建筑遗产的变形监测是遗产可持续保护的重要保障,塔类古建筑是古建筑中的典型,造型突兀高耸,变形包含沉降、倾斜、弯曲及扭转等多种状态,传统监测手段难以满足其监测需求。本文针对某古塔的变形问题,以传统测量方法为参照,采用地面激光雷达和无人机近景摄影测量技术获取古塔三维数据,结合古塔监测指标对3种方法流程、特点、数据及结果精度进行对比,通过融合三维模型对古塔病害分析,从不同的角度反映出古塔的变形状况。通过对比可知：常规测量方法进行古塔变形监测,具有精度高,应用灵活特点,适用于古建筑整体姿态或者典型特征监测;地面激光雷达技术精度高、设站灵活,能够精确分析古塔整体及部分局部的形变,但易受扫描视角的影响;无人机近景摄影测量技术建立的古塔三维模型具有高精度及真实的色彩,对整体及细节纹理表现好,但是无法获取塔内部狭窄空间的三维数据;融合数据能有效弥补单一数据源的缺陷,实现古塔全面病害分析。数据精度方面,地面激光扫描及近景摄影测量技术均可达到毫米级精度,传统监测方法在沉降与倾斜监测方面优于前2种方法,在监测全面性方面则前2种方法更具优势。

泥河湾盆地的化石和旧石器遗址与泥河湾古湖、古河道有极强的相关性,如果发现了湖滨相和河流阶地的沉积地层,那么下一步很可能发现古人类活动留下来的化石和旧石器遗址。本文按照广义DEM的定义,将DEM的表达对象“地形表面”改为“泥河湾更新世湖相沉积层”称为湖相层DEM,泥河湾更新世湖相层DEM的建立可以大大推进泥河湾地区的古人类活动及古地理环境的研究。本文通过提取湖相层的三维地理信息,以禾尧庄剖面为例,研究了露头信息的泥河湾更新世湖相层三维地理信息提取方法。采用三维激光扫描仪采集剖面的三维地理信息,基于LiDAR点云的数据特征设计滤波方法,针对剖面采集点的距离近似相等,采用回波强度进行区分植被及土质,得到了一定的效果。在回波强度滤波后的结果基础上,进一步利用RGB信息设置阈值,区分植被和土质,得到了较好的效果。最后,经过手动去噪,得到干净、地层信息完整的剖面三维地理信息数据,可以做为湖相层DEM建模的基础数据。

街道景观图是城市规划设计和城市管理的重要参考依据,车载点云数据能够提供沿街建筑的三维点信息,精度高,覆盖范围广泛,为街景立面整治提供了新的解决方案。为此,本文提出一种适用于车载点云的街景立面的自动提取方法,提取立面点云的具体步骤为：对原始数据去噪滤波;选取非地面点构建规则格网并二值化,依据语义特征筛选出建筑物点云;用POS数据拟合直线段帮助选取参考向量与参考平面;计算点云到参考面的距离,按距离分类点云数据,并对前述步骤中未分类点另行提取,合并面点集得到以沿街建筑物立面为主的街景立面点云。为了验证这一方法的可行性和有效性,采用点云数据进行实验,实验结果表明本方法在一定程度上提高了数据处理效率,能得到较理想的结果。

针对目前无人机激光雷达点云滤波过程中存在的效率低、误分割和精度差等问题,本文在对点云三维坐标进行K-means聚类得到不同聚类结果的基础上,引入最大-最小标准化方法对不同聚类结果的点云回波强度原始值进行标准化,得到 0-1范围回波强度规则值。针对不同聚类结果选择不同范围的回波强度规则值得到对应地面点云,以提升研究区点云的滤波精度并减少其地面点云的数据量。同时,对比利用K-means聚类对三维坐标和回波强度原始值进行滤波的结果。结果表明：对研究区点云去噪、抽稀预处理后得到107 372个点云数,利用K-means方法对三维坐标和回波强度原始值进行聚类滤波得到地面点数为66 713个,占点云总数的62.133%。通过使用本文方法可剔除过分割地表植被点13 648个,得到地面点云占点云总数的49.422%。该方法能够较好地保持地形轮廓并降低地面点云的数据量,从而为后期快速建立高精度DEM奠定基础。

本文提出一种结合多种投影影像从车载激光扫描数据中提取建筑物的方法。该方法首先将点云数据投影到XOY平面,生成多种投影影像;然后结合建筑物几何语义特征,对已获取的投影影像进行几何约束与形态学运算,得到建筑物种子区域;在此基础上,通过设置高差阈值,在最高高程影像上进行建筑物种子区域的八邻域区域生长,得到建筑物区域;最后将影像上的建筑物区域反投影到三维空间,提取出建筑物目标。实验结果表明,该方法能有效提取点云数据中的建筑物立面,取得较高的正确率和完整率,且大大提高了计算效率。

