基于机载LiDAR的地形提取与分析系统设计与实现

基于机载LiDAR的地形提取与分析系统设计与实现

论文摘要

地形因素是影响流域地貌、水文、矿产勘查与评价等过程的重要因子,地形属性的空间分布特征是人们用于描述这些空间过程变化的重要指标。目前许多GIS软件提供了基于DEM的地形提取与分析的功能。常用的地形分析软件有ARCGIS的水文分析扩展模块,MAPGIS的水文表面流域分析模块,RIVERTOOLS等。机载激光雷达(Light Detection and Ranging,简称LiDAR)集激光、全球定位系统(GPS)和惯性导航系统(INS)三种技术与一身,无需大量地面控制点,即可生成高分辨率、高精度的数字高程模型(DEM)。这种技术的出现为大尺度、高精度的地形分析提供了新的数据源,同时也对传统地形分析算法提出了新的挑战。基于上述讨论,本文深入研究LiDAR数据处理流程,设计并实现基于机载LiDAR的地形提取与分析原型系统,本文所作的主要工作如下:(1)研究并实现基于高分辨率DEM的基本地形因子提取算法。在水文信息的提取中,针对LiDAR点云生产的DEM数据量大并且洼地形态复杂的问题,提出了“多特征”搜索方法,结合矢量与栅格特征进行洼地分类,提高了复合洼地搜索的效率和平原水流方向判断的精度。(2)在国产LiDAR数据处理软件"ALDPro"的基础上以插件模式开发“基于机载LiDAR的地形提取与分析”原型系统,实现利用LiDAR点云生成DEM和基于DEM进行地形提取两大功能。

论文目录

  • 摘要
  • Abstract
  • 1 引言
  • 1.1 选题背景与意义
  • 1.2 国内外研究综述
  • 1.3 研究内容与组织结构
  • 1.3.1 研究内容
  • 1.3.2 组织结构
  • 2 机载LiDAR与高精度DEM
  • 2.1 LIDAR技术简介
  • 2.1.1 LiDAR技术的发展
  • 2.1.2 LiDAR系统工作原理
  • 2.1.3 LiDAR数据特点
  • 2.1.4 利用LiDAR数据生产DEM
  • 2.2 数字高程模型(DEM)简介
  • 2.2.1 DEM的基本概念
  • 2.2.2 DEM数据特点
  • 2.2.3 DEM数据结构以及对地形提取的影响
  • 3 基于高分辨率DEM/TIN的地形分析
  • 3.1 基于DEM的水系提取
  • 3.1.1 无洼地DEM生成
  • 3.1.2 水流方向矩阵计算
  • 3.1.3 水流累积矩阵计算
  • 3.1.4 水系提取
  • 3.2 "多特征"搜索算法
  • 3.2.1 洼地检测、分类、合并
  • 3.2.2 平原水流方向的确定
  • 3.3 基本地形因子提取
  • 3.3.1 等高线提取
  • 3.3.2 坡度和坡向提取
  • 3.3.3 表面积和投影面积计算
  • 3.3.4 体积计算
  • 3.3.5 剖面(横断面)面积计算
  • 4 系统设计与运行
  • 4.1 需求分析与系统软硬件环境
  • 4.1.1 需求概述
  • 4.1.2 运行环境
  • 4.2 系统设计
  • 4.2.1 系统架构设计
  • 4.2.2 系统界面设计
  • 4.3 功能实现
  • 4.3.1 实验数据介绍
  • 4.3.2 基本地形因子计算
  • 4.3.3 水文信息提取
  • 4.3.4 提取效果评价
  • 5 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 参考文献
  • 致谢
  • 附录
  • 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的地形提取与分析系统设计与实现
    下载Doc文档

    猜你喜欢