CN106680798B - 一种机载lidar航带重叠区冗余辨识及消除方法 - Google Patents
一种机载lidar航带重叠区冗余辨识及消除方法 Download PDFInfo
- Publication number
- CN106680798B CN106680798B CN201710058216.7A CN201710058216A CN106680798B CN 106680798 B CN106680798 B CN 106680798B CN 201710058216 A CN201710058216 A CN 201710058216A CN 106680798 B CN106680798 B CN 106680798B
- Authority
- CN
- China
- Prior art keywords
- redundancy
- air strips
- laser point
- overlapping region
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/497—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
一种机载LIDAR航带重叠区冗余辨识及消除方法,属于遥感数据处理技术领域;该方法包括:判别机载LIDAR点云中各个激光点所属航带,提取重叠区域;重叠区域中提取同名点;根据最小二乘法则计算转换参数,变换重叠区域激光点坐标,实现同名特征重合;计算距离阈值,根据激光点距离进行消冗;利用信息熵计算消冗前、后重叠区域内LIDAR点云数据的信息量,对消冗结果进行定量评价;本发明可有效去除重叠区冗余信息,降低数据处理压力、提高效率,可直接应用于地面、车载LIDAR相邻测站数据间的冗余消除;自适应得到距离阈值,判断激光点是否冗余,制定数据点的选取规则,实现冗余激光点的剔除;提出了评价消冗有效性的信息熵测度。
Description
技术领域
本发明属于遥感数据处理技术领域,具体涉及一种机载LIDAR航带重叠区冗余辨识及消除方法。
背景技术
受航高及扫描视场角的限制,机载激光雷达(Light Detection and Ranging,LIDAR)系统每条航带扫描只能覆盖一定宽度的区域。为了实现大面积数据采集,必须飞行多条航带且相邻航带间需有10%-20%的旁向重叠以完全覆盖待测区域。对航带重叠区的二次扫描或重复采样原有激光点或采样新的激光点。其中,前者产生冗余数据,导致数据量增加,进而降低数据处理效率。为了获得有关扫描区域分布相对均匀的点云数据并提高数据处理的效率,必须消除原始点云中存在的大量冗余数据。
目前,针对机载LIDAR航带重叠区域内冗余数据消除方法主要可分为:基于点云密度的方法和基于测量精度的数据消冗方法。前者本质是基于局部点云数据密度的简化抽样,可获得相对均匀的消冗数据,但消冗的随机性较大、点云去除过于盲目,缺乏测量误差精度理论的支撑。后者又可细分为两类:航迹信息辅助下的消冗和无需航迹信息的消冗。航迹信息辅助下的消冗方法理论严密、精度较高,但必须依赖航迹信息。而在实际数据处理时,航迹信息缺失的情况时有发生,因此,研究无需航迹信息的消冗方法具有很大的现实意义。但现有的无需航迹信息的消冗方法均未考虑消除原始点云中存在的系统误差,由此导致消冗结果的准确性降低。并且,现有方法均未对消冗算法的有效性进行定量评价。
发明内容
针对上述现有技术存在的不足,本发明提供一种机载LIDAR航带重叠区冗余辨识及消除方法。
本发明的技术方案:
一种机载LIDAR航带重叠区冗余辨识及消除方法,包括如下步骤:
步骤1:读取原始机载LIDAR点云数据;
步骤2:判别原始机载LIDAR点云中各个激光点所属航带;
步骤3:消除相邻两条航带重叠区域内同名特征间的空间偏移,实现航带重叠区域各同名特征的重合:
步骤3-1:计算相邻两条航带重叠区域;
步骤3-2:分别提取两条航带中属于重叠区域的激光点;
步骤3-3:转换参数赋初始值;
步骤3-4:将重叠区域中平面坐标相同的激光点作为同名点;
步骤3-5:根据最小二乘法则计算使同名点高程差的平方和最小的转换参数,所述转换参数包括:平移参数、旋转参数和缩放系数;
步骤3-6:根据转换参数变换重叠区域激光点坐标,实现航带重叠区域各同名特征的重合。
步骤4:对同名特征重合处理后的重叠区域内激光点进行冗余辨识及消除,得到消除冗余后的机载LIDAR点云数据:
步骤4-1:比较航带重叠区域内的两次扫描激光点间的距离,判断是否存在冗余:
步骤4-1-1:统计单条航带内最邻近两激光点的欧式距离频率分布得到距离阈值;
步骤4-1-2:比较航带重叠区域内的两次扫描激光点间的距离,若距离小于等于距离阈值,则两次扫描激光点是对同名特征点的重复采样,得到冗余激光点,否则,不存在冗余。
步骤4-2:分别计算存在冗余的激光点到自身所在的航带中心距离,若距离相等则任意删除其中一个激光点,否则,删除距离较大的激光点,保留距离较小的激光点,得到消除冗余后的机载LIDAR点云数据。
步骤5:利用信息熵计算消除冗余前和消除冗余后重叠区域内LIDAR点云数据的信息量,对消冗结果进行定量评价。
有益效果:一种机载LIDAR航带重叠区冗余辨识及消除方法与现有技术相比,具有如下优势:
(1)可有效地去除机载LIDAR重叠区冗余信息,面对海量、高密度的LIDAR点云数据,可显著降低其数据处理压力、提高数据处理效率,同时,该成果可直接应用于地面、车载LIDAR相邻测站数据间的冗余消除;
(2)通过对航带重叠区内激光点的统计分析自适应地得到距离阈值,并以此阈值为判据,判定航带重叠区的两次扫描激光点是否为同名特征的重复采样,定义重复采样激光点之一为冗余数据点的选取规则,实现冗余激光点的剔除;
(3)提出了一种用于评价消冗算法有效性的信息熵测度,以评价提出的消冗算法的有效性。
附图说明
图1为本发明具体实施方式的机载LIDAR航带重叠区冗余辨识及消除方法流程图;
图2为本发明具体实施方式中步骤4的具体流程图;
图3为本发明具体实施方式中步骤4中的基于实验数据统计所得最邻近两点间的欧式距离频率直方图;
图4为本发明具体实施方式中的实验数据图像,其中,(a)为航带1点云顶视图,(b)为航带2点云顶视图,灰度代表高程值。
具体实施方式
下面结合附图对本发明的一种实施方式作详细说明。
本发明具体实施方式:
如图1所示,一种机载LIDAR航带重叠区冗余辨识及消除方法,包括如下步骤:
步骤1:读取原始机载LIDAR点云数据;
步骤2:对原始机载LIDAR点云中各个激光点的航带归属进行判别,并确定航带数目;
各激光点具有“GPSTime”属性:1)每个激光点的“GPSTime”值唯一;2)同一航带相邻两点间的“GPSTime”值是均匀且连续的;3)外业实测时,遥感平台飞完一条航带后需要飞出测区,然后再进行下一条航带,因而不同航带点云之间的GPSTime值相差较大。本实施例中,基于激光点“GPSTime”属性,对相邻的两激光点的“GPSTime”值做差,将“GPS Time”差值大于阈值的两个激光点分别作为两个航带的分界点。
依据相邻航带的“GPSTime”分界点确定每条航带内点云的GPSTime的起止范围,由此可得每一个激光点的航带归属并进而确定航带数目。
本实施例中,计算得到相邻两条航带:第1条航带和第2条航带的激光点集分别为P={pi(xi,yi,zi)}和Q={qj(xj,yj,zj)},其中,i、j是激光点的索引,i=1,2,…,n,j=1,2,…,m,n、m是激光点数,(xi,yi,zi)为第1条航带第i个激光点坐标,(xj,yj,zj)为第2条航带第j个激光点坐标。
步骤3:消除相邻两条航带重叠区域内同名特征间的空间偏移,实现航带重叠区域各同名特征的重合;
本实施例中,采用最小高程差算法消除相邻两条航带同名特征间的空间偏移,实现航带重叠区域各同名特征的重合,最小高程差算法的任务在于找到相邻两条航带之间的变换7参数(3个平移参数tx、ty、tz,3个旋转参数rx、ry、rz,1个缩放系数S),对第2条航带进行转换,使第2条航带和第1条航带同名点之间的Z坐标差的平方和最小。具体为:
步骤3-1:第1条航带和第2条航带激光点在XOY平面的映射坐标集分别为Pxy={pxyi(xi,yi)}和Qxy={qxyj(xj,yj)},分别做Pxy和Qxy的最小外接矩形Rp和Rq,提取Rp和Rq的交集得到重叠区域Ω;
步骤3-2:分别提取第1条航带和第2条航带中属于重叠区域的激光点集Ps={pi'(xi',yi',zi')}和Qs={qj'(xj',yj',zj')},其中,xi'、yi'∈Ω,xj'、yj'∈Ω;
步骤3-3:转换参数赋初始值:3个旋转参数均赋值0,缩放系数S赋值1,3个平移参数可目视某一同名特征在两个航带的激光点坐标相减获得;
步骤3-4:对于在Ps中搜索与qj'具有相同平面坐标的点作为qj'的同名点,如果qj'没有同名点,则在Ps中内插出与qj'平面相同坐标点即同名点的高程;
