盧小平，龐星晨，武永斌，李 珵，，李國清，于海洋

(1.河南理工大學(xué)礦山空間信息技術(shù)國家測繪地理信息局重點(diǎn)實(shí)驗(yàn)室，河南焦作 454003；2.河南省遙感測繪院，河南鄭州 450003)

機(jī)載LiDAR基礎(chǔ)測繪關(guān)鍵技術(shù)及應(yīng)用

盧小平1，龐星晨1，武永斌2，李 珵1，2，李國清2，于海洋1

(1.河南理工大學(xué)礦山空間信息技術(shù)國家測繪地理信息局重點(diǎn)實(shí)驗(yàn)室，河南焦作 454003；2.河南省遙感測繪院，河南鄭州 450003)

針對激光掃描系統(tǒng)高精度檢校與相機(jī)標(biāo)定、點(diǎn)云數(shù)據(jù)濾波處理與高精度DEM構(gòu)建、地物要素自動提取等技術(shù)難題，自主設(shè)計(jì)建立了機(jī)載激光雷達(dá)(LiDAR)檢校場，實(shí)現(xiàn)了LiDAR系統(tǒng)各個(gè)組成部分的高精度一體化檢校；利用改進(jìn)的各向異性擴(kuò)散濾波算法模型有效濾除了高分辨率DEM數(shù)據(jù)中的高頻噪聲，提高了等高線提取和水文分析的質(zhì)量；基于激光點(diǎn)云和高分辨率航空影像構(gòu)建的面向?qū)ο蟮牡匚镆刂鞅粍舆b感協(xié)同提取模型實(shí)現(xiàn)了居民地、道路等主要地物要素的自動提取。實(shí)際應(yīng)用結(jié)果表明，地物要素的整體提取準(zhǔn)確度超過90%。

機(jī)載激光雷達(dá)(LiDAR)；基礎(chǔ)測繪；高精度檢校；協(xié)同提取

一、引 言

我國測繪地理信息獲取與更新長期以來主要依賴航空攝影測量方法，存在易受天氣影響、數(shù)據(jù)獲取周期長、作業(yè)效率低等問題，而且在植被高覆蓋地區(qū)難以獲取準(zhǔn)確的地面信息，難以滿足經(jīng)濟(jì)社會發(fā)展對測繪地理信息數(shù)據(jù)現(xiàn)勢性的要求。機(jī)載激光雷達(dá)(airborne light detection and ranging，LiDAR)能夠全天時(shí)、全天候快速獲取各種地表環(huán)境下的高精度三維激光點(diǎn)云數(shù)據(jù)[1]，雖然該技術(shù)目前已在我國基本比例尺地形圖測繪中得到應(yīng)用，但地物要素提取仍然依靠人工解譯的方法，不僅效率低，而且成圖質(zhì)量易受作業(yè)員水平和責(zé)任心的影響。航空攝影測繪地形圖方法中居民地、道路和水系3種主要地形圖要素的測繪工作量超過50%，在城市地區(qū)甚至超過80%，因此研究LiDAR地物自動提取方法、提升測繪技術(shù)的自動化水平是測繪工作者急需解決的技術(shù)難題。

