摘要：针对现有主流网络对于点云局部特征提取的能力不足,以及在特征提取过程中未考虑点云密度的问题,提出一种密度导向的点云动态图卷积网络.首先提出点云局部密度指数的概念,衡量点及其邻域点在相应的空间位置中的密集程度;然后利用局部密度指数动态赋予每个点一个膨胀因子,提出密度导向的动态点分组方法对点云构建局部图结构,对每个局部图结构构造动态边缘卷积模块进行特征的提取与聚合,既提取了点云的几何特征,又实现了置换不变性;最后采用残差网络的思想优化图神经网络的过平滑问题.实验结果表明,在分类数据集ModelNet40与ScanObjectNN上,所提网络的分类准确率分别为93.5%和82.2%;在分割数据集ShapeNet与S3DIS上,该网络的平均交并比分别为85.6%和60.4%,均高于DGCNN等主流网络;所提网络在多项任务中的精度都得到显著提升,且在处理密度不均的点云时有较好的鲁棒性,验证了所提算法的可行性与有效性.

摘要：基于激光雷达技术获取冠层结构为森林生态学研究增加了新的维度。搭载于多旋翼无人机的近地面激光雷达相比于固定翼有人机的机载激光雷达,能够更加灵活高效地获取森林群落样地高密度点云。但在实际操作中,往往出现局部低密度点云数据,影响了冠层结构参数提取的准确性。使用4块森林动态样地的近地面激光雷达点云数据;利用航带分解方法分析各样地低密度样方成因;采用点云抽稀模拟算法计算并拟合偏差曲线,对比不同样地、参数和取样尺度间的点云密度对冠层结构参数提取准确性的影响;根据偏差曲线计算各条件下保证参数提取准确性的最低点云密度。结果发现:1)低密度区域主要受地形或(和)近地面遥感设计规划的影响。地形复杂的测区(西双版纳和古田山样地),遥感规划难度大,整体难以获取高密度点云(在30点/m^(2)左右),容易在沟谷和高海拔处出现低密度样方。平坦测区(长白山两块样地)虽可获取高密度点云(均超过150点/m^(2)),但欠佳的遥感规划设计导致长白山1测区北部出现1hm^(2)低密度区域。2)冠层参数提取准确性随点云密度减少而迅速降低,呈负指数幂函数关系。这一变化趋势在不同参数和尺度间差异较大,但在各样地间无显著差异。3)根据偏差曲线拟合结果,点云密度达到16点/m^(2)可以实现5—20 m取样尺度下冠层结构参数提取准确度达95%。综上,为更好的将近地面激光雷达技术应用在森林生态学研究中,应注重外业遥感作业方案的合理性,充分考虑地形的影响,在源头把控数据质量;如果数据存在低密度点云的情况,应适当放宽取样尺度并慎重提取对点云密度较为敏感的冠层结构参数。

摘要：机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间距及基于曲率3种不同的点云抽稀方法,按照点云保留率为80%、60%、40%、20%和10%共5个不同梯度的抽稀倍数对原始点云进行抽稀简化处理,生成与之对应的DEM并对其进行精度评价,以此研究地形坡度、点云抽稀方法、抽稀倍数对DEM精度的影响。结果表明,DEM精度与地形坡度呈负相关关系,即RMSE随地形坡度升高不断增加;基于曲率的抽稀方法在地形坡度>30°时,相较于其他两种方法RMSE较小,具有明显优势;40%的点云保留率是平衡DEM精度与数据存储效率的一个节点,当点云保留率<40%时,DEM的高程RMSE会迅速增大。该研究对于利用机载LiDAR进行大范围DEM生产具有一定的指导和借鉴意义。

摘要：针对机载激光雷达设计点云密度与实际获取不一致的问题,该文从参数设计、设备性能、摄区情况和综合要求等方面讨论影响点云密度的因素,分析各个因素对点云密度的影响程度,提出了保证点云密度的一般方法。基于影响因素分析结果,该文从工程实践出发,系统性地介绍了点云密度设计思路并验证点云密度影响因素。研究结果为如何设计机载激光雷达点云密度提供参考依据,对工程项目设计和数据处理具有一定指导意义。

