基于TerraSolid与Inpho的LiDAR数据处理方法分析与研究

LiDAR数据处理流程一、数据预处理及原始数据检查LiDAD数据获得之后，要进行数据预处理后才能进行数据的后处理。

数据预处理之后有数据检查的软件对数据成果进行初步的检查。

一般数据格式检查有以下步骤：1 格式字段检查；数字高程数据的提交是以ASCII纯文字文件的格式，首先判断资料的字段是否一致性，例如某LiDAR数据组，有四栏分别为E、N、H、Intensity。

检查字段数量的多少，是否为四栏，最后打印报表。

2 坐标统计，检查测区范围合理性；统计数据的E、N、H（也就是X、Y、Z）坐标统计量，包括最大值、最小值、中值、平均数、测点点数等，评估坐标的合理性，并打印错误的报表。

3 资料重复性查核；在组合航带资料成为测区资料时，有时会重复读入航带资料，造成测点数据资料的重复。

4 视觉分析是否有高程资料的大误差；以视觉分析画出的高程剖面的方式检查航带重叠数据，检查坡面是否有高程偏移，左右航带不吻合等现象。

其次，视觉分析亦可以制作地形晕渲图的方式，视觉分析地形。

5检查影像的分布和质量，如果是12bit影像要转换为8bit数据；6检查控制点分布情况。

预处理的数据成果1 航迹文件(gps,ins的信息)2 影像文件（tiff或ecw的格式），影像时间表文件*.001。

3 分析报告（包括是否有错、漏及飞行时间）4 激光点（las格式或文本格式）5 LiDAR设备的基本情况（仪器型号、各种指标等）6 相机校准文件，包括相机的初始位置、像幅大小、畸变改正等。

一般使用前一次飞行的相机文件。

二、数据预处理1 确定项目范围，首先要统计总体数据量，决定点的抽稀程度，以便导入系统进行总体的分块（一般500万个点一块，若每平方米4个点，即0.5米一个点，乘以2倍的重叠系数，计算得出每平方公里800万个点）。

抽稀程度一般100倍以内。

2 设置坐标转换参数。

包括以下几个坐标系：A WGS84 到西安80 ；B WGS84 到北京54C 吴淞高程系到黄海高程系；D WGS84 到地方坐标系3 建立统一的项目名称（project name），由参与工作的人数决定数据所需要分割的块数。

