三维激光扫描技术理论与方法

惠振阳，博士，东华理工大学测绘与空间信息工程学院副教授，硕士生导师。江西省杰出青年基金获得者(2023年)，江西省“双千计划”科技创新高端人才(2022年)，江西省优秀测绘地理信息科技青年人才(2021年)，东华理工大学2022年度“青年五四奖章”获得者。主要担任《测绘学报(英文版)》编委、《Plant Phenomics》期刊青年编委、《地球与行星物理论评》青年编委，《东华理工大学学报(自然科学版)》青年编委、《Forests》期刊客座编辑。系国际数字地球学会激光雷达专业委员会委员，中国地球物理学会大地测量与遥感专业委员会委员，中核数字建造工程技术研究中心技术委员会委员，中国遥感应用协会建设等。

第1章 绪论

1.1 研究的背景与意义

1.2 国内外研究现状及存在的问题

1.2.1 点云去噪

1.2.2 点云滤波

1.2.3 道路点云提取

1.2.4 城市道路网提取

1.2.5 单株植被提取

1.2.6 植被点云枝叶分离

1.3 本书的研究内容

第2章 基于EMD的点云去噪算法研究

2.1 机载LiDAR的数据特点

2.1.1 点云数据特点

2.1.2 影像数据特点

2.2 点云数据组织方式

2.2.1 不规则三角网

2.2.2 KD树

2.2.3 规则格网

2.2.4 虚拟格网

2.3 基于EMD的点云噪声去除算法

2.3.1 噪声点的来源和分类

2.3.2 EMD的基本原理

2.3.3 基于EMD的去噪算法思想

2.3.4 优选类间方差法确定噪声主导模态分界点

2.3.5 形态学方法获取数据的上下包络

2.3.6 基于EMD点云去噪算法的实现步骤

2.4 实验分析与对比

2.5 本章小结

第3章 基于渐进克里金插值的形态学滤波改进算法研究

3.1 传统形态学滤波算法的原理

3.2 MLKI算法的改进原理

3.3 MLKI算法的具体实现步骤

3.4 实验分析与对比

3.4.1 实验数据

3.4.2 滤波质量评价体系

3.4.3 实验结果与分析

3.5 本章小结

第4章 反射强度阈值约束下的道路点云提取方法研究

4.1 LiDAR点云强度信息

4.2 反射强度数据噪声去除

4.2.1 反射强度噪声数据特点

4.2.2 渐进高斯去噪算法

4.3 基于偏度平衡的初始道路点云提取

4.3.1 偏度和峰度

4.3.2 偏度和峰度在点云数据处理中的应用

4.3.3 基于偏度平衡的道路点云强度阈值确定方法

4.3.4 实验分析

4.4 二约束法优化初始道路点云

4.4.1 点密度约束

4.4.2 连通面积约束

4.5 本章小结

第5章 基于多层级融合与优化的城市道路网提取方法研究

5.1 获取道路二值图像

5.2 旋转邻域法去除狭窄道路

5.3 多层级道路中线提取

5.3.1 形态学开运算提取道路区域

5.3.2 骨架细化法获取道路中线

5.4 多层级道路中线融合与优化

5.4.1 道路点分类

5.4.2 毛刺道路移除

5.4.3 似道路区域判别

5.4.4 道路中线优化

5.5 本章小结

第6章 城市道路网提取的综合实验与分析

6.1 实验环境

6.1.1 硬件环境

6.1.2 软件环境

6.2 综合实验

6.2.1 实验数据

6.2.2 道路网提取综合实验

6.3 参数分析

6.4 道路网提取精度对比

6.5 其他数据处理分析

6.6 本章小结

第7章 基于高斯混合模型分离的单株植被提取方法研究

7.1 基于直推式迁移学习进行树干探测

7.2 树干中心点优化及邻近聚类

7.3 树冠点云优化分割

7.3.1 基于主成分分析的树冠点云投影变换

7.3.2 高斯核密度估计确定分类簇数目

7.3.3 基于高斯混合模型分离的树冠点云优化分割

7.3.4 基于点密度重心的过分割植被优化合并

7.4 基于树冠的从上至下树干探测提取

7.5 多场景植被区域实验分析

7.5.1 实验数据

7.5.2 精度计算

7.5.3 实验结果

7.5.4 对比与分析

7.5.5 讨论

7.6 本章小结

第8章 分形维引导下的多尺度集成学习LiDAR点云枝叶分离方法研究

8.1 分形维特征向量计算

8.2 生长规则特征向量计算

8.3 几何形态特征向量

8.4 多尺度集成模式构建

8.5 实验分析

8.6 本章小结

第9章 基于模态点演化的地面LiDAR点云枝叶分离方法

9.1 采用Mean Shift方法实现点云分割并获取模态点

9.2 构建图形结构及最短路径分析

9.3 基于路径回溯和节点演化的叶子节点探测

9.4 基于节点访问频率和节点演化的枝干节点探测

9.5 实验结果和分析

9.6 讨论

9.7 结论

第10章 总结与展望

10.1 研究工作及成果总结

10.2 展望

参考文献

第1章绪论

1.1研究的背景与意义

LiDAR( Light Detection and Ranging)的快速发展为我们提供了一种获取地球空间信息的遥感新途径。LiDAR系统主要由全球定位系统、激光扫描仪，以及惯性导航系统组成。该系统通过主动向地面发射激光脉冲来获取多种地表信息，例如点位信息距离信息、地面反射物材质信息等。此外，该系统通常集成有CCD相机，更能增强对地表的描绘能力。

LiDAR 技术由于采用主动测量的方式，使其突破了传统单点测量技术(如 RTK 测量、全站仪测量等)的限制，能够准确获取物体的三维坐标信息，具有速度快、精度高等特点。而且该技术不受光照、明暗变化等外界环境的影响，能够24小时全天候地进行数据采集(]。现如今，此项技术已广泛应用于获取数字地面模型(DTM) [4-6]提取城市道路79]、建立城市三维模型£10-12)等地球空间信息学科的众多领域，

随着数字城市和智慧城市的发展，准确的道路信息在车辆导航、交通安全管理及城市规划等方面都能发挥巨大的作用。传统的道路提取方法往往依赖遥感影像，但由于遥感影像自身的特点，使得从遥感影像中进行道路提取存在以下问题:树木、车辆等地物对道路的遮挡造成数据缺失;高大建筑物形成的阴影容易对道路提取造成干扰;遥感影像本身的“同谱异物”“同物异谱”现象会对道路提取带来误判[13]。

LiDAR 具有多回波特性，可以穿透植被打到地面，因此可以避开树木对道路遮挡的影响。同时，由于不受外界光照条件及光线明暗变化的影响，因此LiDAR点云数据更适合作为道路提取的数据源。此外，LiDAR 点云还包含强度数据，更有助于提高提取精度。总而言之，相较于传统方法，从LiDAR 点云数据中进行道路提取具有很大的优势，因此设计一套在城市区域自动提取道路的算法是十分必要的。

在林业应用领域，LiDAR系统发射的激光脉冲能够穿透植被冠层。因此，采用LiDAR技术能够准确刻画植被的三维结构信息。相较于传统的人工进行植被参数估溪(如树高测量、胸径测量、冠幅测量等)，采用LiDAR技术能够大大提高林业调查的夕业测量精度及实现效率。因此，研究LiDAR技术应用林业领域的关键技术方法具有重要的理论意义和实际应用价值。

在实现LiDAR点云数据预处理与后处理应用中，诸多点云数据处理的关键理论方法亟须深入研究。点云预处理是指数据组织和噪声去除。原始点云是离散分布的，不具备任何的数据组织结构，如果直接对其进行处理，点云处理效率就较低。因此，需要采取有效的组织方式进行数据管理。由于受到外界环境和仪器自身的影响，使得获取的点云数据极易受到噪声干扰[14]。噪声数据不仅会降低原始数据的信噪比[15]，还会对后续处理应用造成很大的干扰。因此，研发一种有效的噪声点去除方法十分必要。点云滤波即是从点云数据中去除非地面点而保留有效地形点的过程。现有的滤波算法有很多，但大多数滤波算法只在地形相对平坦、地物相对简单的区域拥有较好的滤波精度，而在地形坡度变化较大、存在复杂地物的区域表现较差[16]。形态学算法因其原理简单、实现效率高而被广泛应用于点云滤波。但是，传统的形态学滤波算法主要存在以下两个问题:一是在用大窗口进行点云滤波时容易削平地形，不能有效地保留地形细节;二是需要假定整体地形坡度为常量，此设定在对复杂地形进行点云滤波时容易引起较大的误差。为解决以上问题，需要设计一种在各种复杂地形都能获得良好滤波效果的形态学滤波改进算法。

由于道路点云与裸地点云具有相近的高程值及反射强度值，因此如何准确地提取道路点云一直都是研究的热点与难点。道路点云提取算法通常依赖人为设定反射强度阈值及高程阈值，尤其是反射强度阈值对道路点云提取的影响很大。不准确的阈值设定就无法获取“纯净”的道路点云。传统的反射强度阈值设定往往需要对点云进行人工采样，再通过数理统计的方法确定该研究区域的强度阈值。此方法的缺点主要在于不具有通用性，不同的研究区域需要不断地重复上述操作，过多的人为干预大大降低了算法的自动化程度。因此，需要研究一种自动、准确、高效的反射强度阈值确定方法以便获取更准确的道路点云。

道路点云提取出山来后，最后的关键步骤便是如何获取最优的城市道路网。城市区域通常有很多的人行道，在住宅区域之间往往有过道、走廊等，此类狭窄道路的存在使得提取的道路网中包含大量的“毛刺”。严重地干扰了城市主干道的正确提取。而现有道路提取方法难以很好地消除这种干扰。因此，亟须探索一种能够适用于复杂城区道路的狭窄道路剔除算法。此外，城市区域存在大量的“似道路区域”，如停车场、裸……

本书针对LiDAR技术在城市和林业区域的主要应用，进行了创新性研究，并分别提出了解决点云去噪、点云滤波、道路点云提取、城市道路网提取、单株植