步骤3-5:根据转换参数建立同名点坐标间转换关系:
P=S·R·P′+T (1)
其中,P(X,Y,Z)和P'(x,y,z)为第1条航带和第2条航带中同名点;R是由3个旋转参数构成的旋转矩阵;T是由3个平移参数构成的平移矩阵;
以同名点间高程差的平方和最小为目标函数,依据最小二乘法则及同名点坐标间转换关系式,计算转换参数值;所述目标函数为:
其中,pj'为权重,可赋值等权,j'为激光点号,n'为Qs中的激光点数,dz为同名点的高差。
步骤3-6:根据转换参数变换Qs中激光点坐标得到Q's,实现航带重叠区域各同名特征的重合。
步骤4:如图2所示,对同名特征重合处理后的重叠区域内激光点进行冗余辨识及消除,得到消除冗余后的机载LIDAR点云数据:
步骤4-1:比较航带重叠区的两次扫描激光点间的距离,判断是否存在冗余:
步骤4-1-1:统计单条航带内最邻近两点的欧式距离频率分布得到距离阈值;
本实施例中,统计Ps中最邻近两点间的欧式距离频率直方图,如图3所示,其中,[0.4米,0.5米]所占比重最大即约34%,说明该距离代表实测的不同扫描激光点间的距离,因而,取0.5米作为距离阈值。
步骤4-1-2:比较航带重叠区域内两次扫描即两条航带内激光点间的距离,若距离小于等于距离阈值,则两次扫描激光点是对同名特征点的重复采样,即该两次扫描激光点存在冗余;否则,不存在冗余。
本实施例中,对于以距离阈值为半径在Q's中搜索其邻近点N={nk(xk,yk,zk)},k=1,…,u,若N不为空,则判定pi'和N存在冗余;否则,认为不存在冗余。
步骤4-2:分别计算存在冗余的激光点到航带中心距离,若距离相等则任意删除其中一个激光点,否则,删除距离较大的激光点,保留距离较小的激光点;
依据激光点的测量误差与扫描角成正比,根据扫描角大小判定存在冗余的各激光点精度,删除精度较低的激光点以剔除冗余点。
所述激光点的扫描角大小可转化为求取距离长短的问题:由于D=H*tgα,其中,D代表激光点离自身所在的航带中心的距离,H为航高;α为扫描角。而航带重叠区范围较小,因此重叠区范围内的地形起伏高程变化相对飞行航高可忽略不计;且同一测区同架次飞机按一定高度飞行,相邻航带间飞行高度相近,即Hp≈Hq。由此可得,激光点的扫描角越小,激光点离自身所在的航带中心距离越短。
实际计算时,用Rp和Rq沿长轴的中线Lp和Lq近似代表航带中心。则对于存在冗余的pi'和N,分别将pi'、nk投影至XY平面得到pxyi'、nxyk,计算二者到中线Lp、Lq的垂距,若距离相等则任意删除其中一个激光点;否则,删除距离较大的激光点,保留距离较小的激光点。
步骤5:利用信息熵计算消除冗余前和消除冗余后重叠区域中LIDAR点云数据的信息量,并统计消冗前和消冗后点云数据的点云密度和数据量,对消冗结果进行定量评价。
提出了利用信息熵作为定量评价消冗算法有效性的测度,分别计算消除冗余前和消除冗余后重叠区域的LIDAR点集的信息量即信息熵:
其中,pzi表示重叠区域中高程为zi的激光点占所有激光点的比例;若消冗后重叠区域信息量减少,则说明消冗算法消除了非冗余信息,即过度消冗;否则,说明消冗算法消除的均为冗余信息,消冗后的数据由于综合了相邻两个航带的非冗余信息所以信息量增大。
本发明可以在CPU Core(TM)i5-24003.10GHz、内存4GB、Windows 7旗舰版系统上使用MATLAB 7.11.0平台编程实现该方法,并进一步通过对该方法的精度评定验证方法的有效性。
本实施例中采用裁剪自河南安阳综合试验场飞行数据作为实验数据以检验方法的有效性和可行性。数据由ALS50机载激光扫描仪获取,共2条航带,每条航带东西向、南北向各长约320m,点云获取的旁向重叠度理论上最少只需10%,但影像获取的旁向重叠度则一般不低于30%。此次航飞同时获取了点云及影像数据,旁向重叠度为35%;平均扫描点密度:6.11点/m2;航向点间距约为0.5m,旁向点间距约为0.4m,如图4所示。
以信息熵为测度对本发明方法的消冗结果进行的定量评价结果如表1所示:
表1消冗结果的定量评价结果表
表1中,消冗前重叠区域的两个航带、航带1及航带2的LIDAR点集的信息熵分别为6.72、6.78及6.83,也就是说消冗前的重叠区域点云虽然综合了两个航带的数据,但其信息量相对于单个航带并未增加,反而减少了,说明消冗前的重叠区域点云相对于单个航带增加的基本全部为冗余数据。对比消冗前、后重叠区域点云的信息熵,分别为6.72和6.96,说明本专利所提出的消冗算法消除的数据点均为冗余数据,且消冗后数据融合了两个航带的非冗余信息,其信息量也相应的增加。上述结果表明了消冗算法的消除冗余的有效性。