第４３卷第３期２０２０年３月测绘与空间地理信息ＧＥＯＭＡＴＩＣＳ＆ＳＰＡＴＩＡＬＩＮＦＯＲＭＡＴＩＯＮＴＥＣＨＮＯＬＯＧＹＶｏｌ.４３ꎬＮｏ.３Ｍａｒ.ꎬ２０２０收稿日期:２０１８－０９－２５作者简介:王㊀瑚(１９９３－)ꎬ男ꎬ安徽芜湖人ꎬ助理工程师ꎬ学士ꎬ主要从事自然资源利用和开发㊁土地出让等方面的工作ꎮ基于ＴｅｒｒＳｏｌｉｄ对机载雷达ＤＥＭ重提取方法研究王㊀瑚１ꎬ周光耀２ꎬ周海龙２(１.芜湖县国土资源局ꎬ安徽芜湖２４１００４ꎻ２.山东科技大学测绘科学与工程学院ꎬ山东青岛２６６５９０)摘要:ＤＥＭ的提取是激光雷达数据采集的重要用途之一ꎬ但由于目前算法的局限性ꎬ无法高精度地自动分类ꎬ如何在算法分类的基础上重新进行人工分类ꎬ以一定的原则和标准进行重提取从而得到更高精度的ＤＥＭꎬ仍然是专业领域的一大难题ꎮ本文对某.ＬＡＳ数据重提取ꎬ极大提高了其ＤＥＭ的精度ꎬ为今后相关单位和个人使用ＴｅｒｒＳｏｌｉｄ软件对机载雷达ＤＥＭ重提取提供一些经验ꎮ关键词:ＴｅｒｒＳｏｌｉｄꎻ机载雷达ꎻ重提取ꎻＤＥＭ中图分类号:Ｐ２２８㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１６７２－５８６７(２０２０)０３－０１２７－０４ＲｅｓｅａｒｃｈｏｎＤＥＭＲｅ－ｅｘｔｒａｃｔｉｏｎＭｅｔｈｏｄｏｆＡｉｒｂｏｒｎｅＲａｄａｒＢａｓｅｄｏｎＴｅｒｒＳｏｌｉｄＷＡＮＧＨｕ１ꎬＺＨＯＵＧｕａｎｇｙａｏ２ꎬＺＨＯＵＨａｉｌｏｎｇ２(１.ＬａｎｄａｎｄＲｅｓｏｕｒｃｅｓＢｕｒｅａｕｏｆＷｕｈｕＣｏｕｎｔｙꎬＷｕｈｕ２４１００４ꎬＣｈｉｎａꎻ２.ＣｏｌｌｅｇｅｏｆＧｅｏｍａｔｉｃｓꎬＳｈａｎｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙꎬＱｉｎｇｄａｏ２６６５９０ꎬＣｈｉｎａ)Ａｂｓｔｒａｃｔ:ＤＥＭｅｘｔｒａｃｔｉｏｎｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｕｓｅｓｏｆＬｉＤＡＲｄａｔａａｃｑｕｉｓｉｔｉｏｎ.Ｈｏｗｅｖｅｒꎬｄｕｅｔｏｔｈｅｌｉｍｉｔａｔｉｏｎｓｏｆｔｈｅｃｕｒｒｅｎｔａｌｇｏ￣ｒｉｔｈｍꎬｉｔｃａｎｎｏｔｂｅｃｌａｓｓｉｆｉｅｄａｕｔｏｍａｔｉｃａｌｌｙｗｉｔｈｈｉｇｈｐｒｅｃｉｓｉｏｎ.Ｈｏｗｔｏｒｅ－ｃｌａｓｓｉｆｙｔｈｅａｌｇｏｒｉｔｈｍａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｏｎｃｅｒｔａｉｎｐｒｉｎｃｉｐｌｅｓａｎｄｓｔａｎｄａｒｄｓｔｏｇｅｔａｍｏｒｅａｃｃｕｒａｔｅＤＥＭｉｓｓｔｉｌｌａｍａｊｏｒｐｒｏｂｌｅｍｉｎｔｈｅｆｉｅｌｄｏｆｅｘｐｅｒｔｉｓｅ.Ｉｎｔｈｉｓｐａｐｅｒꎬａ.ＬＡＳｄａｔａｒｅ－ｅｘｔｒａｃｔｉｏｎꎬｇｒｅａｔｌｙｉｍｐｒｏｖｉｎｇｔｈｅａｃｃｕｒａｃｙｏｆｉｔｓＤＥＭｆｏｒｔｈｅｆｕｔｕｒｅｏｆｓｏｍｅｕｎｉｔｓａｎｄｉｎｄｉｖｉｄｕａｌｓｕｓｉｎｇＴｅｒｒＳｏｌｉｄｓｏｆｔｗａｒｅｏｎｔｈｅａｉｒ￣ｂｏｒｎｅｒａｄａｒＤＥＭｒｅ－ｅｘｔｒａｃｔｉｏｎｔｏｐｒｏｖｉｄｅｓｏｍｅｅｘｐｅｒｉｅｎｃｅ.