機載激光雷達(Light Detection And Ranging,LiDAR)點云數(shù)據(jù)具有高精度、高密度、完整保留地形特征的特點。利用LiDAR點云數(shù)據(jù)建立數(shù)字高程模型(Digital Elevation Model,DEM)已成為一種主要途徑。由LiDAR點云數(shù)據(jù)直接建立DEM因數(shù)據(jù)量大導致處理速度慢、交互體驗不佳、儲存困難等問題。將地面點云數(shù)據(jù)進行適當抽稀之后再建立DEM是解決問題的方法。如何處理好抽稀率和DEM的精度關系并盡可能多地保留地形特征點和特征線是研究的重點。針對上述問題,本文開展了以下研究工作:(1)圍繞地形復雜度指標構建,討論了參數(shù)選取問題,引入?yún)��?shù)的可提取性、相對獨立性、相對全面性三個原則;采用相關系數(shù)分析法、聚類分析法,結合實驗區(qū)點云數(shù)據(jù)來評價參數(shù)的相對獨立性,從而篩選出獨立性相對好的核心地形因子,包括高程標準差、坡度熵、地形粗糙度。(2)為了對局部地形復雜度進行量化,選擇CRITIC(Criteria Importance Through Intercriteria Correlation,CRITIC)多因子綜合定權方法采用核心地形因子作為參數(shù),以不同地形實...

【文章頁數(shù)】：77 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 地形復雜度
        1.2.2 地形因子的分類
        1.2.3 地面點云數(shù)據(jù)的抽稀方法
    1.3 研究目的與研究內(nèi)容
        1.3.1 研究目的
        1.3.2 研究內(nèi)容
    1.4 技術路線
    1.5 論文的組織結構
第2章 局部地形復雜度核心地形因子的篩選方法
    2.1 地形因子的篩選原則
    2.2 地形因子的分類
    2.3 地形因子的初選
    2.4 實驗數(shù)據(jù)介紹
    2.5 實驗區(qū)域局部地形復雜度核心地形因子的篩選
        2.5.1 相關系數(shù)分析法
        2.5.2 聚類分析法
        2.5.3 相對獨立性量化結果分析
    2.6 本章小結
第3章 局部地形復雜度指標計算方法
    3.1 多地形因子指標定權方法
        3.1.1 多因子綜合評價的定權方法
        3.1.2 CRITIC定權方法
    3.2 計算局部地形復雜度指標
        3.2.1 局部地形復雜度指標計算步驟
        3.2.2 實驗區(qū)域局部地形復雜度指標計算
    3.3 不同地形中局部地形復雜度指標值的統(tǒng)計分析
    3.4 本章小結
第4章 機載LiDAR地面點云抽稀方法
    4.1 抽稀思想
    4.2 抽稀步驟
    4.3 地形特征線的保留
        4.3.1 地形特征線的提取
        4.3.2 地形特征線的簡化
    4.4 精度評價
        4.4.1 評價方法
        4.4.2 評價指標
    4.5 本章小結
第5章 實驗與分析
    5.1 實驗環(huán)境
    5.2 基于局部地形復雜度指標的地面點云數(shù)據(jù)抽稀結果分析
    5.3 四種方法加入地形特征線前后DEM高程精度變化分析
        5.3.1 對山地地形的地面點云抽稀實驗
        5.3.2 對丘陵地形的地面點云抽稀實驗
    5.4 四種點云抽稀方法實驗與對比分析
        5.4.1 抽稀率和DEM高程精度對比分析
        5.4.2 點云抽稀結果采樣點空間分布對比分析
    5.5 確定滿足不同尺度DEM高程精度要求的最大抽稀率
    5.6 本章小結
總結與展望
    總結
    展望
致謝
參考文獻
研究生期間參加的學術活動



本文編號：4054499