表1中,消冗前、后重叠区点云密度分别为17.19点/m2、8.82点/m2,也即消冗后重叠区点云密度约降为消冗前的一半、略大于单个航带的平均扫描点密度6.11点/m2,原因在于重叠区域位于点密度较大的航带边缘。上述结果从点云密度角度表明了消冗算法的有效性。
据统计,消冗前两条航带点云个数共计1252770,消冗后减少为948664个,冗余点个数为304106,消冗数据比例为24.27%。若按旁向重叠度35%计算,则理论上冗余比例为35/135=25.92%。也即从消除冗余的数据量上来看,消冗结果非常理想。另外,统计重叠区域消冗前、后的点云个数,如表1所示,分别为624640、320534,消冗比例为48.69%,同样可从数据量的角度说明消冗算法的有效性。
表1中,消冗前、后重叠区点云密度分别为17.19点/m2、8.82点/m2,也即消冗后重叠区点云密度约降为消冗前的一半、略大于单个航带的平均扫描点密度6.11点/m2,原因在于重叠区域位于点密度较大的航带边缘。上述结果从点云密度角度表明了消冗算法的有效性。
综上所述,消冗后重叠区域的信息量增加、点云密度及数据量均降为消冗前的一半,该消冗结果验证了本发明提出的方法可有效实现对航带重叠区冗余数据的辨识及消除。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (3)
1.一种机载LIDAR航带重叠区冗余辨识及消除方法,其特征在于,包括以下步骤:
步骤1:读取原始机载LIDAR点云数据;
步骤2:判别原始机载LIDAR点云中各个激光点所属航带;
步骤3:消除相邻两条航带重叠区域内同名特征间的空间偏移,实现航带重叠区域各同名特征的重合;
步骤4:对同名特征重合处理后的重叠区域内激光点进行冗余辨识及消除,得到消除冗后的机载LIDAR点云数据:
步骤4-1:将航带重叠区域内的两次扫描激光点间的距离与距离阈值作比较,判断是否存在冗余;具体包含如下步骤:
步骤4-1-1:统计单条航带内最邻近两激光点的欧式距离频率分布得到距离阈值;
步骤4-1-2:将航带重叠区域内的两次扫描激光点间的距离与距离阈值作比较,若距离小于等于距离阈值,则两次扫描激光点是对同名特征的重复采样,该两次扫描激光点中存在冗余,否则,不存在冗余;
步骤4-2:对存在冗余的激光点进行消冗,得到消除冗余后的机载LIDAR点云数据;
步骤5:利用信息熵计算消除冗余前和消除冗余后重叠区域中LIDAR点云数据的信息量,对消冗结果进行定量评价。
2.根据权利要求1所述的一种机载LIDAR航带重叠区冗余辨识及消除方法,其特征在于,所述步骤3具体包含如下步骤:
步骤3-1:计算相邻两条航带重叠区域;
步骤3-2:分别提取两条航带中属于重叠区域的激光点;
步骤3-3:转换参数赋初始值;
步骤3-4:将重叠区域中平面坐标相同的激光点作为同名点;
步骤3-5:根据最小二乘法则计算使同名点高程差的平方和最小的转换参数,所述转换参数包括:平移参数、旋转参数和缩放系数;
步骤3-6:根据转换参数变换重叠区域激光点坐标,实现航带重叠区域各同名特征的重合。
3.根据权利要求1所述的一种机载LIDAR航带重叠区冗余辨识及消除方法,其特征在于,所述步骤4-2中对存在冗余的激光点进行消冗的具体方法为:分别计算存在冗余的激光点到自身所在的航带中心的距离,若距离相等则任意删除其中一个激光点,否则,删除距离较大的激光点,保留距离较小的激光点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710058216.7A CN106680798B (zh) | 2017-01-23 | 2017-01-23 | 一种机载lidar航带重叠区冗余辨识及消除方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710058216.7A CN106680798B (zh) | 2017-01-23 | 2017-01-23 | 一种机载lidar航带重叠区冗余辨识及消除方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106680798A CN106680798A (zh) | 2017-05-17 |
CN106680798B true CN106680798B (zh) | 2019-04-02 |
