基于不同密度LiDAR数据DEM构建研究.docx

?

?

基于不同密度LiDAR数据DEM构建研究

?

?

摘要为了进一步提升数字高程模型构建效率，同时降低数据获取成本，以机载LiDAR数据为基础，通过对机载LiDAR数据进行处理得到地面点并对地面点进行抽取操作以获得不同密度地面点数据并插值生成DEM，最终获得不同抽取率下DEM数据生成的精度。结果表明，对于城区而言，随着点云密度的下降DEM生成精度RMSE从0.109m逐渐增大到0.691m；对于草地而言，RMSE则从0.065m逐渐增大到1.096m；对于林地而言，RMSE从0.088m逐渐增大到2.201m。对于3种地物类型而言，DEM生成精度均随抽取率的增大而逐渐降低，且不同地物类型RMSE的变化范围不同。

关键词数字高程模型；激光雷达数据；地面点；抽取率；克里金插值算法

S127；TP79A

0517-6611（2019）09-0004-04

doi：10.3969/j.issn.0517-6611.2019.09.002

AbstractTofurtherimprovetheefficiencyofbuildingDEMandreducethecostofdataacquisition，theairborneLiDARdatawereusedandprocessedinthispaper.Andthegroundpointswereextractedanddifferentdensitygroundpointsdatawereobtainedusingexactingmethod.ThentheDEMsweregeneratedwithkriginginterpolationmethod.Finally，theaccuracyofgeneratedDEMunderdifferentextractionrateswereobtained.Itwasshowedthatforurbanarea，theRMSEincreasedfrom0.109mto0.691mwiththedecreaseofpointclouddensity.Forgrassarea，theRMSEincreasedfrom0.065mto1.096m.Forforestarea，theRMSEincreasedfrom0.088mto2.201m.ItwasconcludedthattheaccuracyofDEMgenerationdecreasedwiththeincreaseofextractionrateandrangeofRMSEvarieswithdifferentterraintypes.

KeywordsDigitalelevationmodel；LiDARdata；Groundpoints；Extractionrate；Kriginginterpolationalgorithms

数字高程模型（digitalelevationmodel，DEM）是一种重要的地形产品，能够有效描绘地形信息，是许多空间应用的基础数据[1-2]。传统DEM生成方法虽然精度较高，但多依赖野外人工测量，因而导致DEM生成成本较高且耗时费力[3]。随着科技的进步，DEM生成逐渐被现代空间信息观测技术所替代[4]。

机载激光探测与测量（lightdetectionandranging，LiDAR）系统是一种主动对地观测系统[5]，集成了激光测距技术、全球定位技术、惯性导航技术等高新技术于一体，其作为一种新兴的空间信息观测获取技术，能够实时、高精度获取地物的三维空间信息[6]，因而广泛用于地形测绘、资源调查、灾害监测等[7-9]方面，且已发展成为地形数据获取的有力手段。

机载LiDAR数据DEM生成精度不仅与所用插值算法有关，还与数据采样密度密切相关[10-12]。虽然增加数据密度能够在一定程度上提高DEM的生成精度[13]，然而，随着数据密度的提高，数据的获取成本也会逐渐增加。因此，出于数据获取成本、时间效率以及数据存储文件大小等方面综合考虑，有必要根据研究区的地形特征有针对性地选用不同密度LiDAR点云数据，在保证DEM生成精度的前提下最大程度地节省数据获取成本和时间效率。

基于此，笔者以机载LiDAR数据为基础，首先对LiDAR数据进行处理得到地面点，之后对得到的地面點按不同比例进行抽取操作以得到不同密度地面点数据，然后采用克里