LiDAR数据与光学影像融合

LiDAR传感器可以生成具有返回信号强度的3D点云数据。目前的硬件系统可以得到多脉冲信号或全波形信号。与航空或航天光学影像相似，需要对LiDAR点云进行大量的后处理以提取精确的地形信息。LiDAR数据与影像融合已经有了很多成功的应用，如数字表面模型生成、三维目标的提取和建模、土地覆盖制图等。

LiDAR数据与航空影像融合的一个最重要应用是生产高精度的DSM和DEM。传统DSM和DEM的生成方法是基于航空或卫星影像的立体匹配技术。如果影像匹配精度可靠，基于影像生产的DSM会比LiDAR数据生成的DSM精度更高。这是因为航空影像地面分辨率通常比LiDAR数据的点间距高，并且航空影像可以比LiDAR数据更好地保留边缘和角点信息。然而，在纹理均匀区域很难进行影像匹配，因此很难得到平坦地区的高精度DSM和DEM，而LiDAR可以获得这些区域的精确测距数据，通过内插可以对地形特征进行细致描述。当前的技术水平，仅利用LiDAR数据或仅利用影像，很难得到满足各种应用需求的高精度城区DSM和DEM。

LiDAR数据与航空影像融合的另一个重要应用是目标识别和三维重建，这也是摄影测量与遥感应用的重要内容。与光学影像相比，LiDAR在自动目标提取方面有缺点也有优势。一方面，LiDAR数据易于获取用来区分不同物体特别是人造目标的表面几何属性；另一方面，LiDAR数据只能提供目标表面的有限反射和吸收信息。光学影像传递的是多光谱信息，与LiDAR数据相比，光学影像比较容易提取目标的边界信息，特别是在高度不连续的区域。综合考虑LiDAR数据和航空影像的优缺点，将两类数据结合起来可以提高目标提取的自动化程度和鲁棒性。因此，基于二者融合的建筑物和道路提取及重建受到了越来越多学者的关注。Hu等(2004)利用Hough变换对LiDAR滤波数据进行道路网的检测和提取，同时利用彩色影像对植被区域进行排除。由于道路常常位于场景中最低目标的中间，在影像中它们经常被较高目标如树和建筑物等的阴影遮挡。而Li-DAR具有对植被较高的穿透能力和较小的视场，在机载LiDAR数据中道路很少被其他高目标遮挡。

LiDAR数据与光学影像融合用于土地覆盖制图已经成为当前研究的一个热点问题。激光扫描数据利用其高度差异可以区分不同土地利用/覆盖类型甚至上层树冠的结构，这是对基于光谱和结构特征分类方法的重要改进。Park等(2001)将LiDAR数据与彩色数码影像融合进行土地覆盖分类，结果表明融合多源影像可以显著提高分类精度。利用Li-DAR信号的多脉冲或全波形信息，可以对土地覆盖的垂直结构和组成，如植被进行分析，因为该系统可以接收从叶面、树枝、树干以及地面返回的信号。