摘要：针对散乱点云模型的边界点检测问题,提出一种通用型的算法。建立目标点的K邻域作为局部参考数据,采用最小二乘法拟合K邻域的微切平面,求得目标点与其邻域点在该平面上的投影;计算目标点投影点与各个邻域点投影点组成的向量,将其等效为合力的各个分力,赋予其反距离权重,加权相加后得到合力,根据距离计算点云密度;利用加权等效合力和密度组成的综合检测参数与阈值比较,判定其是否为边界特征点。实验结果表明,所提算法适用于多种类型的点云模型,具有比传统方法更好的检测效果。

摘要：点云的点密度是决定DEM数据构建的关键因素。本文以云南华坪县永兴乡某复杂山地为研究区,采用随机采样算法对点云进行抽稀,获取点云保留率10%~90%共9组数据,并分别进行DEM数据建模及其精度评定。结果表明,点云保留率与DEM精度呈正相关关系,当点云保留率小于30%时,RMSE快速增大,DEM精度误差增大;当点云保留率设置为60%时,RMSE最小,DEM精度最高。该研究对大型机载LiDAR项目中的点云数据存储与使用具有一定的指导与借鉴意义。

摘要：可持续的森林经营管理模式有助于实现生态文明建设的高质量发展,人工林单木分割结果的获取是森林经营管理的关键。目前无人机载激光雷达技术为单木位置的精准定位和树冠的精确划分提供了应用空间。利用冠层高度模型(CHM)检测和提取单木数量和树冠、树高等信息,评估和分析空间分辨率和点云密度对单木分割和树冠提取结果的影响和精度,该方法可准确分割人工侧柏林和提取树冠信息,总体上单木分割精确率均>75%,树冠轮廓提取精确率均>65%,实测数据与提取数据的回归决定系数均>0.6。适当的空间分辨率有助于提高单木分割精度,当分辨率为0.3 m时单木分割和树冠提取结果均为最优。同时研究发现随着点云密度的降低,单木数量的识别精度值随之下降。当点云密度为100%时,F为89%,当点云密度为10%时,其F降低至73%。基于CHM模型可以较好实现人工林的单木精确分割,对林木出现的树冠重叠、覆盖、偏移等现象均有一定的辨别能力;同时分析了空间分辨率和点云密度对单木分割和树冠提取结果的影响并评估了精确性,识别了单木分割时关键参数的最优选择。

摘要：针对RGB-D相机拍摄目标的深度信息复杂导致RGB-D图像拼接出现错误的现象,提出一种基于深度信息改进的RGB-D图像拼接技术。首先使用像素比重与点云可视化密度联合的深度相机最优测量范围估计方法确定RGB-D相机拍摄目标的最优测量范围;其次设计一种深度值改进的特征匹配算法对RGB-D图像进行拼接;最后对拼接后的RGB-D图像进行质量分析并与使用传统拼接技术拼接后的图像进行对比。实验结果表明,改进后的图像拼接技术比传统拼接技术高效、准确,能较好地展现拍摄目标的纹理及深度信息。

摘要：机载激光雷达获取的点云数据是分布于对象表面的三维坐标点,由于受多种因素的共同作用,用户得到的点云在空间上是呈离散分布的,局部点云密度会呈现非常显著的区别。点云密度作为点云数据质量评价体系中的一项重要指标,研究其影响因素以帮助项目进行合理的设计实施,既能提高点云产品质量,又能帮助提高扫描作业的效率,节约工程成本。本文通过总结大量的工程应用实例,结合已有的科研成果,综合分析了能够影响机载Li DAR点云密度的主要因素。

摘要：机载激光雷达(LiDAR)扫描被测地形获得激光点云,进而重建被测地形的三维图像。机载激光雷达测量过程中,机载平台姿态角时刻发生波动,其对激光点云密度分布及重建三维成像精度具有显著影响。为消除姿态角波动对激光雷达测量的不利影响,设计了一套姿态角补偿装置,包括机械结构设计和控制系统设计;并搭建了半物理仿真实验系统,编制了总控制软件使各子设备之间时间同步控制及数据采集,实现了对机载激光雷达工作原理及姿态角补偿原理的实验仿真和补偿效果验证,补偿后DSM高程精度的RMSE误差由3.50mm以上减小到3.28mm。实验结果表明,搭建的半物理仿真实验系统可正确模拟机载激光雷达的工作过程,设计的姿态角补偿样机对机载激光雷达点云产品质量有显著的补偿效果。