【合辑】点云智能处理
文章出自点云催化剂微信公众号
01 | 点云智能分类研究进展与展望 |
02 | 点云催化剂,催化你的点云——软件介绍(上) |
03 | 点云催化剂,催化你的点云——软件介绍(下) |
04 | 基于实体的点云智能处理催化从点云数据到信息的行业应用进程 |
05 | 点云空间数据组织——八叉树 |
06 | 机载LiDAR数据的多回波信息分析及其在滤波中的应用 |
07 | 机载激光雷达点云多实体多层次分类方法 |
08 | 利用KD-树剔除机载雷达点云粗差的方法研究 |
09 | LAS数据结构介绍 |
10 | 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(一) |
11 | 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(二) |
12 | 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(三) |
13 | 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(四) |
14 | 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(五) |
15 | 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(六) |
16 | 机载激光雷达原理与应用科普(一) |
17 | 机载激光雷达原理与应用科普(二) |
18 | 机载激光雷达原理与应用科普(三) |
19 | 机载激光雷达原理与应用科普(四) |
20 | 机载激光雷达原理与应用科普(五) |
21 | 机载激光雷达原理与应用科普(六) |
22 | 机载激光雷达原理与应用科普(七) |
23 | 机载激光雷达原理与应用科普(八) |
24 | 机载激光雷达原理与应用科普(九) |
25 | 机载激光雷达原理与应用科普(十) |
26 | 机载激光雷达原理与应用科普(十一) |
27 | 机载激光雷达原理与应用科普(十二) |
28 | 波形数据特点及其处理 |
29 | LiDAR点云数据及其处理 |
30 | 机载LiDAR数据的特点 |
31 | 机载LiDAR数据的组织形式 |
32 | 机载LiDAR技术特点 |
33 | 机载LiDAR数据误差源分析 |
34 | 激光测距误差对激光脚点定位的影响 |
35 | 2020年项目经验分享:20厘米厚的无人机激光雷达点云,能否做大比例尺的河道数字高程模型? |
36 | PCA/PCC软件中一键式超高密度的无人机LiDAR点云滤波和精细地形提取 |
37 | 机载LiDAR数据系统误差消除 |
38 | 机载Lidar数据滤波方法研究 |
39 | 滤波难点分析 |
40 | 大疆禅思L1及点云特性分析 |
41 | 激光雷达的发展 |
点云是目前摄影测量、遥感、计算机视觉等多个领域广泛应用的数据源之一,而信息提取是点云处理、分析和应用的必经环节。为此,学术界已经提出了大量点云信息提取方法。本文从基元类型、提取特征、特征选择与分类器等3个视角概括了点云信息提取的相关研究现状,总结出点云信息提取存在的5个主要问题,点明了点云信息提取的6个主要发展趋势,并着重介绍了“融合多基元的点云信息提取范式”。
点云催化剂是点云数据智能后处理和分析软件套装,包括点云处理和点云可视化两个部分,本文介绍背景及点云催化剂特点。
本文介绍点云催化剂软件所需电脑配置及一键式功能使用说明,最后是案例分析。
04 基于实体的点云智能处理催化从点云数据到信息的行业应用进程
本文重点介绍了点云处理的研究进展,包括:采用多基元(基本处理单元)的点云处理与分析-特征差异显著的点云、精细地形提取(基于对象的滤波方法)、机载点云单木分割、信息提取和三维重建、面向平面精确提取的表面生长方法,并介绍了点云催化剂软件的功能特点及案例分析。
介绍八叉树的基本逻辑和实现代码
本文通过分析机载LiDAR系统获取的激光数据的多回波特性,阐述了多回波信息对地物类型信息的揭示作用,并将多回波特性用于减少参与滤波的激光脚点数量。实验证明,本文提出的滤波方案,可以预先剔除掉大部分的植被激光脚点和部分的建筑物激光脚点,这既减少了参与滤波的数据量,又可以改善滤波算法对建筑物和植被的滤除效果。
点云分类作为机载激光雷达点云目标提取、模型重建等应用的前提,已经得到了广泛研究。目前,这些研究按其分类策略,可以分为三类,即逐点分类、基于分割的点云分类、多实体点云分类。此外,现有研究已经为点云设计了大量分类特征,用以描述点邻域和分割面片属性,进而增加分类过程的可区分度。
