针对建筑物检测特定应用,提出一种基于稀疏表示的失真立体图像全参考质量评价方法。首先构建了一种新的失真卫星立体图像数据库,使用角点检测和数字表面模型的高程信息进行建筑物检测,并根据失真图像检测角点变化,提出检测准确率指标来表示图像的失真程度;然后提出一种基于稀疏表示的客观评价模型,其分别提取原始图像和失真图像的尺度不变特征转换和二进制稳健不变尺度特征进行字典学习;利用稀疏表示测量原始图像和失真图像之间的相似性,得到4个质量分数;最后通过支持向量回归融合4个质量分数得到最终的客观评价值。在构建的数据库上进行测试,实验结果表明,皮尔逊线性相关系数值高于0.90,斯皮尔曼等级相关系数值高于0.87,与现有的评价方法相比,所提方法能更好地反映卫星立体图像的质量。

在机载激光雷达扫描过程中,建筑物背面的地面边缘线常常被遮挡,无法获取精确的建筑物背面边缘点信息,在利用获得的激光点云进行三维重建时,使得创建数字表面模型(DSM)的精度较低。为消除背面边缘点缺失造成的DSM精度降低,提出了一种建筑物地面缺失边缘线的自动提取算法;通过提取建筑物侧面和地面局部点云的拟合趋势面,计算两相邻局部趋势面的交线,并补充缺失部分的边缘点数据;最后采用补充了边缘点的建筑物激光点云重建了建筑物的DSM,并对边缘点补充前后的DSM精度进行了对比仿真实验。仿真结果表明,通过提取和补充建筑物的边缘点可有效提高建筑物重建DSM的高程精度。

机载LiDAR 中的一些工作参数既有控制误差，又有测量误差，如机载平台的飞行轨迹、姿态角和激光扫描仪的扫描角等，两种误差均会造成点云产品质量降低。为分析两种误差对点云产品精度的影响机理，从理论上分析了两种误差对点云和数字表面模型(DSM)精度的影响，通过数值仿真，模拟了机载LiDAR 的测量过程，以机载平台姿态角参数为例，定量评价及比较了姿态角的控制误差和测量误差对点云分布及DSM精度的影响大小。结果表明，机载LiDAR的测量精度取决于这两种误差的影响，其中控制误差主要造成点云分布区域及密度改变，继而导致DSM失真增大，而测量误差造成点云定位精度和重建DSM 精度降低。因此，需采取措施分别对两种误差进行抑制补偿。

针对数字表面模型(DSM)数据与可见光遥感图像信息融合的实际需求, 提出了一种基于一致点漂移算法(CPD)与相对相位直方图(RPH)的两级配准策略来实现上述数据与图像的自动配准。首先, 利用Canny算子提取图像边缘, 将边缘点作为CPD算法的输入, 实现两幅图像的粗匹配, 从而得到初始对应点集并估算尺度因子; 然后, 定义了一种鲁棒且具有旋转、平移不变性的区域变化信息描述子-RPH, 其在粗匹配结果的保障下还可以实现尺度不变性; 最后, 根据尺度因子在两幅图像中分别定义圆环模板, 并利用RPH测度完成DSM图像与可见光遥感图像精配准。实验结果显示, 使用RPH测度进行精配准后, 基于CPD算法的粗匹配结果得到了有效校正, 在数据自身存在透视失真情况下, 算法配准误差约为2 pixel, 能够满足DSM数据与遥感图像信息融合的需求。

研究了姿态角随机测量误差对机载激光雷达激光脚点定位精度和数字表面模型(DSM)精度的影响。分析了机载激光雷达的工作原理，推导了姿态角随机测量误差与激光脚点定位误差之间的传递关系。通过数值仿真，模拟了3种地形，研究了姿态角随机测量误差对点云及DSM的影响规律。通过半实物仿真实验，定量评价了姿态角随机测量误差对激光脚点定位精度和DSM精度的影响。仿真和实验结果表明，姿态角随机测量误差造成激光脚点定位精度和DSM精度降低。姿态角随机测量误差造成激光脚点平面坐标误差增加较大，是高程误差的4～5倍；当姿态角随机测量误差增大10倍时，激光点云三维坐标误差也增大约10倍，而DSM误差则增大40倍左右。

简述激光三维成像技术的发展历程及其技术特点,介绍当前不同搭载平台的典型激光三维成像系统;重点在林业、数字城市、地形测绘、洪水制图、公路、管线与电力输送线路设计和维护、浅海海底地形测绘以及矿山采空区调查和火星着陆器导航8 个方面,对其应用原理和应用现状做了详细阐述;对激光三维成像技术的应用现状进行了总结,并对其发展方向做了展望。