本帖最后由 a769795772 于 2020-7-2 11:25 编辑
为提高高程精度以及得到较为准确的地面高程,简单办法是 1)由无人机数据处理软件得到点云数据 2)由点云数据再得到高程点。
以下简述数据处理过程:
1,输出LAS点云数据
LAS点云数据不仅可以表达数据的几何信息,也可以表达颜色。所以航测项目在生产地形图的时候,通常由点云开始。
2,点云分类。
使用处理的软件的自动化算法对点云进行分类,从而得到地面点、建筑物、电线设施等是一种高程处理的常用思路。以下列举几种软件的点云分类结果:
1)PIX4D的自动分类结果: 高压线
植被:
房屋:
经过对比,PIX4D的自动分类无法对地表进行明确的分类,虽然软件提供了手动分类选项,但是这个分类明显达不到要求。 2)inpho的自动分类结果:
3)GLOBAL MAPPER18.2的自动分类结果:
原始点云: 参数设置: 分类结果:
GLOBAL MAPPER配置好参数后得到的分类结果得到了较完整的地面模型。
3)arcgis基于DSM表面模型的监督分类
分类结果:
结果对比:
运用arcgis的监督分类功能,手动建立了地面与非地面训练样本,使用交互分类得到以上结果。 结果中,高压线得到了较好的分离,但是在南面高差较大的部分出现了失真。所以借助像元深度值的监督分类并不能准确的分离非地面点。还是需要一些预定义的数学模型。 ------------------------------------------------------------------------------------ 3,加载LAS点云至LAS数据集
将地面点单独分类后的点云加载到LAS数据集以便于arcgis进行处理:
从统计值看出地面点已经进行了分类。
4,将分类的点云转换为TIN(使用细化算法分类,细化算法,及最大点数限制)
1)WINDOW_SIZE算法 参数设置:
比例及节点密度:
使用图示细化方法最终得到较稀少的TIN节点。 WINDOW_SIZE算法自动确定窗口大小,细化方法通过自动确定的窗口来获得高程值(最大值,最小值,平均值),细化的采样范围会自动默认一个较合理的值。 可以通过设置细化值来确定输出的TIN的精度。 减小窗口大小: 最终得到的TIN节点密度如下: 2)使用RANDOM算法来确定TIN节点的个数,通过选择基于原LAS数据的百分比或者生成的TIN的最大节点数来确定生成的TIN的精度。 参数设置:
得到的TIN结果如下:
在TIN节点数相近的情况下,使用WINDOW_SIZE算法得到的TIN更加接近于原始地貌。所以在此项目中使用WINDOW_SIZE算法来得到TIN。
5,使用TIN节点工具将TIN转换为多点
在得到TIN后,由TIN得到高程数据可以有2种实现方式:
1)直接将TIN节点转换为高程点。 2)将TIN采样为栅格,再将栅格转换为点。
第一种方式得到的点由WINDOW_SIZE算法来控制TIN节点密度,从而控制高程点的密度。
第二种方式可以使用栅格转点"ZTOLERANCE"算法,控制高程点之间最大高差,从而使得
到的高程点更接近于原始地貌。缺点是数据量较大,会影响到数据处理效率。
参数设置:
处理结果: 使用这个算法,高程会在地形变化较大的地方生成更密集的高程点。 分享结束,以上就是此次项目采用的数据方法简单流程。
刚才看了下,有些图片不显示,现在把原文放上来,大家有需要的话自行下载。
|