针对城市三维激光点云中,道路与地面高程相差小、激光反射强度相近使得道路提取困难;广场、停车场等地物的高程、反射强度与道路极为相近,容易产生错误提取的问题。本文设计了一种描述道路条带信息的局部二进制特征（Stripe Local Binary Feature, SLBF）,结合LiDAR数据中的三维信息和多光谱信息获得基于强度、密度和平坦度等统计特征（Statistics-Based Feature, SBF）,并采用随机森林分类器实现了机载点云中道路面点云和非道路面点云的有效提取。通过欧式聚类精化道路点云和迭代腐蚀边界细化中心线,进而获得矢量化的道路中心线。以Waddenzee区域的多光谱机载点云数据进行实验验证,道路中心线提取结果的完整度达到94.15%,准确度达到97.95%,精度达到92.28%。实验结果表明,该方法可以有效地提取道路中心线,同时由于设计的特征具有不变性,能够适用于城市和林间小路等各种环境。

由于自然地表像元在长期观测中容易发生时空失相干,利用时序InSAR（Synthetic Aperture Radar Interferometry）技术对其开展形变监测会面临可用形变测量点不足的挑战。针对这一问题,提出一种改进的小基线（Small Baseline Subset,SBAS）方法。该方法改进了传统SBAS中初始高相干像元筛选及相位滤波过程：首先利用拟合优度检验,并结合相干性阈值条件来识别同质像元;然后根据同质像元数量将所有像元分成2部分,即PS（Persistent Scatterers）候选点和DS（Distributed Scatterers）候选点;其次分别在这两部分像元中开展初始高相干PS点及DS点筛选;最后对选出的高相干PS点及DS点进行加权相位滤波。利用覆盖北京平原区西北部（含城区及山区）的27景ENVISAT ASAR影像开展的形变监测实验表明：与2个参考方法相比,该方法能够有效扩展形变结果上的测量点数量和覆盖范围,测量点数量分别提高了22.6%及27.6%,且自然地表的形变测量点密度得到了明显提升。同时,研究区形变结果与4个连续GPS站的位移数据有很好的一致性,证明了该方法在地表形变反演中的有效性及优越性。

在地面三维激光点云特征提取的过程中,由于三维点云数据采集仪器、采集方法及后期处理等因素影响,依靠传统的基于曲率、法线等几何特征及统计学算法提取出的点云特征数量较多且存在较大误差,若使用其直接作为特征点数据进行点云粗配准,很难提高点云粗配准的精度及速度。因此,本文在对点云数据实际空间分布结构分析的基础上,结合特征点提取算法、法向一致化算法、PCA（Principal Component Analysis）方法及特征点聚类等方法,提出了一种三维激光点云数据虚拟特征点拟合算法。该算法生成的虚拟特征点是由点云实际的特征点拟合得到,或是由位于被测物特征线上的特征点拟合生成的特征线计算得到,该虚拟特征点并不是扫描对象上实际存在的激光反射脚点。通过实验验证,虚拟特征点拟合算法可以较准确地拟合出由于设备及操作方法等原因而未被采集到的建筑物边角点数据,得到的虚拟特征点数据较实际特征点数据具有更少的数据量及更高的精度,使用拟合得到的虚拟特征点可以减少粗配准算法的计算量,提高粗配准算法的计算效率并能获得更精确及可靠的初始配准变换参数。

针对因回光反射平面标靶点云数据缺失或冗余而难以准确计算靶心坐标的问题,本文提出一种基于距离标靶重心最远点的边缘点提取和靶心定位算法。首先,进行点云数据预处理,先人工大概选取出标靶点云所在位置,并根据回光反射强度信息提取出标靶点云,对标靶点云进行粗差剔除、投影以及坐标旋转等工作;然后,进行边缘点提取,应用所提的边缘点提取算法对投影到二维平面的标靶点云进行边缘点提取;最后,进行靶心定位,先应用抗差最小二乘对边缘点进行拟合计算圆心坐标,然后将其旋转回三维空间作为靶心坐标计算值。实验结果表明,本文提出的边缘点提取算法能高效、准确地提取出标靶边缘点,比文献[12]中的边缘点提取算法节约了大量时间,并且应用所提取出的边缘点能稳健地计算出靶心坐标,与基准值的偏差在亚毫米以内,优于文献[11]、[12]算法靶心计算精度,有效地解决了残缺或冗余的回光反射平面标靶点云靶心定位问题。

机载LiDAR是获取地表DEM的重要技术之一。本文针对机载LiDAR点云数据在复杂城区环境下的大型建筑及低矮地物滤波问题,提出一种新的二面角滤波法。利用空间二面角的平面角可以表达空间两相交平面相对位置的原理,实现机载LiDAR点云数据滤波。首先,算法提取点云数据中的高程突变点,以非突变点的二面角余弦均值稳定性作为判定迭代结束的条件;其次,分别统计高程突变和非突变点集的二面角余弦值频率分布,以交点处对应余弦值和最后一次迭代的坡度值作为LiDAR点云滤波的判定条件;最后,利用数学形态学“开”算子,去除残留低矮植被,得到可靠的滤波结果。对同一区域机载LiDAR点云数据,通过“二面角法”与“渐进三角网法”进行滤波处理。实验结果表明,二面角滤波法能有效地降低地物点错分为地面点的百分率,且在去除地物信息的同时能良好地保留地形特征。