激光點(diǎn)云數(shù)據(jù)系統(tǒng)誤差的處理方法可以分成兩類：一類是數(shù)據(jù)驅(qū)動方法，通常稱為條帶平差；另一類為模型驅(qū)動方法，也稱系統(tǒng)檢校[2]。系統(tǒng)檢校方法是采用嚴(yán)格的物理模型來描述各項(xiàng)系統(tǒng)誤差對于激光點(diǎn)坐標(biāo)的影響，通過平差直接解算系統(tǒng)誤差項(xiàng)。文獻(xiàn)[3]對LiDAR系統(tǒng)誤差源及檢校流程進(jìn)行了闡述；文獻(xiàn)[4]給出了一種分步手工檢校方法；文獻(xiàn)[5]介紹了利用共面條件進(jìn)行表面匹配的方法；文獻(xiàn)[6]設(shè)計(jì)了一種安置參數(shù)自檢校方法?，F(xiàn)有的點(diǎn)云濾波方法根據(jù)技術(shù)路線可分為形態(tài)學(xué)、基于內(nèi)插和基于曲面約束3類方法[7]，基于內(nèi)插的方法以Axelsson提出的基于不規(guī)則三角網(wǎng)(TIN)加密濾波算法最為典型[8]。程亮等提出了一種LiDAR輔助下利用高分辨率遙感影像進(jìn)行輪廓提取的方法[9]，準(zhǔn)確率達(dá)到91%。李怡靜等采用集成LiDAR和遙感影像分別進(jìn)行了城市道路提取試驗(yàn)[10-11]。然而，利用機(jī)載LiDAR進(jìn)行系列比例尺基礎(chǔ)測繪的研究則鮮有報(bào)道。本文針對激光掃描系統(tǒng)高精度檢校與相機(jī)標(biāo)定、點(diǎn)云數(shù)據(jù)濾波處理與高精度DEM構(gòu)建、地物要素自動提取等進(jìn)行攻關(guān)，解決了關(guān)鍵技術(shù)難題，并進(jìn)行了規(guī)?；a(chǎn)應(yīng)用。

二、總體技術(shù)方法

點(diǎn)云數(shù)據(jù)具有精確的地物高程信息，航空影像具有高分辨率的紋理、光譜及三維立體影像信息，本文將兩者數(shù)據(jù)源優(yōu)勢互補(bǔ)，開展主被動遙感數(shù)據(jù)的同化、影像匹配、特征提取、結(jié)果評價(jià)、地面驗(yàn)證及規(guī)?；瘧?yīng)用等一系列研究和應(yīng)用工作，總體技術(shù)路線如圖1所示。

圖1 技術(shù)路線圖

1.LiDAR系統(tǒng)的高級檢校

徠卡ALS60 LiDAR系統(tǒng)主要由機(jī)載GPS、INS、激光掃描測距系統(tǒng)、數(shù)碼相機(jī)等組成，系統(tǒng)獲取的數(shù)據(jù)精度只與飛行相對高度有關(guān)，而不受脈沖頻率的影響。

(1)檢校場的設(shè)計(jì)原則

為準(zhǔn)確檢校ALS60系統(tǒng)的激光掃描儀、IPAS定位定向裝置及CCD數(shù)碼相機(jī)的各項(xiàng)系統(tǒng)誤差和實(shí)際測量精度，必須建立與之相適應(yīng)的檢校場。在設(shè)計(jì)檢校場時(shí)應(yīng)遵循以下原則。

1)檢校場環(huán)境應(yīng)與LiDAR系統(tǒng)的實(shí)際工作環(huán)境相似。

2)檢校場的地物分布呈近似“十”字型分布。

3)檢校場內(nèi)應(yīng)有平地、不同高度的樓房和不同頂部形態(tài)的建筑物。

(2)檢校場的建立

建立的ALS60系統(tǒng)檢校場位于鄭州市上街區(qū)，范圍為3 km×3 km。檢校場范圍內(nèi)地勢平坦，平均高程約為150 m。區(qū)域內(nèi)建筑物大小及高度適中，數(shù)量密集，頂部形態(tài)多樣，符合檢校要求。

2.航飛檢校的設(shè)計(jì)與實(shí)施

設(shè)計(jì)了1350 m和2300 m兩個(gè)飛行高度，共計(jì)8條航線。其中低空交叉對飛2條，反向交叉對飛2條；高航高交叉對飛2條，反向飛行1條，平行飛行30%重疊度1條。

高航高飛行獲取的數(shù)據(jù)用于檢校激光數(shù)據(jù)，低航高飛行的4條航線用于檢校RCD相機(jī)，航向重疊度為80%，旁向重疊為20%。所有航線視場角FOV均為45°，使用多脈沖模式和最大掃描頻率。

