案例,spss,数据分析

基于车载LiDAR数据的行道树点云提取


全文字数:12000字左右  原创时间:<=2022年

【内容摘要】

基于车载LiDAR数据的行道树点云提取

种植在道路两旁的行道树可以装扮点缀城市,光合作用提供新鲜空气,还能有效的阻隔噪音污染,是城市街景中不可缺少的一部分。随着时间的推移行道树的生长会发生变化,为对形态各异的行道树进行管理,传统的测量方式获取行道树信息耗时耗力,需要大量的人员参与。近年来车载LiDAR系统作为一种新型获取地物空间三维信息的技术,因其高效和高精度的特点,广泛应用在各领域中。由车载LiDAR系统获取的城市道路场景点云数据具有盲目性,而且是离散分布的数据量很大,从车载LiDAR数据中准确提取目标地物点云数据一直以来都是研究的一个热点及难点问题。本文基于城市道路场景的车载LiDAR数据,以场景中行道树点云的精确提取为研究对象,展开了如下相关研究工作:
1. 分析了国内外研究现状,通过分析国内国外基于车载LiDAR数据在目标地物提取方面的研究,发现存在的问题和不足之处。
2. 总结了点云预处理的流程,包括点云的去噪、剪裁、分块处理等,为后续算法研究提供基础,改进了以往基于数学形态学对地面点进行提取的算法,优化该算法对地面点提取的精度。
3. 采用基于语义特征的行道树点云提取算法,通过本文所述的提取策略进行行道树点云提取。
4. 验证了本文算法的可行性。根据所选的某城市场景车载LiDAR数据对其中的行道树点云进行提取,结果表明本文方法能有效地提取行道树的点云信息。

关键词:车载LiDAR;行道树提取;语义分割;数学形态学

本论文结构主要由以下五部分组成:
第1章为绪论。本章主要介绍了基于车载LiDAR数据的行道树点云提取研究的背景及意义,总结了目前国内国外基于车载LiDAR数据的行道树点云提取的研究现状,综合描述了本文的主要研究内容以及结构安排。
第2章为车载LiDAR系统简介及数据准备。本章主要从基本组成、系统优点、数据特点几个方面介绍了车载LiDAR系统。阐述了车载LiDAR数据预处理流程,基于车载LiDAR数据的特点对数学形态学滤波方法进行改进,优化对地面点的提取,并由得到的地面点构建规则DEM,为后期研究奠定基础。
第3章为行道树点云提取。本章首先根据地面处理中构建的规则DEM滤除低矮地物点,再对剩下的地物进行聚类分类,提出一种基于地物语义特征的提取方法,从而在复杂的点云数据中提取出行道树点云数据。
第4章为试验分析。本章采用了试验区的车载LiDAR数据,对本文所提出的方法和理论进行了试验和分析,验证本文提出算法的实用性与普适性。
第5章为总结与展望。本章对基于车载LiDAR数据对行道树点云提取的研究成果进行总结和展望,总结了研究中的不足之处需要进一步的研究和完善。

 

*若需了解更多与协助请咨询↓→[电脑QQ][手机QQ]【数据协助】