抽稀

作品数:127被引量:357H指数:12
导出分析报告
相关领域:天文地球石油与天然气工程更多>>
相关作者:崔应寿缪志修李乃良隋立春赖旭东更多>>
相关机构:武汉大学中国测绘科学研究院国家测绘地理信息局西南交通大学更多>>
相关期刊:更多>>
相关基金:国家自然科学基金中国博士后科学基金国家重点基础研究发展计划国家科技重大专项更多>>
-

检索结果分析

结果分析中...
选择条件:
  • 期刊=测绘通报x
条 记 录,以下是1-8
视图:
排序:
无人机载LiDAR点云密度对DEM精度的影响分析
《测绘通报》2024年第4期35-40,共6页肖杰 
山西省测绘地理信息院科技资助项目(2021-KK1)。
无人机载LiDAR点云数据是目前生产DEM的重要数据源。为进一步提升DEM构建效率,本文选取平地和山地两类地形作为试验区,利用基于不规则三角网的点云抽稀算法,对滤波处理后的地面点云数据分别按照80%、60%、40%等7种地面点保留率进行抽稀...
关键词:点云密度 DEM LIDAR点云 点云抽稀 无人机载 
不同点密度下复杂山区轻型机载LiDAR数据DEM构建被引量:6
《测绘通报》2023年第S01期32-35,共4页刘一成 刘斌 夏炎 毕增辉 
云南省旱限(警)水位确定试点与重点地区抗旱应急预案研究(2021YFC3000205-06)
点云的点密度是决定DEM数据构建的关键因素。本文以云南华坪县永兴乡某复杂山地为研究区,采用随机采样算法对点云进行抽稀,获取点云保留率10%~90%共9组数据,并分别进行DEM数据建模及其精度评定。结果表明,点云保留率与DEM精度呈正相关关...
关键词:机载激光雷达 点云密度 抽稀 数字高程模型 
机载LiDAR点云密度对DEM精度的影响被引量:15
《测绘通报》2022年第5期140-144,169,共6页王道杰 陈倍 孙健辉 
机载激光雷达技术(LiDAR)作为一项先进的遥感技术,是植被覆盖区DEM获取的重要手段之一,而不同地形坡度条件及点云密度对DEM产品质量有重要影响。本文以辽宁省某市的机载LiDAR数据为基础,选取5种不同地形坡度的点云数据,通过随机、等间...
关键词:机载激光雷达 数字高程模型 点云密度 精度 点云抽稀 
平原地区机载激光雷达数据的抽稀算法分析被引量:13
《测绘通报》2019年第1期101-107,共7页杨明军 苏春梅 康冰锋 张珣 曹殿才 
目前,机载激光雷达点云数据在测绘行业中的应用还存在较多的瓶颈。为了使机载激光雷达点云数据更好地服务等值线等数据的生产,发挥其高效和高精度的优势,本文归纳、总结了国内外现有的LiDAR点云数据抽稀算法,并通过对比分析现有LiDAR点...
关键词:机载激光雷达 平原地区 抽稀算法 约束TIN抽稀法 等值线 
一种无人机影像空三加密点抽稀算法被引量:3
《测绘通报》2018年第3期108-112,共5页王刊生 郑亮 
中交第二公路勘察设计研究院科技研发项目(KJFZ-2015-075)
在无人机空三加密中,特征点匹配多采用基于计算机视觉的匹配算法进行处理,对稀少的空中三角测量控制点进行控制点位的补充。由于无人机影像分辨率高,细节丰富,使得匹配特征点数量庞大,给后续的区域网平差带来困难。本文提供的空三加密...
关键词:无人机 空三加密 影像匹配 点抽稀算法 
用于公路勘测设计的LiDAR点云抽稀算法被引量:17
《测绘通报》2017年第10期58-61,88,共5页方程喜 隋立春 朱海雄 
国家自然科学基金(41372330)
传统的抽稀算法应用于公路点云数据抽稀时,往往存在不能很好地顾及地形特征,或者出现大面积点云空洞的缺陷。本文提出了一种改进的基于平均曲率算法,用于公路勘测设计中的点云数据的抽稀,该算法首先通过局部二次曲面拟合,依次求出所有...
关键词:公路勘测设计 LIDAR 抽稀 平均曲率 点云空洞 
机载LiDAR点云数据抽稀算法研究述评被引量:14
《测绘通报》2017年第S1期33-35,58,共4页钱金菊 张昌赛 王柯 徐博 
国家自然科学基金面上项目(41371406);南方电网科技专项(GD-KJXM20150903)
机载LiDAR技术作为一种全新的遥测技术,可以获取高精度和高密度的三维点云地形数据,它所获取的高密度的点云数据存在数据冗余和数据量庞大等一些问题,造成了存储、后处理(如滤波、分类、特征提取和建模)和显示的不便。因此对点云数据进...
关键词:LIDAR 点云数据 抽稀简化 精度约束 
利用TIN和高程梯度进行高程点抽稀被引量:4
《测绘通报》2017年第5期110-112,共3页曹文涛 何伟 
精密工程与工业测量国家测绘地理信息局重点实验室开放基金(PF2015-6)
为了解决系列比例尺地形图缩编过程中高程点的抽稀问题,考虑到高程点分布的密度和地形起伏等因素,基于高程点构建了TIN,再结合平均高程面、高程梯度和局部高程最值点,对高程点进行了筛选抽稀。
关键词:TIN 高程梯度 高程点 抽稀 
检索报告 对象比较 聚类工具 使用帮助 返回顶部