3.激光掃描儀檢校及精度分析

(1)激光掃描儀的檢校

激光掃描儀的檢校包括視準(zhǔn)軸檢校、距離檢校、扭轉(zhuǎn)(Torsion)檢校、傾斜誤差(Pitch error slope)檢校和高程偏移檢校5項(xiàng)內(nèi)容。其中，視準(zhǔn)軸檢校和距離檢校稱為常規(guī)項(xiàng)檢校，扭曲誤差和傾斜誤差檢校則為高級項(xiàng)檢校的內(nèi)容。

(2)激光掃描儀的高級項(xiàng)檢校

在對LiDAR激光掃描儀檢校過程中，發(fā)現(xiàn)僅利用出廠檢校值無法取得高精度的檢校結(jié)果，實(shí)際工作中仍需要自主對扭曲檢校和傾斜誤差進(jìn)行檢校，從而提高點(diǎn)云數(shù)據(jù)的精度和可靠性。

①扭轉(zhuǎn)誤差檢校的技術(shù)流程

掃描條帶邊緣掃描鏡在最大加速度時(shí)，其實(shí)際鏡面位置與編碼器計(jì)算位置的細(xì)微差別稱為扭轉(zhuǎn)誤差，它與掃描鏡旋轉(zhuǎn)軸的彈性和機(jī)械性能有關(guān)。扭轉(zhuǎn)誤差具體的檢校流程如下：

a.在平坦地面沿直線布設(shè)控制點(diǎn)。選擇垂直于地面控制點(diǎn)的航線數(shù)據(jù)，將Torsion值設(shè)為0，并裁剪激光條帶數(shù)據(jù)范圍-20°～-50°(條帶邊緣)。

b.Torsion值設(shè)為0，裁剪激光條帶數(shù)據(jù)范圍為20°～50°(條帶另一邊緣)。

c.加載檢校場測量的主干道地面高程控制點(diǎn)作為已知點(diǎn)，統(tǒng)計(jì)控制點(diǎn)與激光點(diǎn)云的高程差值dz；利用平均dz值，使用雙曲線函數(shù)計(jì)算對應(yīng)的扭轉(zhuǎn)誤差檢校值。

②傾斜誤差檢校的技術(shù)流程

傾斜誤差是指條帶中心與邊緣傾斜值的差值。該差值是由于掃描鏡在高速旋轉(zhuǎn)時(shí)不是嚴(yán)格意義上的平面，從而造成掃描線不直，出現(xiàn)輕微的彎曲。傾斜誤差被定義為每度上的弧度值，通常利用高航高上相反航線數(shù)據(jù)進(jìn)行校正。具體的檢校流程如下：

a.選擇高航高對飛的航線數(shù)據(jù)，該數(shù)據(jù)在條帶邊緣具有尖頂房等傾斜地物，并設(shè)置Pitch error slope的初始值為0。

b.在兩個(gè)激光條帶邊緣選擇尖頂房屋(要求屋脊線垂直于航向)，并沿航線方向畫斷面，則尖頂房屋的房頂剖面線之間的偏離就是傾斜誤差存在的表現(xiàn)。

c.測量房頂剖面線之間的偏離值。測量房頂剖面線之間的偏離值S，傾斜誤差的改正值公式為

式中，H為航高。

通過自主進(jìn)行的高級項(xiàng)檢校，對扭轉(zhuǎn)誤差值和傾斜誤差值進(jìn)行了重新標(biāo)定，提高了激光點(diǎn)云數(shù)據(jù)的精度和可靠性。高級項(xiàng)檢校得到的扭轉(zhuǎn)誤差值和傾斜誤差值見表1。