Ｋｅｙｗｏｒｄｓ:ＴｅｒｒＳｏｌｉｄꎻａｉｒｂｏｒｎｅｒａｄａｒꎻｒｅ－ｅｘｔｒａｃｔｉｏｎꎻＤＥＭ１㊀ＴｅｒｒＳｏｌｉｄ软件简介ＴｅｒｒＳｏｌｉｄ系列软件是第一套商业化ＬｉＤＡＲ数据处理软件ꎬ基于Ｍｉｃｒｏｓｔａｔｉｏｎ开发的ꎬ运行于Ｍｉｃｏｒｓｔａｔｉｏｎ系统之上ꎮ其涵盖模块较多ꎬ提取ＤＥＭ主要应用到ＴｅｒｒａＳｃａｎ㊁ＴｅｒｒａＰｈｏｔｏ㊁ＴｅｒｒａＭｏｌｅｒꎬ通过机载激光雷达获取的数据包括地面点㊁植被点㊁建筑物点等具有三维坐标的点云数据ꎬ从这些点云中分离出植被点㊁建筑物点和错误的点ꎬ提取出地面特征点ꎬ利用这些点构建不规则三角网或格网得到高精度的ＤＥＭꎮ２㊀原始数据分析原始得到的点云数据是由机载激光雷达获取的ꎬ根据算法对地物㊁地貌进行分类处理ꎬ但由于地物㊁地貌类型的复杂性和算法的局限性ꎬ未能将所有地物进行分类ꎬ或者分类时出现错误ꎬ这时就需要人工去识别ꎬ通过将不同地物反馈回来的点归到不同的层ꎬ经过人工判断地形㊁地物ꎬ将粗处理时归错层的点进行人工归层重新分类ꎬ再编辑机载雷达拍摄的点云文件(.ＬＡＳ)生成ＤＥＭ文件ꎬ最终提交的成果是点云文件以及用该点云文件生成的ＤＥＭ文件和ＤＳＭ文件ꎮ３㊀数据处理原则点云人工再分类主要有两个方面:地物和地貌ꎮ地物包括居民地及设施㊁交通设施㊁植被等再分类ꎻ地貌主要包括山㊁地质和水等再分类ꎮ对地物和地貌进行再分类要依据一定的原则进行ꎮ１)非正常高程杂点噪点ꎬ要分类到１２层噪点层(包括低点和高点)ꎮ２)地貌㊁土质以及底部与地面相连的构筑物(如高台㊁路堤㊁土堤㊁拦水坝㊁水闸等地物)应表示ꎬ保留这些地物顶部的点云数据ꎮ３)立交桥㊁高架路㊁桥梁等架空于地面或水面之上的人工地物范围ꎬ只保留地面或水面上的点云数据ꎬ架空部分点云归入１０－ｂｒｉｄｇｅ层ꎮ４)建筑物㊁高塔㊁路标㊁电线杆㊁电力线㊁输油管㊁输气管㊁热力管线等人工地物㊁植被等应与地面点进行区分ꎮ５)临时地物(如临时土堆等静地物ꎬ车辆㊁行人㊁飞鸟㊁船只等动地物)㊁粗差点等须剔除ꎮ６)对于制作ＤＥＭ需要滤除的地物须放到相应的类别ꎬ不能删除ꎮ７)对分类错误的点ꎬ采用人机交互的方式重新进行分类ꎮ分类时ꎬ以点云剖面为主要判断依据ꎬ粗略正射影像仅作参考ꎻ在比较平滑的或直线区域切剖面时ꎬ剖面宽度可适当放大ꎬ在拐角尤其是立交桥㊁高架公路等接地与架空的临界区域ꎬ剖面尽量要窄ꎬ务求精确ꎮ８)静止水域如池塘㊁湖泊㊁水库应进行置平处理(面积大于２０ｍˑ２０ｍ)ꎮ９)河流㊁沟渠水涯线上的高程值应从上游到下游逐渐降低ꎬ水涯线同一平面位置水涯线高程值相同(宽度大于２０ｍ)ꎮ１０)水域置平时添加的特征点保存至１１－ｗａｔｅｒ层ꎮ１１)点云所有信息不能缺少ꎬ如时间㊁强度㊁航带等信息ꎮ４㊀数据处理过程４.１㊀居民地及设施地面上的一些特殊地物㊁形状一般比较规则ꎬ如人工搭建的舞台㊁讲台等ꎬ归入非地面点层ꎬ粗略正射影像ꎮ一些建筑物顶面的点云没有或部分归入非地面点层时ꎬ须通过剖面将建筑物顶面的点云归入非地面点层ꎬ建筑物顶面以上的附属设施归为非地面点层ꎮ建筑工地地形比较复杂ꎬ分类时需参考影像判断地物类型ꎬ打在较高管道㊁旗杆等上比较零散的点云要归入非地面点层ꎻ打在乱石堆㊁砖瓦堆等建筑材料上的点云ꎬ须归入非地面点层ꎮ从剖面可以看出是一个厂房ꎬ将厂房建筑物顶面全部归入非地面点层ꎬ建筑物底部保留在地面点层ꎬ如图１㊁图２所示ꎮ图１㊀厂房原始点云和模型Ｆｉｇ.１㊀Ｐｌａｎｔｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ对于居民地密集的区域ꎬ很难从模型上看出是否分类正确ꎬ要结合参考影像和剖面来判断地物类型ꎬ将高出地面部分的点归入非地面点层ꎬ保留地面点ꎮ对于居民图２㊀归类后的点云和模型Ｆｉｇ.２㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ地密集的区域要反复拉剖面ꎬ建筑物的边缘要归到非地面点层ꎬ如图３㊁图４所示ꎮ图３㊀居民地原始点云和模型Ｆｉｇ.