首页> 正文

基于机载LiDAR的青藏高原冰川雪线提取研究

2020-12-08阅读(472)

基于机载LiDAR的青藏高原冰川雪线提取研究

论文摘要

青藏高原雪山连绵,冰川广布,成为众多河流水系的发源地,直接支撑了我国淡水资源的有续利用。研究冰川及雪山边界的变化可以有效掌握当地气候的变化规律,对气象学的发展起着很深远的影响。如何合理有效的对冰川雪线的边界提取具有显要的现实与应用的意义。机载激光雷达具有数据采集密度大、时效性强、精度高、速度快、作业周期短等优点,本文选取青藏高原某典型山川区域内的高密度、高精度的机载激光雷达点云数据进行冰川雪线轮廓线的提取,以期达到冰川雪线后期动态变化规律研究的准确性。其中本论文核心的研究内容概括为以下3个方面:（1）针对本研究区域的地形特性,提出点云分步分项去噪的算法。先运用测量误差中极限误差的相关理论将外层噪声剔除,再对其进行网格化处理以及二次曲面拟合将内层噪声去除。通过实验分析对比得出该方法能够有效的对噪声点云进行剔除,具有一定的可行性和可靠性。（2）研究出适合于青藏高原山川区域的点云数据的滤波算法。对点云数据进行基于不规则三角网（TIN）加密滤波,通过对于地面点云的判断构建不规则三角网（TIN）,对研究区域内每一个激光雷达点云过滤一遍,不断计算,不断迭代,从而进行判定选择,直到所有的机载LiDAR点云全部判定筛选完成,从而将地面点与非地面点进行有效的分离;通过定性和定量的两种方式对研究区域的滤波误差进行统计分析比较,结果表明本文滤波算法得到了较好的滤波效果,比lidar360滤波效果更优,很好的保留了研究区域的地形地貌信息。（3）在对机载LiDAR点云数据强度信息特征分析的基础上,结合雪山点云的回波强度远高于山川区域其它地物这一特点,本文提出对点云数据的强度信息进行聚类,对已有的K-MEANS聚类算法进行改进,将其算法内传统的欧式距离加入矩阵的思想,改进为马氏距离,很好的避免了变量之间相关性的干扰,利用距离评价函数（DEF）这一标准来选取一种最合适、最完善的聚类方式。通过实验验证分析与比较表明,利用改进的K均值聚类算法可以得到较好的聚类效果,通过使用lidar360点云数据处理软件对其部分雪山轮廓线进行提取,并有效的显示出其高程信息。

论文目录

  • 摘要
  • abstract
  • 第一章 绪论
  •   1.1 研究背景与意义
  •   1.2 国内外研究现状
  •     1.2.1 冰川雪线提取的研究现状
  •     1.2.2 利用机载激光雷达进行地形特征提取的研究现状
  •   1.3 本文的研究内容与各章概要
  •     1.3.1 研究内容
  •     1.3.2 各章概要
  • 第二章 机载LiDAR系统介绍及点云数据特点分析
  •   2.1 机载LiDAR系统及其定位原理介绍
  •     2.1.1 机载LiDAR技术的发展历程
  •     2.1.2 系统构成
  •     2.1.3 机载LiDAR系统定位原理
  •   2.2 机载LiDAR点云数据特点及其组织结构分析
  •     2.2.1 机载LiDAR点云数据特点分析
  •     2.2.2 机载LiDAR点云数据组织结构分析
  •   2.3 机载激光雷达技术的应用介绍
  • 第三章 青藏高原山川区地形地貌特征分析
  •   3.1 概述
  •     3.1.1 青藏高原概况
  •     3.1.2 青藏高原山川区域概况
  •   3.2 自然地理特征分析
  •     3.2.1 地形地貌特征
  •     3.2.2 气候特征
  •     3.2.3 植被覆盖类型
  •   3.3 冰川雪线形态分析
  •     3.3.1 冰川分析
  •     3.3.2 雪线分析
  •   3.4 本章小结
  • 第四章 机载激光雷达数据去噪与滤波
  •   4.1 实验数据说明
  •   4.2 机载激光雷达点云数据分步分项去噪
  •     4.2.1 噪声影响及一般去噪方法
  •     4.2.2 点云分步分项去噪
  •     4.2.3 分步分项去噪实验分析
  •   4.3 点云数据滤波
  •     4.3.1 滤波原理及方法介绍
  •     4.3.2 滤波结果评价标准
  •     4.3.3 本文滤波方法
  •     4.3.4 实验分析评价
  •   4.4 本章小结
  • 第五章 冰川雪线轮廓线提取
  •   5.1 机载LiDAR点云强度信息特征分析
  •   5.2 基于强度信息的雪山轮廓线提取
  •     5.2.1 K-MEANS聚类
  •     5.2.2 改进的K-MEANS聚类
  •     5.2.3 改进的K-MEANS算法对强度信息聚类的结果及分析
  •     5.2.4 雪山轮廓线提取
  •   5.3 本章小结
  • 第六章 总结及展望
  •   6.1 主要工作总结
  •   6.2 研究展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间发表的论文及科研成果