表1 激光掃描儀高級項(xiàng)檢校值對比

三、地貌地物要素提取

1.地貌要素提取

本文基于自適應(yīng)TIN濾波算法[8]對點(diǎn)云進(jìn)行分類，以獲取地面點(diǎn)云數(shù)據(jù)，然后進(jìn)行插值運(yùn)算，得到DEM數(shù)據(jù)。

(2)DEM噪聲平滑

LiDAR獲取的數(shù)據(jù)中包含有大量高頻干擾信息，研究中采用各向異性擴(kuò)散濾波算法對DEM數(shù)據(jù)進(jìn)行濾波處理[3-4]。試驗(yàn)表明，該方法能有效去除噪聲，同時(shí)能夠保留地形信息[5]。

(3)等高線生成

從DEM中內(nèi)插提取等高線的算法大致可分為高次曲面內(nèi)插法和線性內(nèi)插法，又可以分為分段內(nèi)插和整條內(nèi)插。本文采用先內(nèi)插跟蹤、后擬合的方法，利用DEM數(shù)據(jù)自動生成等高線。

(4)等高線平滑

由于DEM生成的等高線是由追蹤的直線段組成的折線，為使等高線能更準(zhǔn)確地描述實(shí)際地形變化，必須對其進(jìn)行平滑處理。本文利用張力樣條和三次B樣條擬合方法對等高線進(jìn)行平滑處理，并對這兩種方法的平滑效果進(jìn)行對比分析。

通過對點(diǎn)云數(shù)據(jù)和DEM反生等高線進(jìn)行對比分析表明，運(yùn)用本文研究成果生成的等高線符合規(guī)范要求，DLG編輯工作量比直接利用點(diǎn)云生成等高線方法大幅度減少，生產(chǎn)效率顯著提高。

2.建(構(gòu))筑物要素提取

人文精神關(guān)注對個(gè)體的自我關(guān)懷，也關(guān)注對人類集體精神的繼承和發(fā)展。在初中政治教學(xué)中，很多章節(jié)都與自我關(guān)懷以及認(rèn)同社會精神文明相關(guān)，但是，無論書本闡釋得多么清楚，都離不開學(xué)生的親自體驗(yàn)和實(shí)踐。因此，需要組織相應(yīng)的教學(xué)活動以凸顯人文精神。

輪廓提取是建立建(構(gòu))筑物數(shù)字模型的關(guān)鍵[12-14]，綜合利用LiDAR點(diǎn)云和影像數(shù)據(jù)能夠獲取更準(zhǔn)確的建筑物幾何信息[15-16]。本文基于面向?qū)ο蠓诸惖睦碚摻⒘艘环N綜合利用正射影像和LiDAR數(shù)據(jù)的建筑物輪廓協(xié)同提取方法[17]，即利用LiDAR第一次返回的數(shù)據(jù)建立數(shù)字表面模型(DSM)，從DSM中減去DEM，得到地物的高程信息，該模型稱為nDSM(normalized digital surface model)；基于不同分割算法對nDSM數(shù)據(jù)進(jìn)行分割，建立目標(biāo)對象；通過設(shè)定地物高度閾值與亮度閾值確定建筑物區(qū)域，去除陰影信息；利用建筑物光譜特征的相似性在較高坡度值的區(qū)域精確提取建筑物的輪廓；基于綠度指數(shù)去除植被信息，保證建筑物輪廓的完整性。

(1)居民地要素提取

本文以河南省鶴壁市作為試驗(yàn)研究區(qū)，選取兩處具有代表性的區(qū)域進(jìn)行居民地建筑物提取研究，一處為農(nóng)村居民地，主要為較低矮的建筑物；另一處是城市居民地，建筑物較為高大。

①農(nóng)村居民地建筑物提取

試驗(yàn)區(qū)1為農(nóng)村居民地，面積為0.56 km2，提取的nDSM和航空影像空間分辨率分別為0.5 m和0.2 m。航空影像數(shù)據(jù)使用DSM進(jìn)行正射校正，并與點(diǎn)云數(shù)據(jù)完全配準(zhǔn)，采用面向?qū)ο蟮姆诸惙椒▽r(nóng)村居民地建筑物進(jìn)行提取。

