基于不同密度LiDAR数据DEM构建研究.doc

基于不同密度LiDAR数据DEM构建研究
摘要 为了进一步提升数字高程模型构建效率,同时降低数据获取成本,以机载LiDAR数据为基础,通过对机载LiDAR数据进行处理得到地面点并对地面点进行抽取操作以获得不同密度地面点数据并插值行处理得到地面点,之后对得到的地面點按不同比例进行抽取操作以得到不同密度地面点数据,然后采用克里金插值算法用于生成DEM,通过对比研究最终获得DEM生成最优点云密度,以期最大限度地提升数字高程模型构建效率,并降低数据获取成本。
1 材料与方法
激光雷达数据与处理
研究区位于吉林长春净月潭国家森林公园附近,主要由城区、草地、森林和水体等地物类型组成。2012年5月由搭载在飞机上的Leica ALS70激光雷达传感器进行激光雷达数据采集[14],飞行参数:
传感器Leica ALS70,
航高560 m,
波长1 064 nm,
扫描角±20°,
Hz,
m,
密度10点/m2。
首先,利用Terrascan软件对原始激光雷达数据进行滤波处理,之后利用不规则三角网算法对预处理后的激光雷达数据进行分类处理,得到地面点和非地面点,接着利用抽取算法对地面点按1、1/10、1/50、1/100、1/500和1/1 000倍进行抽取操作,之后利用克里金插值算法对抽取前后的地面点进行插值操作以生成不同点云密度下的DEM数据,并将原始数据生成的DEM作为参照DEM。 克里金插值算法
克里金插值是一种利用变差函数的地质统计学插值方法,它依赖于数据的空间分布而不是实际值。利用数据驱动加权函数生成克里金权重以减少对输入值的偏倚,且当有良好的变差函数模型可用时,克里金插值能够提供最佳的插值。克里金插值是一种局部确定性插值技术,以定义邻域中采样点的距离加权平均来计算该值[15]。它认为靠近查询位置的点具有更大的影响力,且利用样本点距所需点的距离的倒数对样本点进行加权。
精度评价
2 结果与分析
LiDAR数据不同抽取率
对分类后的地面点按不同抽取率进行数据抽取操作以得到不同密度点云数据,以城区LiDAR数据为例,结果见图1。由图1可知,随着抽取率的增加,点云密度逐渐降低,且数据所直观展现出来的地物信息逐渐丧失。如当抽取率为1/100时,可以直观地看出建筑物的大致轮廓信息;而当抽取率为1/1 000时,从直观上完全不能判断此数据来自于何种地物类型。
不同抽取率LiDAR数据DEM插值结果
城区。
城区不同抽取率LiDAR数据生成DEM及精度评价结果见图2和表1。由图2和表1可知,随着抽取率的不断增大,DEM结果精度逐渐降低, m。当抽取率为1/500时, m, m;当抽取率变为1/1 000时, m, m。因此,在满足DEM精度要求的前提下可以适当采用较低密度的LiDAR数据以降低数据的获取成本,同时提高数据的处理效率。
草地。
与上述城区所示结果类似,草