基于LiDAR点云的断裂线提取方法研究

作     者：冯家兴 

作者单位：中国石油大学(华东) 

学位级别：硕士

导师姓名：宋冬梅;张凌

授予年度：2021年

学科分类：083002[工学-环境工程] 0830[工学-环境科学与工程（可授工学、理学、农学学位）] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

主      题：LiDAR点云 断裂线 自动提取 深度神经网络 地面点滤波 

摘      要：地震、滑坡等灾害的发生与断层密切相关,是地壳运动研究的重点和热点,因此快速、精确提取断层对地壳运动研究具有重要意义。通过遥感手段进行断层信息提取,通常是以DTM中断裂线的形式处理分析。激光雷达系统凭借其能够直接获取地表三维坐标、可穿透植被、受天气影响小和在某些困难地区亦可使用的优势,已成为断裂线提取的主要手段之一。本文选择LiDAR系统获取的点云为数据源进行断裂线提取方法研究。首先,本文开展了LiDAR点云地面点滤波方法研究,通过公共LiDAR点云数据集对部分点云滤波方法进行实验对比分析,选择出表现优越的点云滤波方法,并对原始LiDAR点云数据集进行滤波处理。其次,本文利用断裂线呈线状分布、高程异常与坡度异常等特点实现断裂线的自动提取,保证了算法的鲁棒性,通过与现有断裂线提取算法的比较,完成了改进算法的精度分析与评价。最后,基于点云的RS-Conv深度神经网络模型对断裂线进行提取,并通过实验对该算法进行评价与分析。研究的主要结论如下:1.四组实验结果表明布料模拟方法和基于主动学习的方法更适合于具有断裂线地貌特征的LiDAR点云滤波处理。其中,布料模拟算法更适合于植被茂密的断裂带,主动学习方法则在多种地貌覆盖类型的区域均有良好的表现。2.利用断裂线呈线状分布、高程异常和坡度异常等特征,发展了基于张量分解的断裂线提取算法和基于漫水轮廓的断裂线提取算法。通过六组实验与其他三种传统的断裂线提取方法进行比较分析,结果表明本研究提出的两种断裂线提取方法性能更优,所提取的断裂线区域具有较好的可视化效果,能够为后续研究提供比较可靠和准确的断层信息数据。3.本文发展了基于单尺度与多尺度RS-Conv的断裂线提取算法。由于RS-Conv的模型特征与基于点的断裂线提取方法相似,因此本研究以RS-Conv卷积算子为核心发展了两种断裂线提取算法。通过对比实验证实了提出的两种基于深度学习的断裂线提取算法的优越性,且模型经过训练后能够快速、精确和自动地获取断裂线信息,研究成果可为地壳运动分析提供数据支持。