基于GPGPU和LiDAR波形数据高精效提取三维地形的研究

The Full-waveform airborne LiDAR makes it possible to acquire the abundant information from topographic surfaces directly and quickly. And it is a new and significant challenge for the remote sensing research community to extract the accurate 3D topography from full-waveform LiDAR data with high efficiency today. As GPGPU has got much attention by the researchers and achieved many successful applications, it has caused a revolutionary impact on high-performance computing. However, due to the great quantity of waveform data and the lack of efficient method and model, the full-waveform LiDAR data is processed with low efficiency and poor accuracy. Therefore, the research on high performance full-waveform LiDAR data processing by GPGPU technology is introduced and proposed in this research. It aims to research the theory and method of 3D terrain extraction from full-waveform LiDAR data based on GPGPU in two aspects: high performace and high accuracy. Firstly, characteristics of GPGPU computing and LiDAR data universal processing is analyzed. To fulfill the organization and quick access of LiDAR data in GPU parallel accelerated environment, Morton coding and its corresponding sorting by quick radix sort is proposed and used in GPU parallel computing environment. Secondly, a method of high accuracy full-wave features extraction based on GPGPU computing is studied based on the technique study of full-waveform deconvolution and decomposition. Finally, a 3D topography extraction method is established based on GPGPU accelerated technology and ground filtering fusing waveform features, which is useful for the 3D topography extraction from the complicated area (area with inaccurate and inefficient ground filtering result). In a word, all of the above researches form the complete procedure of full-waveform LiDAR data processing with high accuracy and performance, which can provide efficient theory basis and methodology to extract 3D terrain quickly and accurately.

全波形机载LiDAR能直接快速获取丰富的地表信息，而如何从全波形LiDAR数据中快速提取高精度三维地形则是个遥感科学面临的新问题。鉴于GPGPU对高性能计算带来的革命性影响，针对LiDAR波形数据处理模式单一、效率低、精度差的研究现状，本项目将GPGPU计算引入波形数据处理，从高效率和高精度两方面研究基于GPGPU和LiDAR波形数据的三维地形高精效提取方法：通过提出基于点云坐标整数莫顿编码和快速基数排序的组织方法，研究实现面向GPU并行计算的点云数据高效组织与快速访问；通过突破波形反卷积和基于回波模型选择的波形分解关键技术，研究建立波形特征高精度提取方法；最后通过GPGPU加速和融合波形特征，研究建立高精效滤波方法，用于解决某些困难区滤波存在的精度和效率双低难题。项目研究整体上形成了完整的全波形LiDAR数据高精度快速处理流程，可为既快又准地提取三维地形提供有效的基础理论和方法支持。

全波形机载LiDAR能直接快速获取丰富的地表信息，而如何从全波形LiDAR数据中快速提取高精度三维地形则是个遥感科学面临的新问题。针对LiDAR 波形数据处理模式单一、效率低、精度差的研究现状，本项目从高效率和高精度两方面研究三维地形高精效提取方法，具体包括从波形数据提取点云数据、点云数据组织、点云滤波、点云配准、点云特征提取等五方面的研究内容。.（1）鉴于GPGPU对高性能计算带来的革命性影响，本项目将GPGPU 计算引入到波形数据处理中，针对基于EM波形分解算法具有多次迭代和大量相乘除累加等高密集运算的特点，提出一套将EM算法在GPGPU上并行化的方案，从而提升从波形数据提取点云数据的效率。（2）为了提升点云数据查询、分析效率，本项目提出了一种分布式的大规模LiDAR点云存储及其并行快速读取方法。（3）点云滤波和点云配准是多视角点云数据在具有领域中应用的必要预处理过程。鉴于基于边缘点进行LiDAR点云滤波算法在复杂城区具有良好效果，然而在边缘点检测时非常耗时，因此本项目提出基于GPGPU的并行边缘点检测算法来提高滤波的效率。（4）针对大规模建筑物点云数据采用CPD（Coherent Point Drift）算法进行配准时，计算复杂度增大的问题，本项目提出了一种基于建筑物点云特征点简化数据的快速配准算法。该配准算法先求得点云的特征点，减少点云的数据量规模，再对不同视角下的特征点采用CPD算法进行配准，从而提升配准效率。（5）在点云配准过程中，点云的线、面特征也起到重要作用，但由于LiDAR点云数据量庞大，传统的算法难以实现特征线、面的快速提取。针对这一问题，本项目提出一种基于多结构鲁棒估计的建筑物特征线提取算法，该算法利用历史模型信息进行条件采样，并不断向最优的模型方向迭代。实验结果表明，该方法与传统的RANSAC等算法相比，避免了无效、重复的特征线采样过程，从而有效提高了建筑物特征线的提取效率。此外，针对RANSAC算法在多结构数据集中提取平面点时存在的不足，提出了基于多结构快速生成算法的点云平面提取的新算法。该算法在随机产生一组平面模型之后，通过每个点相对于模型的残差排序信息，计算条件内点概率分布，然后利用得到的内点先验分布概率指导模型采样。实验结果表明，该算法能准确地检测出点云数据中的平面，相比RANSAC算法具有更好的采样效率。