摄影测量与遥感领域。
背景技术：
机载激光雷达技术已经成为一种重要的航空遥感技术，它用于估测森林参数的研究始于 80 年代中期，并为越来越多的学者所关注。机载激光雷达技术通过主动获取三维坐标信息来定量估测森林参数，尤其在估测林木高度及林木空间结构方面具有独特的优势。但在1980年时就发现使用小脚印激光雷达系统会导致低估树高。激光点主要打在树的“肩部”而不是树的顶部。
因此，为了探测森林植被的最高部分需要激光点云数据有足够的密度来对树顶进行采样。中低空无人飞行器是高分辨率、高精度遥感影像快速获取的有效手段，具有起降条件宽松，机动灵活，数据采集效率高，可以完全摆脱云层遮挡的影响等优势。但是针对无人机数据处理与加工能力提高不大，使用原始影像很难直接提取林木参数，很难满足林业应用需求。急需研究相应的自动处理算法。
使用无人机密集匹配方法获取的点云数据只能获取林区数字表面模型。但是很难获取林区内部信息。而激光雷达由于具有穿透性所以可以反映林木整体结构，因此联合使用激光雷达数据和无人机密集匹配数据能够更好的反映林区林木结构，研究相应的融合提取算法和相应的数学模型。。
技术实现要素：
3.1中低空林区遥感图像的智能匹配
由于含树木的遥感影像纹理比较复杂，使得影像匹配时初始视差的确定和同名点的搜索变得非常困难，传统的影像匹配方法根本无法获得准确可靠的同名点。因此需要突破林区中低空自由飞行遥感影像的自动数据整理，无POS情况下基于多种特征的智能匹配等关键技术，并采用多基线立体影像匹配、金字塔匹配，多特征匹配等策略提高匹配成功率。采用分类技术获取地面点和非地面点，从而提高空三连接点的可靠性。
3.2中低空遥感图像区域网平差
中低空数码影像的整体区域网平差是保证最终成果精度的最重要手段。低空遥感影像的航向和旁向重叠度一般较大，理论上不仅可以提高整体平差的精度和可靠性，也非常有利于粗差观测值的探测和剔除。但是，中低空自由飞行数码影像的重叠度和姿态角变化大，需要设法构建较为准确的自由区域网作为整体平差的初始值，保证区域网平差的快速收敛性。另外，整体区域网平差涉及像点观测值，如何压缩存储并快速解算超大规模法方程组、如何准确计算各类观测值的方差并重新确定各类观测值的权值、如何进行附加系统误差参数的自适应估计、如何计算各观测值的多余观测分量以确定内外部可靠性、如何进行粗差的智能探测与剔除都需要进行分析研究。
3.3中低空林区遥感图像的点云自动生成
点云自动提取是快速获取遥感区域数字表面模型的重要方法，点云自动提取主要基于影像密集匹配技术匹配密集的同名像点，然后利用影像平差后的方位元素前方交汇获取密集的三维点云。对于中低空自由飞行的遥感影像来说，由于影像之间的姿态角变化大、相对航空较低、视差断裂情况较多等不利因素的影响，导致影像纹理变形较大，常规的密集匹配算法会产生匹配可靠性低，点的密集程度不够等问题。为解决中低空遥感影像的地形信息自动提取问题，一方面，需要在密集匹配前就对影像进行几何处理，适当减小影像的姿态角与相对航高问题导致的影像变形；另一方面，需要改善密集匹配的算法。密集匹配算法对林区以及城区需要不同的算法，城区需要保建筑物的边缘，同时也能很好的恢复树木信息，林区需要特殊的算法。
3.4基于摄影测量方法生成的点云与激光雷达点云的融合
目前，遥感数据的配准基元通常分为点特征、线特征和面特征。由于机载LIDAR数据与光学影像的差异，难以直接从中寻找同名点作为基元，而采用灰度区域方法则能简单地解决配准基元对应的问题，它通过比较影像上一定大小窗口中灰度分布的相似程度，以此作为配准的依据实现配准。有学者利用互信息最大化最为相似性测度进行LIDAR数据与光学影像数据的配准。此类方法的优势就在于不需要提取目标中的地物特征进行配准，可用于缺少建筑物等具有规则形状目标的区域，不足就是对于大范围区域采用互信息进行全局配准的效率不高。对此，有学者从摄影测量原理出发，对多幅重叠影像进行立体匹配生成三维点集，将LIDAR数据与重叠影像的配准转化为两个点云之间的配准问题。但由于LIDAR点云与影像匹配的点云存在较大差异，前者分布相对均匀，后者通常集中位于纹理或灰度突变处，两者之间没有真正意义上的同名点，因此目前常采用迭代最邻近点（ICP）算法进行两者的最优配准。