Family
ID=58860257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710058216.7A Active CN106680798B (zh) | 2017-01-23 | 2017-01-23 | 一种机载lidar航带重叠区冗余辨识及消除方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106680798B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110103810B (zh) * | 2019-01-03 | 2024-02-27 | 华域视觉科技(上海)有限公司 | 三维探测照明系统及汽车 |
DK180562B1 (en) * | 2019-01-31 | 2021-06-28 | Motional Ad Llc | Merging data from multiple lidar devices |
CN109934956B (zh) * | 2019-03-13 | 2022-05-03 | 北京五维星宇科技有限公司 | 一种飞参数据判读方法、系统、设备及介质 |
CN109993700B (zh) * | 2019-04-03 | 2023-07-04 | 百度在线网络技术(北京)有限公司 | 数据处理方法、装置、电子设备及计算机可读存储介质 |
CN111220966A (zh) * | 2020-04-22 | 2020-06-02 | 成都纵横融合科技有限公司 | 一种机载激光雷达系统等航宽滤波方法 |
CN111736136B (zh) * | 2020-06-23 | 2023-01-06 | 自然资源部四川测绘产品质量监督检验站(四川省测绘产品质量监督检验站) | 一种机载激光点云航摄漏洞检测方法及系统 |
CN111754535B (zh) * | 2020-06-23 | 2024-05-31 | 自然资源部四川测绘产品质量监督检验站(四川省测绘产品质量监督检验站) | 一种机载激光点云重叠度检测方法及系统 |
CN112881998A (zh) * | 2021-01-17 | 2021-06-01 | 广东工业大学 | 一种基于航带重叠区域的LiDAR强度校正方法 |
WO2022244206A1 (ja) * | 2021-05-20 | 2022-11-24 | 日本電気株式会社 | 測定条件最適化システム、三次元データ測定システム、測定条件最適化方法、及び非一時的なコンピュータ可読媒体 |
CN114609591B (zh) * | 2022-03-18 | 2022-12-20 | 湖南星晟智控科技有限公司 | 一种基于激光点云数据的数据处理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033805A (zh) * | 2012-12-25 | 2013-04-10 | 西安煤航信息产业有限公司 | 一种机载激光雷达航带间冗余数据自动去除方法 |
EP3078988A1 (en) * | 2015-04-09 | 2016-10-12 | Goodrich Corporation | Flight control system with dual redundant lidar |
-
2017
- 2017-01-23 CN CN201710058216.7A patent/CN106680798B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033805A (zh) * | 2012-12-25 | 2013-04-10 | 西安煤航信息产业有限公司 | 一种机载激光雷达航带间冗余数据自动去除方法 |
EP3078988A1 (en) * | 2015-04-09 | 2016-10-12 | Goodrich Corporation | Flight control system with dual redundant lidar |
Non-Patent Citations (3)
Title |
---|