３㊀Ｒｅｓｉｄｅｎｔｉａｌｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ图４㊀归类后的点云和模型Ｆｉｇ.４㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ４.２㊀交通设施交通设施分类主要是公路及其附属建筑物和桥梁的分类ꎮ公路道路上的附属物如高架的公路㊁立交桥架空部分ꎬ底部有１０ｍ以上的较宽涵洞穿过的公路㊁桥梁等ꎬ所有架空部分都要归入ｂｒｉｄｇｅ层ꎬ底部跨度１０ｍ以下的涵洞归为Ｇｒｏｕｎｄ层ꎮ电线杆㊁路灯等ꎬ作为非关注信息保存在自动分类层中ꎬ不需要进行人工修改ꎮ如图５㊁图６所示对十字路口进行重分类ꎬ绿化植被㊁花坛等附属物要归到非地面点层ꎮ图５㊀十字路口原始点云和模型Ｆｉｇ.５㊀Ｃｒｏｓｓｐｏｉｎｔｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ８２１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２０年图６㊀归类后的点云和模型Ｆｉｇ.６㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ这里需要注意的是ꎬ架空部分的桥梁不是归入非地面点层ꎬ而是归入到桥层ꎮ如图７㊁图８所示ꎮ图７㊀桥梁原始点云和模型Ｆｉｇ.７㊀Ｂｒｉｄｇｅｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ图８㊀归类后的点云和模型Ｆｉｇ.８㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ４.３㊀地貌和地质坡㊁坎上的激光点ꎬ通过剖面图㊁影像可以判断是实际地形特征的㊁地面无临时性地物的归入Ｇｒｏｕｎｄ层ꎻ低于周围地面的点云ꎬ拉剖面发现高程均匀分布ꎬ影像辅助判断为坑ꎬ须归入Ｇｒｏｕｎｄ层ꎻ堤坝㊁田埂周围植被将堤坝田埂部分覆盖ꎬ导致无激光点穿透到地面ꎬ则该区域的点云归入非地面点层ꎻ如果只是一些零散没有规律的点ꎬ影像辅助判断未发现明显特征ꎬ则归入非地面点层ꎮ如图９㊁图１０所示ꎬ通过人工判读可以发现是一块山地ꎬ属于地面点层ꎬ但由于算法错归类ꎬ这时就需要将非地面点层重新归入到地面点层ꎮ图９㊀地貌原始点云和模型Ｆｉｇ.９㊀Ｇｅｏｍｏｒｐｈｉｃｐｒｉｍｉｔｉｖｅｐｏｉｎｔｃｌｏｕｄｓａｎｄｍｏｄｅｌｓ图１０㊀归类后的点云和模型Ｆｉｇ.１０㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ４.４㊀水㊀系对河流㊁湖泊等内的点云ꎬ有明显高于水平面或者低于水平面的点㊁孤岛点㊁河岸两边的树木点归入非地面点层ꎬ采集水涯线添加特征点将水域置平ꎬ将特征点读入点云保存至１１－ｗａｔｅｒ层ꎬ特征线范围内的点归入到非地面点层ꎮ干涸或部分干涸的河流㊁湖泊等ꎬ其裸露部分要归入Ｇｒｏｕｎｄ层ꎬ如果河流或湖泊由两条或多条航线拼接而成ꎬ且扫描时间不一致ꎬ造成点云上显示部分有水ꎬ此时ꎬ应该切剖面检查点云是否平整ꎬ如果不平整ꎬ将高出的归入非地面点层ꎬ如平整保留在Ｇｒｏｕｎｄ层ꎻ河流㊁池塘㊁水田等水系中的堤坝㊁拦水坝㊁水闸㊁田埂等区域ꎬ通过切剖面将较低层归入Ｇｒｏｕｎｄ层ꎬ在模型上应保持连续ꎮ如图１１㊁图１２所示ꎬ先用范围线勾勒出水范围ꎬ利用高程查看工具找出范围线上最低点高程赋值给水域ꎬ再置平ꎮ图１１㊀水域原始点云和模型Ｆｉｇ.１１㊀Ｗａｔｅｒｓｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ４.