融合LiDAR点云与影像数据的矿区建筑物提取研究【达额立减】

章 绪论
1．1 研究背景与意义
1．2 外研究现状
1．2．1 LiDAR点云数据滤波及分类技术研究现状
1．2．2 基于遥感影像的建筑物分类研究现状
1．2．3 融合LiDAR点云与影像数据的建筑物提取研究现状
1．3 主要研究内容
1．4 全书组织结构
第2章 LiDAR原理及其数据处理
2．1 LiDAR基本原理
2．2 LiDAR数据预处理
2．2．1 误差校正
2．2．2 数据拼接
2．2．3 点云去噪
2．3 I。iDAR数据与遥感影像的配准
2．3．1 配准基元
2．3．2 变换函数
2．3．3 相似性测度
2．3．4 匹配策略
2．4 本章小结
第3章 矿区复杂环境下点云滤波与分类
3．1 LiDAR点云数据滤波原理
3．1．1 基于高程突变的点云数据滤波
3．1．2 基于回波次数的点云数据滤波
3．1．3 基于回波强度的点云数据滤波
3．2 现有滤波方法分析
3．2．1 数学形态学滤波方法
3．2．2 基于坡度的滤波方法
3．2．3 基于扫描线的滤波方法
3．2．4 基于不规则三角网的滤波算法
3．2．5 迭代最小二乘线性内插滤波算法
3．2．6 移动曲面拟合滤波方法
3．2．7 基于聚类／分割的滤波方法
3．2．8 其他滤波方法
3．3 滤波难点分析
3．3．1 粗差点
3．3．2 复杂的地物
3．3．3 着地物
3．3．4 植被
3．3．5 不连续的地表
3．4 融合多特征的LiDAR点云数据滤波方法
3．4．1 用于滤波的特征
3．4．2 融合多特征的LiDAR点云数据滤波算法流程
3．4．3 实验与分析
3．5 顾及几何特征的规则激光点云分割方法
3．5．1 基于八叉树的点云数据空间划分
3．5．2 点云几何特征量解算
3．5．3 特征点云的分割
3．5．4 实验与分析
3．6 本章小结
第4章 融合LiDAR点云与影像数据的建筑物轮廓提取
4．1 现有LiDAR点云分类方法
4．2 基于点集的组织与索引
4．2．1 局部邻域的定义
4．2．2 忌近邻点快速查询
4．3 分类特征的提取
4．3．1 LiDAR点云特征提取
4．3．2 影像特征提取
4．4 融合影像特征的建筑物点云分类提取
4．4．1 SVM分类原理及流程
4．4．2 融合影像信息的多特征加权建筑物点云提取
4．4．3 实验与分析
4．5 融合LiDAR点云与影像数据的建筑物轮廓提取
4．5．1 面向对象分类的多尺度分割方法
4．5．2 基于规则的模糊分类
4．5．3 融合LiDAR点云与影像数据的建筑物分类流程
4．5．4 实验与分析
4．6 本章小结
第5章 基于视觉认知的矿区建筑物轮廓的分层聚类
5．1 现有建筑物模型聚类概括方法分析
5．2 模型聚类
5．2．1 可约束三角网的建立
5．2．2 三角网的筛选
5．2．3 基于视觉认知的聚类分析
5．3 模型的合并概括
5．4 模型的分层次存储
5．5 实验与分析
5．5．1 实验环境及数据来源
5．5．2 聚类实验
5．5．3 结果对比分析
5．6 本章小结
第6章 总结与展望
6．1 总结
6．2 研究展望
参考文献
录 书中部分图彩色图样