Airborne LiDAR strip adjustment based on conjugate linear features;Wang Hongchao etal;《2012 IEEE International Conference on Imaging Systems and Techniques Proceedings》;20120917;1-4 |
一种去除机载LiDAR航带重叠区冗余点云的方法;彭检贵 等;《计算机工程与应用》;20121231;第48卷(第32期);33-38转112 |
机载LiDAR数据航带平差研究进展;王丽英 等;《遥感信息》;20121231(第2期);12-128 |
Also Published As
Publication number | Publication date |
---|---|
CN106680798A (zh) | 2017-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106680798B (zh) | 一种机载lidar航带重叠区冗余辨识及消除方法 | |
CN110570428B (zh) | 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统 | |
CN102426019B (zh) | 一种无人机景象匹配辅助导航方法及系统 | |
CN110889324A (zh) | 一种基于yolo v3面向末端制导的热红外图像目标识别方法 | |
Lafarge et al. | Creating large-scale city models from 3D-point clouds: a robust approach with hybrid representation | |
CN103632363B (zh) | 基于多尺度融合的对象级高分辨率遥感影像变化检测方法 | |
CN108960198A (zh) | 一种基于残差ssd模型的交通标志检测与识别方法 | |
CN103617328B (zh) | 一种飞机三维姿态解算方法 | |
CN105488770A (zh) | 一种面向对象的机载激光雷达点云滤波方法 | |
CN107480727A (zh) | 一种sift和orb相结合的无人机影像快速匹配方法 | |
CN103324916B (zh) | 基于建筑轮廓的车载和航空LiDAR数据配准方法 | |
US7013235B2 (en) | Method, apparatus and program for determining growth of trees | |
CN104536009A (zh) | 一种激光红外复合的地面建筑物识别及导航方法 | |
CN103020342A (zh) | 一种从地面LiDAR数据中提取建筑物轮廓和角点的方法 | |
CN106056659A (zh) | 车载激光扫描点云中建筑物角点空间位置自动提取方法 | |
CN108562885B (zh) | 一种高压输电线路机载LiDAR点云提取方法 | |
CN112099046B (zh) | 基于多值体素模型的机载lidar三维平面检测方法 | |
CN106500594B (zh) | 融合反射强度和几何特征的铁路轨道半自动检测方法 | |
CN103942786B (zh) | 无人机可见光和红外图像的自适应团块目标检测方法 | |
Lehtomäki et al. | Performance analysis of a pole and tree trunk detection method for mobile laser scanning data | |
CN110751077A (zh) | 一种基于部件匹配与距离约束的光学遥感图片船舶检测方法 | |
CN117315146A (zh) | 基于跨尺度多源数据的三维模型的重建方法及存储方法 | |
CN103092897A (zh) | 一种用于点云数据处理的快速k近邻搜索方法 | |
Shen et al. | Object-based classification of airborne light detection and ranging point clouds in human settlements | |
CN110222638A (zh) | 一种基于素描图候选框策略和Fast R-CNN的飞机目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |