利用蒙特卡罗(Monte Carlo)方法对机载海洋激光雷达探测过程中,透过波动水表面向下传输的激光束质量受波动水表面影响的程度进行了模拟计算,并给出了定量结果和定性结论。为了获得水下传输的激光束质量相关数据,在传统的蒙特卡罗模型中引入了波动水表面影响模型和接收平面能量分布计算的功能。通过模拟计算,得到了不同海面风速条件下机载海洋激光雷达发出的高斯光束透过波动水表面后在接收平面上的能量分布,得出了随着海面风速的增加,高斯光束的光束质量不断下降,机载海洋激光雷达探测效果不断变差的结论。

机载激光雷达数据获取的规范

机载激光雷达数据制作及EDM高程模型建立

在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

海洋激光雷达发射的激光脉冲在海水中传输, 脉冲波形随深度会发生展宽, 相应的雷达接收系统接收到的信号与激光发射脉冲差异会增大, 该现象会导致以发射脉冲作为匹配滤波器的固定匹配滤波方法在处理深水激光雷达回波信号时产生误判。为了改进匹配滤波算法对于海洋激光雷达回波数据的性能, 使用蒙特卡罗法研究在测区条件下不同深度的激光脉冲在雷达探测器上的波形, 并以这组波形作为深度自适应的匹配滤波器来代替匹配滤波算法中的固定匹配滤波器, 并用南海的实测数据检验算法的性能。实验表明, 自适应深度提取算法相比于匹配滤波算法稳定性和准确性更好。为了验证算法的正确性, 以单波束声呐测深在同一测区的测深数据为基础, 对雷达测深数据进行精度评定。

Terrasolid经常用以测试的点云，地点位于欧洲，包含河流、地形、建筑、树木等要素，分辨率0.5米。

已有基于深度学习的机载激光雷达点云分类方法存在训练时间长、对样本数据需求量较大等问题,无法广泛应用于不同情况下的复杂场景。针对该问题,提出了一种基于迁移学习的小样本机载激光雷达点云分类方法。该方法首先对机载激光雷达点云进行光谱信息的补充,通过提取点云数据的归一化高度、强度值和植被指数特征构建三通道点云特征图;通过设置不同的邻域大小和投影方向,生成多尺度和多投影特征图,并基于迁移学习方法进行多尺度、多投影的深层特征提取。针对上述提取的深层次特征,利用池化操作提取全局特征,并采用卷积神经网络进行初步分类,然后利用图割全局优化策略实现机载激光雷达点云的高精度分类。采用国际摄影测量与遥感协会提供的标准测试数据集对所提方法进行验证。与该协会网站上已公布的分类结果以及同样采用迁移学习方法的分类结果相比,所提方法在仅使用训练集中约0.6%的数据作为训练样本的情况下,总体分类精度可以达到94.9%,分类精度最高。

机载激光雷达(Lidar)点云数据滤波是Lidar 数据后处理研究的重点和难点之一，也是首要解决的问题。传统曲面约束滤波算法利用最小二乘法拟合地形曲面，易受种子点粗差影响。针对这一问题，引入抗差估计理论改善曲面拟合效果，并设计自适应阈值确定的方法区分地面点与地物点。使用国际摄影测量与遥感学会(ISPRS)测试数据进行实验，与传统的8 种经典滤波方法进行对比，实验结果表明，抗差估计能得到更为合理的拟合曲面，获取的滤波结果非常可靠，对各种地形的适应性较强，具备较高实用价值。

CH-T 3014-2014 数字表面模型 机载激光雷达测量技术规程 CH-T 3014-2014 数字表面模型 机载激光雷达测量技术规程 CH-T 3014-2014 数字表面模型 机载激光雷达测量技术规程 CH-T 3014-2014 数字表面模型 机载激光雷达测量技术规程

GB／T 36100-2018 机载激光雷达点云数据质量评价指标及计算方法，新国标，共享给大家。 里面详细记录的机载激光雷达点云评价的相关指标和计算方法，包括点密度、旁向重叠度、对质量检查有知道意义。 希望有更好的资源可以共享。