摘要：介绍了机载激光雷达技术的基本概况,以江西省奉新县境内获取的机载激光点云为例,浅谈点云在植被深厚地区的数据分类处理及地形图成图技术,通过这一典型案例,论证了机载激光雷达点云在植被深厚地区极大地减少了外业工作量,缩短了作业工期,解决了传统航空摄影测量技术在植被深厚且茂密地区应用的技术难题,使地形图的高程精度得到了很大的提升。

摘要：针对当前电力线提取方法自动化程度和精度不高的问题,本文从点云数据的空间分布特征出发,提出了一种高效的电力线自动提取方法。首先基于自然裂点法,将点云数据按高程分类后去除地面点;然后对数据进行空间划分,基于子空间的点密度及空间结构特征的差异化,利用地物分割算法去除电塔点和残留的植被点;最后利用基于欧氏距离分割的电力线自动检测算法,实现单根电力线的快速、高精度提取。提取结果和拟合试验表明,该方法能在复杂地形下实现电力线的自动提取,极大提高了电力线的提取效率和精度。

摘要：针对机载LiDAR点云中几何结构复杂和不同地物尺度变化大导致小目标点云分类准确率低的问题,本文提出了一种基于通道注意力机制进行多尺度特征融合的卷积神经网络。首先,通过球形邻域计算点云的平面度、线性度、法向量以及本征熵等浅层几何特征,并将其与网络提取的深层次语义特征进行融合,增强模型对点云几何结构的感知能力;其次,设计基于通道注意力机制的多尺度特征融合模块,学习特征融合的权重系数,使网络可以自适应调整不同尺度目标的感受野大小,实现对不同尺度信息的筛选,进而提高小尺度目标的分类精度。实验结果表明,与其他模型相比,本文模型在ISPRS机载LiDAR点云上的平均F_(1)分数为72.2%,且对电力线和汽车类别均取得了最高的分类精度,F1分数分别为64.3%和79.9%。

摘要：针对机载激光雷达(LiDAR,Light Detection and Ranging)铁路电力线点云特性,尤其是水平投影近似重叠的情况,提出一种电力线自动提取的方法。结合直线拟合法、成分分析法和Hough变换法计算电力线在XOY平面走向;利用空间距离聚类方法将水平投影近似重叠的2股点云分离开来;采用Davis-Bouldin指标的最佳聚类数判定方法,自动计算电力线条数;利用K-means聚类方法将单根电力线点云提取出来;并基于二次多项式的最小二乘拟合方法确定电力线模型参数,进行三维重建。实验证明,该方法能够达到较高的拟合精度,尤其对水平投影近似重叠且有中断的点云,拟合效果较好。

摘要：基于机载激光雷达数据提出了一种在林区中电力线自动提取方法,该方法是基于统计分析和二值化图像处理技术设计。首先采用高度阈值,分离出电力线候选数据集,并采用一组标准(例如,高度标准,密度标准和直方图阈值)来对候选集进行统计分析,选择电力线的候选点;然后将候选点转化为二值化图像,并进行形态学优化,采用基于图像的处理技术,利用渐进概率霍夫线性变换对图像进行直线分割;最后将分割出来的电力线二值化图像转换成三维点云,并利用区域增长精细化提取电力线点云;使用不同林区环境下的4组机载激光雷达数据进行实验,实验结果表明,算法在林区环境下能够完整地提取出电力线,且电力线分类精度较高,对于电力巡线具有较高的利用价值。