基于兩種類型的形態(tài)學(xué)算子進(jìn)一步處理“建筑物”對象的過程為：填充操作，用來填補(bǔ)“建筑物”對象中小于閾值的內(nèi)孔；閉操作，平滑粗糙的邊界，去除建筑物邊緣的小缺口。結(jié)構(gòu)元素采用5×5，農(nóng)村居民住宅可通過nDSM高度閾值予以區(qū)分。圖2為試驗(yàn)區(qū)1的建筑物輪廓提取結(jié)果。

圖2 試驗(yàn)區(qū)1的遙感影像與建筑物輪廓提取結(jié)果

試驗(yàn)共提取了234處農(nóng)村居民建筑物，總面積為191 539 m2，并通過人工解譯方法對提取結(jié)果進(jìn)行了精度評價(jià)。其中，I類誤差(建筑物被錯(cuò)分為其他地物)和II類誤差(其他地物被錯(cuò)分為建筑物)分別為4.09%和3.25%，總體精度達(dá)到95.94%。

②城市建筑物提取

試驗(yàn)區(qū)2為城區(qū)居民地，占地面積0.19 km2，采用面向?qū)ο蟮某菂^(qū)建筑物提取處理步驟包括：基于區(qū)域合并的多尺度分割、基于高度閾值的建筑物初步提取、建筑物陡坡邊緣地物重分類、基于綠度指數(shù)的植被信息去除和數(shù)學(xué)形態(tài)學(xué)處理[17]，總體分類準(zhǔn)確度達(dá)到了96.72%。

(2)道路要素提取

由于路網(wǎng)的復(fù)雜性，以及“同物異譜”和“異物同譜”現(xiàn)象的存在，僅依靠單一遙感數(shù)據(jù)或單一特征提取道路要素，難以滿足地形圖測繪的精度要求[10]。利用航空影像信息中地物的光譜、幾何、上下文等特征進(jìn)行協(xié)同提取，可以大大降低地物分類的不確定性，提高道路特征提取的準(zhǔn)確度[11]。本文綜合利用ALS60點(diǎn)云數(shù)據(jù)與航空影像，構(gòu)建道路快速協(xié)同提取方法。

①自上而下的多尺度分割方法

鄉(xiāng)村道路和高等級道路的形狀特征和紋理特征差別較大，可采用多尺度算法進(jìn)行大尺度分割。

②地物粗糙度特征

利用地面粗糙度可提高房屋、樹木等地物的提取精度。由于DSM疊加在DEM上，因此DEM的起伏變化對粗糙度影響很小。地物的起伏越密集、高差越大，粗糙度也越大，可據(jù)此分離不同類型的地物。

③地物回波強(qiáng)度特征信息

地物的回波強(qiáng)度與多種因素有關(guān)，高反射率的介質(zhì)表面較為光亮，低反射率的一般呈現(xiàn)黑暗表面。在提取的DEM中，瀝青道路為低反射率的表面，而道路邊界一般為綠化帶、土地等高反射率的地物，其反射率有較大的差值。因此，可以先分析和標(biāo)定地物回波強(qiáng)度，再根據(jù)標(biāo)定的回波信息來提取道路。

3.水系網(wǎng)絡(luò)要素提取

水系網(wǎng)絡(luò)是地形圖中的主要要素之一。DEM數(shù)據(jù)可用于水系網(wǎng)絡(luò)信息的提取[18-19]，方法主要有兩種：一種是基于局部地形曲面幾何分析的方法(如Puecker＆Douglas算法)，提取水系位置較為準(zhǔn)確，但生成的水系網(wǎng)絡(luò)不連續(xù)；另一種是基于坡面流物理模擬分析的方法(如D8算法)，能夠生成連續(xù)的水系網(wǎng)絡(luò)，但在地形平坦的區(qū)域獲取的匯水線效果較差，易產(chǎn)生錯(cuò)誤的提取結(jié)果。