    • 文章来源

    类型: 硕士论文

    作者: 孙中震

    导师: 潘国兵

    关键词: 机载雷达,青藏高原,点云数据,雪线提取

    来源: 重庆交通大学

    年度: 2019

    分类: 基础科学

    专业: 地球物理学,地球物理学

    单位: 重庆交通大学

    分类号: P343.6;P332

    DOI: 10.27671/d.cnki.gcjtc.2019.000747

    总页数: 80

    文件大小: 3191K

    下载量: 45

    相关论文文献

    • [1].无人机LiDAR数据在公路勘测中的应用[J]. 工程技术研究 2020(02)
    • [2].无人机LiDAR系统在不动产测绘中的应用[J]. 北京测绘 2020(03)
    • [3].基于车载LiDAR技术在城际铁路建设工程悬高测量中的应用分析[J]. 测绘与空间地理信息 2020(05)
    • [4].机载LIDAR在水利中的应用综述[J]. 安徽建筑 2019(02)
    • [5].Photon-counting chirped amplitude modulation lidar system using superconducting nanowire single-photon detector at 1550-nm wavelength[J]. Chinese Physics B 2018(01)
    • [6].Three-dimensional imaging lidar system based on high speed pseudorandom modulation and photon counting[J]. Chinese Optics Letters 2016(11)
    • [7].无人机载LiDAR点云数据的应用探讨[J]. 福建建设科技 2017(05)
    • [8].机载LIDAR内业数据处理技术探讨[J]. 科技资讯 2017(26)
    • [9].Target recognition based on phase noise of received laser signal in lidar jammer[J]. Chinese Optics Letters 2017(10)
    • [10].Performance analysis of ghost imaging lidar in background light environment[J]. Photonics Research 2017(05)
    • [11].LIDAR技术在海域使用变化信息识别中的应用研究[J]. 科技创新导报 2015(34)
    • [12].机载LiDAR在大比例尺测图工作中的应用[J]. 江西测绘 2016(02)
    • [13].LiDAR点云数据的电力线3维重建[J]. 遥感学报 2014(06)
    • [14].基于机载LIDAR数据的大比例尺测图及精度分析[J]. 城市地理 2017(02)
    • [15].LIDAR测绘技术在工程测绘中的应用分析[J]. 城市地理 2017(18)
    • [16].机载LIDAR点云数据的处理及检校[J]. 北京测绘 2020(01)
    • [17].基于高程—坡度包围盒的地面LiDAR点云道路提取[J]. 黑龙江工程学院学报 2020(01)
    • [18].一种城区LiDAR点云数据的抽稀算法[J]. 遥感技术与应用 2019(06)
    • [19].Analysis of relative error in detection caused by signal-induced noise in Na lidar system[J]. Science China(Earth Sciences) 2018(01)
    • [20].Feedforward Control for Wind Turbine Load Reduction with Pseudo-LIDAR Measurement[J]. International Journal of Automation and Computing 2018(02)
    • [21].基于LiDAR的亚热带次生林林窗对幼树更新影响分析[J]. 农业机械学报 2017(03)
    • [22].Frequency-stabilized laser system at 1572 nm for space-borne CO_2 detection LIDAR[J]. Chinese Optics Letters 2017(03)
    • [23].高光谱和LiDAR数据融合在树种识别上的应用[J]. 绿色科技 2017(08)
    • [24].地面LIDAR在地籍测量中的应用[J]. 湖北农业科学 2017(14)
    • [25].LiDAR技术在形变测量中的应用[J]. 科技创新与应用 2017(28)
    • [26].基于机载LiDAR数据的建筑屋顶点云提取方法[J]. 中国科学院大学学报 2016(04)
    • [27].基于机载LiDAR数据的断裂构造识别[J]. 黑龙江工程学院学报 2016(03)
    • [28].Application of mobile vehicle lidar for urban air pollution monitoring[J]. Chinese Optics Letters 2016(06)
    • [29].基于阈值分割的LIDAR建筑物提取[J]. 测绘与空间地理信息 2015(02)
    • [30].Estimation of random errors for lidar based on noise scale factor[J]. Chinese Physics B 2015(08)

    标签：;  ;  ;  ;  

    基于机载LiDAR的青藏高原冰川雪线提取研究
    下载Doc文档

    猜你喜欢

    © 2024 毕论降 版权所有 鄂ICP备12018319号-6