夏少波
- 作品数：6 被引量：157H指数：6
- 供职机构：中国科学院遥感与数字地球研究所更多>>
- 发文基金：中国科学院“百人计划”国家自然科学基金中央级公益性科研院所基本科研业务费专项更多>>
- 相关领域：天文地球自动化与计算机技术电子电信更多>>
- 星载激光雷达GLAS与TM光学遥感联合反演森林叶面积指数被引量：13
- 2015年
- 通过对地球科学激光测高系统(Geoscience Laser Altimeter System,GLAS)波形数据进行高斯分解,提取精确的波形特征信息,计算出GLAS波形数据激光穿透指数(LPI),基于LPI提出GLAS数据反演叶面积指数(LAI)的新方法,建立了GLAS数据反演森林LAI的模型(R2=0.84,RMSE=0.64),并用留一交叉验证法(LOOCV)对反演模型的可靠性进行了验证,结果表明,该模型没有过度拟合,具有很好的泛化能力,最后通过人工神经网络融合GLAS与TM(Thematic Mapper,专题制图仪)遥感数据实现区域尺度森林LAI反演,用25个实测LAI对反演精度进行了验证,研究表明反演LAI与实测值较为接近,精度较高(R2=0.76,RMSE=0.69),为生态环境研究提供精确的输入参数,为GLAS数据大区域高精度LAI反演提供新的方法和思路.
- 骆社周王成习晓环聂胜夏少波万怡平
- 关键词：叶面积指数回波强度
- 电力巡线中机载激光点云数据处理的关键技术被引量：28
- 2015年
- 介绍了机载激光雷达技术在电力巡线中的具体应用,探讨了巡线应用中点云数据处理的关键技术以及输电线路走廊点云分类和本体三维重建技术的研究进展。构建基于电力巡线需求的机载点云处理流程,能提高点云处理算法和三维建模的自动化程度,是机载激光雷达技术在电力巡线应用中发挥其重要作用的保证。
- 王和平夏少波谭弘武王成习晓环
- 关键词：电力巡线三维建模
- 机载激光雷达数据中电力线的快速提取被引量：48
- 2017年
- 针对当前机载LiDAR技术在电力巡线应用中对电力线数字模型高精度和快速重建的需求,该文提出一种高效的电力线点云分类方法。首先基于局部范围点的高程统计直方图,实现电力线点的快速粗提取;然后运用随机抽样一致性算法剔除残留的电塔点,结合点云高程统计进一步剔除绝缘子点,实现电力线点的精提取;最后利用同一垂直面内电力线点的高程分布特性,实现单根电力线点的快速提取。基于实际输电线路机载LiDAR数据的实验结果表明,该方法可实现电力线点的快速、高精度提取:粗分类后的电力线点中仅含约10%的非电力线点;精分类后约有2%的电力线点被误分为绝缘子点,最终各条电力线点的提取比率平均为98%以上。
- 王平华习晓环王成夏少波
- 关键词：机载激光雷达电力线点云数据随机抽样一致性
- ICESat-2机载试验点云滤波及植被高度反演被引量：43
- 2014年
- 新一代星载激光雷达卫星ICESat-2将采用多波束微脉冲光子计数技术,并进行高程剖面式的对地观测。由于该点云数据具有背景噪声大、密度低并呈线状分布等特点,传统的点云滤波算法并不适用,研究新的点云滤波算法十分必要。本文以ICESat-2的机载模拟器MABEL数据为例,首先介绍了微脉冲光子计数激光雷达的基本原理和数据特点,并针对高程剖面点云提出基于局部距离统计和最小二乘局部曲线拟合的点云滤波算法;然后,对美国加利福尼亚州Sierras-Forest地区MABEL试验中532 nm通道的光子点云进行滤波处理,并利用识别的地面点插值得到3 m分辨率的线状DEM,进而估算了该区域美国云杉的平均树高;最后,对该滤波算法进行精度评价,并分析了误差来源及其对DEM精度和树高反演精度的影响。结果表明:(1)该算法整体精度达97.6%,能有效剔除绝大部分噪声点且对地形起伏具有较强的自适应能力;(2)误分噪声点影响了滤波过程中局部地形的拟合,而滤波过程中的分类误差将降低DEM和树高反演的精度。
- 夏少波王成习晓环骆社周曾鸿程
- 基于直升机激光点云的分裂导线重建研究被引量：16
- 2015年
- 电力线三维模型是输电线路安全和增容分析的基础,机载/直升机激光雷达技术已经成为电力三维模型重建的重要技术手段,但少有研究涉及分裂导线的高精度建模。通过分析分裂导线点云数据的特点,提出一种基于点云分段、聚类分析和曲线拟合的分裂导线精细三维重建方法。最后利用获取的四分裂导线点云数据,考虑实际作业中可能遇到的点云缺失、密度偏低等情况,对算法进行了测试和分析。结果表明:该算法能够自适应地识别点云中分裂导线的数目,分离不同分裂导线的点云,建模结果可以满足输电线路安全分析的要求。
- 汪骏夏少波王和平王成谭弘武
- 关键词：LIDAR分裂导线聚类分析三维重建
- 特征空间聚类的电力线激光雷达点云分割方法被引量：24
- 2016年
- 针对现有电力线激光雷达点云分割方法中存在的问题,该文提出了一种采用特征空间K-means聚类的单档电力线激光雷达点云分割方法:利用电力线LiDAR点云的水平坐标信息进行直线拟合,并对LiDAR点沿直线方向进行分段;将每一段LiDAR点云投影到相应的电力线切平面(该平面垂直于拟合直线);最后使用K-means聚类方法进行投影点的聚类,且相邻的段和段之间通过投影中心点进行类别的传递和规则化。实验表明,该方法可以较好地进行单档电力线LiDAR点云分割,且对电力线根数、电力线类型、电力线空间配置结构、档距长度、点云不规则断裂等因素不敏感。
- 林祥国宁晓刚夏少波
- 关键词：机载激光雷达点云电力线三维重建聚类