本文在對LiDAR提取DEM數(shù)據(jù)進(jìn)行噪聲平滑的基礎(chǔ)上，利用基于局部地形曲面幾何分析和基于坡面流物理模擬分析相結(jié)合的方法，建立了水系網(wǎng)絡(luò)提取的技術(shù)流程[20](如圖3所示)。

圖3 基于LiDAR數(shù)據(jù)的水文信息提取技術(shù)流程

四、成果的規(guī)模化應(yīng)用

本成果在國家1∶1000～1∶10 000地形圖測繪和地理信息更新中發(fā)揮了作用，已廣泛應(yīng)用于交通、電力、城市規(guī)劃、管線勘測等領(lǐng)域。北京、河南、浙江、內(nèi)蒙、陜西等15個(gè)測繪地理信息生產(chǎn)單位，采用本成果關(guān)鍵技術(shù)在國家基礎(chǔ)測繪工程中，完成了15 000 km2國家基礎(chǔ)測繪任務(wù)，生產(chǎn)出大量的DLG、DEM和DOM等數(shù)字測繪地理信息產(chǎn)品，完成了超過2000 km以上的道路勘測任務(wù)，提高生產(chǎn)效率超過30%。

五、結(jié)束語

通過與河南省遙感測繪院產(chǎn)學(xué)研的長期合作，制定了機(jī)載LiDAR系統(tǒng)各個(gè)組成部分的高精度一體化檢校技術(shù)規(guī)程，研發(fā)了基于面向?qū)ο蟮牡匚镆靥崛≤浖Ｐ停⒃趪鴥?nèi)進(jìn)行了規(guī)?；a(chǎn)應(yīng)用。本文研究總結(jié)了機(jī)載LiDAR技術(shù)生產(chǎn)DEM、DOM和DLG產(chǎn)品，以及地物要素自動提取、建筑物三維建模等生產(chǎn)技術(shù)流程和作業(yè)規(guī)范，提供了系列比例尺基礎(chǔ)測繪全新的作業(yè)模式。

[1] ALEXANDER B，CHRISTIAN H.Aspects of Generating Precise Digital Terrain Models in the Wadden Sea from LiDAR-water Classification and Structure Line Extraction [J].ISPRS Journal of Photogrammetry＆Remote Sensing，2008，63(5)：510-528.

[2] SHAN J，Toth C K.Topographic Laser Ranging and Scanning：Principles and Processing[M].Boca Raton：CRC Press，2008.

[3] MORIN K W.Calibration of Airborne Laser Scanners[D].Calgary：University of Calgary，2002.

[4] ZHANG X H.Precise Point Positioning Evaluation and Air-born LiDAR Calibration[R].Copenhagen：Danish National Space Center，2005.

[5] SKALOUD J，LICHTI D.Rigorous Approach to Boresight Self-calibration in Airborne Laser Scanning[J].ISPRS Journal of Photogrammetry and Remote Sensing，2006，61(1)：47-59.

[6] 張靖，江萬壽.基于虛擬連接點(diǎn)模型的機(jī)載LiDAR系統(tǒng)安置誤差自檢校[J].測繪學(xué)報(bào)，2011，40(6)：762-769.

[7] 黃先鋒，李卉，王瀟，等.機(jī)載LiDAR數(shù)據(jù)濾波方法評述[J].測繪學(xué)報(bào)，2009，38(5)：466-469.

[8] AXELSSONPE.DEM Generation from Laser Scanner Data Using Adaptive TIN Models[J].IAPRS，2000，33(B4/ 1)：110-117.

[9] 程亮，龔健雅.LiDAR輔助下利用超高分辨率影像提取建筑物輪廓方法[J].測繪學(xué)報(bào)，2008，37(3)：391-393.

