Please wait a minute...
 
国土资源遥感  2012, Vol. 24 Issue (1): 17-21    DOI: 10.6046/gtzyyg.2012.01.04
  技术方法 本期目录 | 过刊浏览 | 高级检索 |
基于地物特征提取的车载激光点云数据分类方法
李婷1,2, 詹庆明1,2,3, 喻亮2,3
1. 武汉大学遥感信息工程学院, 武汉 430079;
2. 武汉大学数字城市研究中心, 武汉 430072;
3. 测绘遥感信息工程国家重点实验室, 武汉 430074
A Classification Method for Mobile Laser Scanning Data Based on Object Feature Extraction
LI Ting1,2, ZHAN Qing-ming1,2,3, YU Liang2,3
1. School of Remote Sensing and Information Engineering, Wuhan University, Wuhan 430079, China;
2. Research Centre for Digital City, Wuhan University, Wuhan 430072, China;
3. State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan 430074, China
全文: PDF(1277 KB)   HTML  
输出: BibTeX | EndNote (RIS)      
摘要 车载激光扫描测量方法较传统摄影测量方法具有更多优点,它能快速采集大面积、高精度的三维空间数据,具有广阔的应用前景。针对车载激光扫描数据的分类问题,提出了一种基于地物特征提取的点云数据分类方法,即采用主成分分析(PCA)方法,在提取多种街区地物点云数据几何特征和总结地物对象特征知识规则的基础上,根据选取的主特征设计一套阶层式的分类方法,并利用该方法对一套车载激光点云数据进行了分类试验。结果表明,该方法的分类效果良好,具有一定的实用性。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
李伟萍
曾源
张磊
尹锴
袁超
吴炳方
关键词 丹江口水库消落区土地覆被遥感RapidEye    
Abstract:Compared with traditional survey technologies, mobile laser scanning has many advantages. Its characteristics make it possible to rapidly acquire large-area high-precision 3D spatial data for reconstruction of 3D (three-dimensional) model. This paper focuses on the classification of mobile laser scanning data. The authors present a multi-level classification method based on object feature extraction, namely extraction of main features by PCA(Principal Component Analysis). This method was applied to blocks point data obtained by mobile laser scanning, and the results show that the proposed classification method is promising.
Key wordsDanjiangkou reservoir    Drawdown area    Landcover    Remote sensing    RapidEye
收稿日期: 2011-05-27      出版日期: 2012-03-07
: 

TN 249

 
基金资助:

国家高技术研究发展计划(863计划)项目(编号: 2006AA12Z151)和国家自然科学基金项目(编号: 40871211)共同资助。

引用本文:   
李婷, 詹庆明, 喻亮. 基于地物特征提取的车载激光点云数据分类方法[J]. 国土资源遥感, 2012, 24(1): 17-21.
LI Ting, ZHAN Qing-ming, YU Liang. A Classification Method for Mobile Laser Scanning Data Based on Object Feature Extraction. REMOTE SENSING FOR LAND & RESOURCES, 2012, 24(1): 17-21.
链接本文:  
https://www.gtzyyg.com/CN/10.6046/gtzyyg.2012.01.04      或      https://www.gtzyyg.com/CN/Y2012/V24/I1/17
[1] 吴芬芳.基于车载激光扫描数据的建筑物特征提取研究[D].武汉:武汉大学,2005.
[2] 李必军,方志祥,任娟.从激光扫描数据中进行建筑物特征提取研究[J].武汉大学学报:信息科学版,2003,28(1):65-69.
[3] 史文中,李必军,李清泉.基于投影点密度的车载激光扫描距离图像分割方法[J].测绘学报,2003,34(2):95-100.
[4] 李永强,盛业华,刘会云,等.基于车载激光扫描的公路三维信息提取[J].测绘科学,2008,33(4):23-25.
[5] Manandhar D,Shibasaki R.Vehicle-borne Laser Mapping System (VLMS)-_A New Observation System for 3-D Mapping of Urban Areas[C]//Proceedings of IEEE Joint Workshop on Remote Sensing and Data Fusion over Urban Areas,Rome,Italy,2001:5-9.
[6] Shi Pu,George Vosselman.Knowledge Based Reconstruction of Building Models from Terrestrial Laser[J].ISPRS Journal of Photogrammetry and Remote Sensing,2009,64(1):575-584.
[7] Liu Y,Xiong Y.Automatic Segmentation of Unorganized Noisy Point Clouds Based on the Gaussian Map[J].Computer-Aided Design,2008,40(5):576-594.
[1] 刘文, 王猛, 宋班, 余天彬, 黄细超, 江煜, 孙渝江. 基于光学遥感技术的冰崩隐患遥感调查及链式结构研究——以西藏自治区藏东南地区为例[J]. 自然资源遥感, 2022, 34(1): 265-276.
[2] 王茜, 任广利. 高光谱遥感异常信息在阿尔金索拉克地区铜金矿找矿工作中的应用[J]. 自然资源遥感, 2022, 34(1): 277-285.
[3] 吕品, 熊丽媛, 徐争强, 周学铖. 基于FME的矿山遥感监测矢量数据图属一致性检查方法[J]. 自然资源遥感, 2022, 34(1): 293-298.
[4] 张大明, 张学勇, 李璐, 刘华勇. 一种超像素上Parzen窗密度估计的遥感图像分割方法[J]. 自然资源遥感, 2022, 34(1): 53-60.
[5] 薛白, 王懿哲, 刘书含, 岳明宇, 王艺颖, 赵世湖. 基于孪生注意力网络的高分辨率遥感影像变化检测[J]. 自然资源遥感, 2022, 34(1): 61-66.
[6] 宋仁波, 朱瑜馨, 郭仁杰, 赵鹏飞, 赵珂馨, 朱洁, 陈颖. 基于多源数据集成的城市建筑物三维建模方法[J]. 自然资源遥感, 2022, 34(1): 93-105.
[7] 李伟光, 侯美亭. 植被遥感时间序列数据重建方法简述及示例分析[J]. 自然资源遥感, 2022, 34(1): 1-9.
[8] 丁波, 李伟, 胡克. 基于同期光学与微波遥感的茅尾海及其入海口水体悬浮物反演[J]. 自然资源遥感, 2022, 34(1): 10-17.
[9] 高琪, 王玉珍, 冯春晖, 马自强, 柳维扬, 彭杰, 季彦桢. 基于改进型光谱指数的荒漠土壤水分遥感反演[J]. 自然资源遥感, 2022, 34(1): 142-150.
[10] 张秦瑞, 赵良军, 林国军, 万虹麟. 改进遥感生态指数的宜宾市三江汇合区生态环境评价[J]. 自然资源遥感, 2022, 34(1): 230-237.
[11] 贺鹏, 童立强, 郭兆成, 涂杰楠, 王根厚. 基于地形起伏度的冰湖溃决隐患研究——以希夏邦马峰东部为例[J]. 自然资源遥感, 2022, 34(1): 257-264.
[12] 于新莉, 宋妍, 杨淼, 黄磊, 张艳杰. 结合空间约束的卷积神经网络多模型多尺度船企场景识别[J]. 自然资源遥感, 2021, 33(4): 72-81.
[13] 李轶鲲, 杨洋, 杨树文, 王子浩. 耦合模糊C均值聚类和贝叶斯网络的遥感影像后验概率空间变化向量分析[J]. 自然资源遥感, 2021, 33(4): 82-88.
[14] 艾璐, 孙淑怡, 李书光, 马红章. 光学与SAR遥感协同反演土壤水分研究进展[J]. 自然资源遥感, 2021, 33(4): 10-18.
[15] 李特雅, 宋妍, 于新莉, 周圆锈. 卫星热红外温度反演钢铁企业炼钢月产量估算模型[J]. 自然资源遥感, 2021, 33(4): 121-129.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发