地基式激光雷达点云的植被提取方法研究开题报告

全文总字数：1711字

1. 研究目的与意义

植被对人类文明的的生存发展，社会进步和生态规划建设具有重要意义。

准确地调查统计地区植被信息为地区规划建设，生态保护及发展提供重要保障。

然而应用传统的测绘手段进行地表植被统计能够获得基本植被信息，效率较低。

2. 国内外研究现状分析

国外研究现状：地基激光雷达是近年来在国际上发展十分迅速的主动式遥感技术，在森林样地调查中tls不仅能够自动获取样地尺度属性信息，例如：地形、单木位置、胸径、树高、数量等，而且也能直接获得树干曲线、树干材积及树冠层的结构参数。

m.simonse[3]、t.aschoff[4]等利用hough变换和圆拟合等方法提取单木参数等。

Ｇ．Ｋirly[5]等采用点聚类法和月牙法结合拟合圆来识别提取单木参数。

3. 研究的基本内容与计划

采用机器学习或模式识别的方法从TLS点云中分离植被点和非植被点，并且能够对结果进行定量和定性的分析，分析后的结果进一步指导和植被提取算法结果，在迭代开发过程中完善算法。

具体算法需要学生对前人的方法进行总结和分析，找出其缺陷，然后针对一两处缺陷进行算法方案的设计。

4. 研究创新点

近年来，随着激光雷达技术在林业领域的应用越来越深入，越来越多的研究人员根据机载式激光雷达和地基式激光雷达数据的特点，将这两种扫描方式结合起来使用，探测手段的增加和激光雷达技术应用的普及使得数据源极大丰富，大量的扫描点云数据亟待处理分析，而现有的点云分类处理提取方法存在着误分，漏分，精确度不高的缺陷，其中一个原因在于点云数据本身缺乏光谱信息，单纯利用点云三维信息和几何特征容易受其他地物点影像导致识别错误。

而传统遥感影像和高光谱影响具有丰富的光谱信息，但缺乏准确快速的目标样区三维信息，无法准确有效地区分相似光谱特征下的不同地物。

如果能把两者相结合，一定能较大改善目前地基式激光雷达点云数据分类提取地物精度质量不高的问题。