粗差剔除是机载LiDAR点云数据后处理中的关键步骤之一,它对后续的滤波操作具有重要的影响。但已有的粗差剔除方法存在需要大量人工干预或者普适性差的缺点。本文在使用高程直方图剔除显著的高位、低位粗差基础上,利用KD-树组织机载LiDAR点云数据,通过判断当前点与其k个最邻近点的平均距离的大小来自适应的识别粗差点。
09 LAS数据结构介绍
机载雷达技术作为一种高精度的三维地物探测手段,其相应的数据格式也在不断发展。美国摄影测量与遥感协会下的LIDAR委员会与2003年发布了标准LIDAR数据格式LAS,本文旨在解析及科普LAS数据格式的内部存储方式。
10 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(一)
在测绘领域,激光雷达(LiDAR)测量技术被誉为是继GPS技术之后的又一次技术革命。基于搭载平台类型,可以细分为星载、机载、地面/地基、车载、背包、船载LiDAR等。其中,机载LiDAR测量技术较为常见,主要用于获取被测量区域的高精度、高分辨率的数字高程模型、数字表面模型、电力巡线、林业资源调查、城市三维模型制作等。目前,机载LiDAR又可以进一步细分为有人机LiDAR、无人机LiDAR,而无人机LiDAR是近几年发展的热点。
11 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(二)
目前对机载LiDAR点云密度的认知也存在下述10个尚有争议、需要重点突出的问题,本文将进行具体分析。
12 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(三)
点云催化剂软件点云可视化效果展示
13 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(四)
稠密的无人机LiDAR点云在测绘、土地利用/地表覆盖、智慧城市、电力巡线、林业资源调查等领域具有广泛的应用,主要体现在能生成更高的分辨率的产品、更精细的目标识别和三维重建效果。
14 稠密的无人机激光雷达点云数据处理与分析方法与工具科普系列(五)
稠密的无人机LiDAR点云面临的问题:数据量大、人才不足、多数机载LiDAR点云数据处理和分析工具与稠密点云的匹配度不高。
激光扫描仪由激光测距单元、光学机械扫描单元以及控制、监测、记录单元等组成。
机载激光雷达(Light Detection AndRanging,LiDAR)集成了全球定位系统(Global Positioning System,GPS)、惯性导航系统(Inertial NavigationSystem,INS)、激光测距系统(Laser Scanning Ranging),能够快速获取地表物体三维坐标信息。作为一种三维空间信息的实时获取手段,在上世纪90年代取得了重大突破,其独特的工作方式和数据处理方法受到国内外专家的广泛关注。
介绍测距发展历程,软硬件发展历程,国内外发展历程。
机载激光雷达的主要应用领域
机载LiDAR的研究热点和难点
机载激光雷达的系统组成
激光扫描仪由激光测距单元、光学机械扫描单元以及控制、监测、记录单元等组成。
机载激光雷达系统对地定位原理及方程
机载激光雷达测量作业生产流程
数据预处理
数据后处理
26 机载激光雷达原理与应用科普(十一)添加链接描述
数据组成
强度信息数据的特点及处理
28 波形数据特点及其处理
波形数据的处理方法:一是阈值法,二是波形分解法,三是反卷积法
点云数据是LiDAR的主要数据,尤其是早期的LiDAR数据处理都是针对点云数据进行的。机载LiDAR激光脚点的分布是按照时间序列进行采样和存储的,其在地面上的分布不是规则的,其空间分布呈现为离散的数据“点云”。这些点中,有些点位于真实地形表面上,有些位于不同的地物上(房屋、管线、烟囱等),还有些落在植被上(数木、灌木、草)等。
30 机载LiDAR数据的特点
机载LiDAR数据的获取具有可以不受地域地形限制、受天气影响较小、数据采集速度快、测量数据精度高、外业作业成本低、数据处理自动化程度高等特点。
一般机载LiDAR数据量很大,如何有效地组织这些数据直接影响到数据处理效率和精度。目前,出现了多种机载LiDAR数据的组织形式,每种数据的组织形式都有其各自的优缺点。
32 机载LiDAR技术特点
LiDAR 系统是一个先进的主动传感系统,它采用激光作为传感的载体。LiDAR 系统本身发射受控制的激光照射地面和地面上的目标,然后接受地面目标的后向散射。LiDAR 系统不同于多光谱扫描系统和航空摄影相机系统,它不依赖太阳光照,所以它是一个全天时日夜可以获得地面数字三维信息的系统。