本發(fā)明屬于遙感用具技術(shù)領(lǐng)域，尤其涉及一種成像雷達航空遙感數(shù)據(jù)處理技術(shù)。
背景技術(shù)：
激光雷達作為一種測繪技術(shù)，廣泛應(yīng)用于農(nóng)業(yè)、林業(yè)、地質(zhì)、軍事、天文學(xué)、機器人、交通等領(lǐng)域。其中，機載激光雷達是一種綜合了激光測距模塊、gps、慣性測量單元（簡稱imu）的主動式遙感測量設(shè)備，相對于其它測繪技術(shù)，具有成本低，作業(yè)周期短，自動化程度高，精度高等特點，因此得到了越來越廣泛的應(yīng)用。
機載激光雷達數(shù)據(jù)處理的關(guān)鍵技術(shù)包括回波數(shù)據(jù)處理和點云處理兩部分。其中回波數(shù)據(jù)處理的主要目的是對回波進行高斯波形分解，得到反射點的時間點位等反射信息。點云處理的目的是從激光雷達波形分解得到的散亂點云中提取出有用信息，例如分離出地形，提取森林覆蓋率和植被高度參數(shù)等。難點包括大規(guī)模地形點云數(shù)據(jù)的處理，地物及地形的提取，分類，網(wǎng)格重建等。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于解決以上所述的技術(shù)問題，提供一種使地形的傾斜信息得以保留，獲得的數(shù)字地面模型的質(zhì)量較高的成像雷達航空遙感數(shù)據(jù)處理技術(shù)，其技術(shù)方案如下：
成像雷達航空遙感數(shù)據(jù)處理技術(shù)，包括回波數(shù)據(jù)處理和點云處理，其特征在于：
回波數(shù)據(jù)的高斯擬合初值預(yù)估及參數(shù)優(yōu)化：對噪聲魯棒，首先估計出高斯分量的個數(shù)及每個分量的參數(shù)，在完成高斯分解初值預(yù)估后，分別采用非線性最小二乘算法中的lm算法和l-bfgs進行參數(shù)優(yōu)化，得到高精度的高斯分解結(jié)果；
大規(guī)模點云及網(wǎng)格數(shù)據(jù)的實時三維可視化及快速交互式編輯，激光雷達得到的三維點云數(shù)據(jù)量較大，使用opengl實現(xiàn)點云和網(wǎng)格的三維可視化，并且基于八叉樹實現(xiàn)點云的快速選擇，刪除，測量，截取斷面操作；
從lidar點云中提取有用信息，采用delaunay構(gòu)網(wǎng)算法，使用基于區(qū)域生長的算法實現(xiàn)地形點云的提取。
本發(fā)明的有益效果是：使地形的傾斜信息得以保留，獲得的數(shù)字地面模型的質(zhì)量較高。
具體實施方式
下面具體說明實施例：
成像雷達航空遙感數(shù)據(jù)處理技術(shù)，包括回波數(shù)據(jù)處理和點云處理，其特征在于：
回波數(shù)據(jù)的高斯擬合初值預(yù)估及參數(shù)優(yōu)化：對噪聲魯棒，首先估計出高斯分量的個數(shù)及每個分量的參數(shù)，在完成高斯分解初值預(yù)估后，分別采用非線性最小二乘算法中的lm算法和l-bfgs進行參數(shù)優(yōu)化，得到高精度的高斯分解結(jié)果；
大規(guī)模點云及網(wǎng)格數(shù)據(jù)的實時三維可視化及快速交互式編輯，激光雷達得到的三維點云數(shù)據(jù)量較大，使用opengl實現(xiàn)點云和網(wǎng)格的三維可視化，并且基于八叉樹實現(xiàn)點云的快速選擇，刪除，測量，截取斷面操作；
從lidar點云中提取有用信息，采用delaunay構(gòu)網(wǎng)算法，使用基于區(qū)域生長的算法實現(xiàn)地形點云的提取。
在具體使用的使用：
1、基于地形坡度濾波法。此算法中的濾波函數(shù)的確定是隨著坡度的變化而變化的。當相鄰兩點間的高差很大時，由于地形急劇變化的可能性很小，而很有可能是因為兩點中有一點位于地物上。為了使地形的傾斜信息得以保留，要適當調(diào)整濾波窗口的大小，并能合理設(shè)置高差的閾值。
2、迭代線性最小二乘內(nèi)插濾波算法。該方法可對原始離散激光腳點的數(shù)據(jù)進行運算，也可以對于已初步分類過的數(shù)據(jù)進行處理,通常需要迭代一次。該算法是一個不斷更新和逼近真實地形表面的過程，因此其優(yōu)點即是所獲得的數(shù)字地面模型的質(zhì)量較高。
3、移動窗口濾波法。該方法首先要對測區(qū)的實際情況進行調(diào)查和了解，按照不同的地形以及地物的具體情形，先選取一個較大的移動窗口，在每一個移動窗口中認為最低的激光腳點為地面點，濾遍整個區(qū)域就可以得到一個概略的，然后適當?shù)乜s小移動窗口的尺寸，設(shè)置相應(yīng)的高差閾值，再次濾遍整個區(qū)域，則可以得到一個較為準確的。如此重復(fù)幾遍,最終就會得到較精確的。