DeepFilter 在东平湖水下及近岸地形测量项目中的应用研究
2023-03-31徐花芝张奇伟郑伟安
科技与创新 2023年6期
徐花芝,张奇伟,孟 萌,王 博,郑伟安
(山东省国土测绘院,山东 济南 250013)
1 研究背景
机载LiDAR 测量技术的出现和发展,为地理空间三维信息获取提供了全新的技术手段[1],获取的点云具有海量、高冗余、局部数据缺失、点密度不均一、非结构化的特点[2]。
目前,机载LiDAR 点云已经广泛地应用于高精度大比例尺数字高程模型(DEM)制作、电力巡线、建筑物三维建模、变化检测、森林资源调查、海岸带测量、城市规划等领域。点云滤波分类是点云应用的基础性工作,虽然国内外对点云自动滤波方法进行了大量研究,但是滤波效果差强人意,还有许多问题没有得到解决,且已有点云分类商业软件需要大量人机交互,效率低下,已经成为目前激光雷达测量技术进步的最大障碍[3]。
近年来,深度学习和人工智能技术快速发展,在很多行业得到了应用。在测绘地理信息领域,对基于深度学习的影像分析与解译技术进行了大量的研究,并取得了一定的成果。运用深度学习技术,实现机载LiDAR 点云地面点和非地面点快速精细滤波的全自动化处理,是点云数据处理的发展趋势[4]。
为了提高山东省点云滤波的自动化精度和效率,与武汉大学软件研发团队和广州建通开展三方合作,建立沟通交流渠道,开展深度学习辅助点云分类方法的研究,将基于深度学习的点云自动分类技术引入到山东省国土测绘院。根据山东省地形特点,按照平原、丘陵、山地、低矮建筑物、高大建筑、低矮植被、高植被等不同地形,分别选取一定数量的样本数据,基于深度学习算法对点云成果样本进行大量训练,形成了适合山东省地形特点的点云最优滤波模型,提高分类效率。……
登录APP查看全文