５㊀植㊀被植被密集覆盖区域(如点云判断ꎬ平均树高大于９２１第３期王㊀瑚等:基于ＴｅｒｒＳｏｌｉｄ对机载雷达ＤＥＭ重提取方法研究１０ｍꎻ影像辅助判断ꎬ树木连续覆盖面积大于１００ｍ２)ꎬ较少激光点穿透到地面ꎬ分类时ꎬ发现与其他区域地面点高程相近的激光点ꎬ归入Ｇｒｏｕｎｄ层ꎬ否则归入非地面点层ꎻ若无较低激光点ꎬ点云剖面比较平滑ꎬ此时ꎬ须进行与其他区域比较㊁影像辅助进行正确判断ꎻ自动分类时ꎬ错归为Ｇｒｏｕｎｄ层的植被点应重新人工编辑分类ꎬ归入非地面点层ꎮ图１２㊀归类后的点云和模型Ｆｉｇ.１２㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ图１３㊁图１４是密集植被ꎬ通过拉剖面归入非地面点层ꎮ图１３㊀密集植被原始点云和模型Ｆｉｇ.１３㊀Ｄｅｎｓｅｖｅｇｅｔａｔｉｏｎｐｒｉｍｉｔｉｖｅｐｏｉｎｔｃｌｏｕｄｓａｎｄｍｏｄｅｌｓ图１４㊀归类后的点云和模型Ｆｉｇ.１４㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ图１５㊁图１６通过模型判断应该为公园等某一区域ꎬ该区域内植被较多且比较分散ꎬ需将所有分散植被通过拉剖面归入非地面点层ꎮ图１５㊀分散植被原始点云和模型Ｆｉｇ.１５㊀Ｓｃａｔｔｅｒｅｄｖｅｇｅｔａｔｉｏｎｏｒｉｇｉｎａｌｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌ图１６㊀归类后的点云和模型Ｆｉｇ.１６㊀Ｐｏｉｎｔｃｌｏｕｄａｎｄｍｏｄｅｌａｆｔｅｒｃｌａｓｓｉｆｉｃａｔｉｏｎ５㊀结束语通过以上对比可以发现ꎬ归类后的点云模型相比原始模型分类更加正确ꎬ导出的ＤＥＭ精度也比之前的高很多ꎮ本次试验效果良好ꎬ但美中不足的是需要人工干预的地物㊁地貌较多ꎬ既给内业处理工作人员增加了工作量也减小了企业的经济效益ꎬ相信随着ＬｉＤＡＲ点云分类算法的成熟完善ꎬ将会为机载ＬｉＤＡＲ提取ＤＥＭ带来一次新的革新ꎮ参考文献:[１]㊀张金盈ꎬ胡小庆ꎬ张广庆.机载ＬｉＤＡＲ点云更新１ʒ１万ＤＥＭ关键技术探讨[Ｊ].山东国土资源ꎬ２０１４ꎬ１０(１０):６４－６６.[２]㊀刘全海ꎬ冉慧敏.机载ＬｉＤＡＲ点云数据的后处理及应用[Ｊ].城市勘测ꎬ２０１３ꎬ４(２):９２－９４.[３]㊀李春晓ꎬ丁黎ꎬ刘璐ꎬ等.基于机载ＬｉＤＡＲ数字提取城区数字高程模型[Ｊ].测绘技术装备ꎬ２０１６ꎬ１８(４):８４－８６.[４]㊀樊敬敬.基于机载ＬｉＤＡＲ点云数据的城区植被与建筑物的提取研究[Ｄ].徐州:中国矿业大学ꎬ２０１６.[５]㊀刘少春.基于机载ＬｉＤＡＲ点云数据的ＤＥＭ提取研究[Ｄ].阜新:辽宁工程技术大学ꎬ２０１４.[编辑:刘莉鑫](上接第１２６页)[２]㊀李崇贵ꎬ陈峥ꎬ丰德恩ꎬ等.ＡｒｃＧＩＳＥｎｇｉｎｅ组件式开发及应用[Ｍ].北京:科学出版社ꎬ２０１２.[３]㊀白晓辉ꎬ顾娟ꎬ王红ꎬ等.基于Ｗｅｂ服务的空间数据互操作的 分建共享 方式研究[Ｊ].测绘与空间地理信息ꎬ２０１６ꎬ３７(１１):５９－６１.[４]㊀李德仁ꎬ邵振峰ꎬ黄俊华.面向服务的数字城市共享平台框架的设计与实现[Ｊ].武汉大学学报(信息科学版)ꎬ２００８ꎬ３３(９):８８１－８８５.[５]㊀马英俊.基于Ｏｒａｃｌｅ数据库与ＡｒｃＳＤＥ结合的空间数据库性能优化[Ｄ].北京:北京邮电大学ꎬ２０１１.[编辑:刘莉鑫]０３１㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀测绘与空间地理信息㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀㊀２０２０年。