[10] 李怡靜，胡翔云，張劍清，等.影像與LiDAR數(shù)據(jù)信息融合復(fù)雜場景下的道路自動提取[J].測繪學(xué)報(bào)，2012，41(6)：870-876.

[11] 李卉.集成LiDAR和遙感影像城市道路提取與三維建模[J].測繪學(xué)報(bào)，2011，40(1)：40-41.

[12] AXELSSON P.DEM Generation from Laser Scanner Data Using Adaptive TIN Models[J].International Archives of Photogrammetry and Remote Sensing，2000，33(B4/1)：110-117.

[13] 錢偉新，劉瑞根，王婉麗，等.基于圖像特征方向的各向異性擴(kuò)散濾波方法[J].中國圖象圖形學(xué)報(bào)，2006，11(6)：818-822.

[14] 王毅，張良培，李平湘.多光譜遙感圖像的自適應(yīng)各向異性擴(kuò)散濾波[J].遙感學(xué)報(bào)，2005，9(6)：660-666.

[15] HAALA N，KADA M.An Update on Automatic 3D Building Reconstruction[J].ISPRS Journal of Photogrammetry and Remote Sensing，2010，65(6)：570-580.

[16] SAMPATH A，SHAN J.Building Boundary Tracing and Regularization from Airborne LiDAR Point Clouds[J]. PhotogrammetricEngineeringandRemoteSensing，2007，73(7)：805-812.

[17] 胡偉，盧小平，李珵，等.基于改進(jìn)RANSAC算法的屋頂激光點(diǎn)云面片分割方法[J].測繪通報(bào)，2012(11)：31-34.

[18] LEE D，LEE K，LEE S.Fusion of LiDAR and Imagery for Reliable Building Extraction[J].Photogrammetric Engineering and Remote Sensing，2008，74(2)：215-226.

[19] VU T，YAMAZAKI F，MATSUOKA M.Multi-scale Solution for Building Extraction from LiDAR and Image Data[J].International Journal of Applied Earth Observation and Geoinformation，2009，11(4)：281-289.

[20] YU Haiyang，CHENG Gang，GE Xiaosan，et al.Object O-riented Land Cover Classification Using ALS and GeoEye Imagery over Mining Area[J].Transactions of Nonferrous Metals Society of China，2011，21(S3)：733-737.

[21] 朱慶，田一翔，，張葉廷.從規(guī)則格網(wǎng)DEM自動提取匯水區(qū)域及其子區(qū)域的方法[J].測繪學(xué)報(bào)，2005，34(2)：129-133.

[22] 張永軍，吳磊，林文平，等.基于LiDAR數(shù)據(jù)和航空影像的水體自動提取[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2010，35(8)：936-940.

[23] 于海洋，盧小平，程鋼，等.基于LiDAR數(shù)據(jù)的流域水系網(wǎng)絡(luò)提取方法研究[J].地理與地理信息科學(xué)，2013，29(1)：17-21.

Key Technologies of Airborne LiDAR and Its Applications in Basic Surveying and Mapping

LU Xiaoping，PANG Xingchen，WU Yongbin，LI Cheng，LI Guoqing，YU Haiyang

P237

B

0494-0911(2014)09-0026-05

2013-09-03

河南省高?？萍紕?chuàng)新團(tuán)隊(duì)支持計(jì)劃(14IRTSTHN026)；河南理工大學(xué)2013年度博士基金(B2013-018)；2013年國家測繪科技計(jì)劃(測科函[2013]31號)

盧小平(1962—)，男，河南焦作人，博士，教授，研究領(lǐng)域?yàn)?S集成應(yīng)用。

龐星晨引文格式:盧小平，龐星晨，武永斌，等.機(jī)載LiDAR基礎(chǔ)測繪關(guān)鍵技術(shù)及應(yīng)用[J].測繪通報(bào)，2014(9)：26-30.

10.13474/j.cnki.11-2246. 2014.0286