.4.4 實驗結果與分析
6.5 建筑物屋頂重建及模型生成
6.5.1 建筑物屋頂結構特征分析
6.5.2 各類型屋頂重建與建筑物模型生成
6.5.3 實驗結果與分析
6.5.4 建筑物三維重建精度影響綜合分析
第7章 突變類結構目標的識別與三維重建
7.1 突變類結構目標的點云數(shù)據(jù)模擬生成
7.1.1 機載LiDAR系統(tǒng)成像模型
7.1.2 目標三維模型定義
7.1.3 目標點云數(shù)據(jù)模擬
7.1.4 實驗結果與分析
7.2 突變類結構目標的識別與提取
7.2.1 目標點云數(shù)據(jù)特征分析
7.2.2 基于距離突變的目標快速識別
7.2.3 實驗結果與分析
7.3 突變類結構目標的三維模型重建
7.3.1 窯洞的模型參數(shù)提取
7.3.2 天然洞窟的洞口輪廓模型重建
參考文獻