基于LIDAR技术的地貌变化监测方法与案例概述：地貌变化是自然界中普遍存在的现象，对于了解地球表面演变和环境保护具有重要意义。

传统的地貌监测方法通常需要大量的时间和人力投入，且结果往往不够准确。

随着LIDAR技术的发展和应用，地貌变化监测得到了极大的改进和提升。

本文将介绍基于LIDAR技术的地貌变化监测方法，并结合实际案例进行说明。

一、LIDAR技术概述LIDAR（Light Detection and Ranging）是一种利用激光雷达测量距离和地物位置的技术。

它通过发射脉冲激光束并记录反射时间来计算出目标物体的距离和空间位置。

相比传统的测量方法，LIDAR技术具有高精度、高效率和全天候性的特点，广泛应用于地质、测绘、环境监测等领域。

二、基于LIDAR技术的地貌变化监测方法1. 数据获取与预处理首先需要获取地貌变化的目标区域的LIDAR数据，包括激光点云和数字地面模型（DEM）。

然后对数据进行预处理，包括数据配准、去噪、滤波等操作，以提高数据质量和准确性。

2. 高程差异分析将两个时期的DEM数据进行比较，计算出地表高程的差异，从而得到地貌变化的情况。

通常使用的方法有高程差异图、高程变化率图、等高线变化图等，可以直观地反映出地表的变化情况。

3. 地表体积变化计算通过对DEM数据进行体积计算，可以得到地表的体积变化情况。

这对于研究地表的侵蚀、沉积等过程非常有意义。

通常可以采用积分法、面积法等方法来计算地表体积的变化。

4. 空间模式分析通过对LIDAR数据进行空间模式分析，可以揭示地貌变化的空间特征和演化规律。

常见的分析方法包括高程分布图、等高线分析、变化矢量图等，可以帮助研究人员全面理解地貌的变化过程。

三、案例分析以某山区为案例进行地貌变化监测。

首先采用LIDAR技术获取了两个时期的LIDAR数据，包括2010年和2020年的激光点云和DEM数据。

然后进行数据配准和去噪，以提高数据质量。

通过对两个时期的DEM数据进行高程差异分析，发现该山区存在明显的地貌变化。