基于数据流的TIN迭代滤波算法

通过机载LiDAR数据滤波获取地面信息是机载LiDAR数据的一项重要且基本的应用。基于现行的滤波算法都有一定的应用局限,本文提出了一种基于数据流的TIN滤波算法。该方法基于流的思想,首先对机载LiDAR数据进行点流的空间结点化,之后在构建Delaunay三角网的同时,进行插入点判断。通过试验区数据的滤波验证,此算法能够较好地滤除地物点,保持地形;提高了滤波效果的同时,在算法效率上还占有一定优势。     

渐进加密的点云滤波算法效率分析与优化

滤波是机载LiDAR点云数据处理中极为重要的步骤,也是时间消耗较大的环节。该文分析了基于TIN渐进加密滤波算法各个阶段的效率,针对其中最为耗时的点定位阶段,比较了使用不同点定位方法的滤波效率,提出了一种基于二级格网的逆向点定位方法。在不同层次的迭代滤波过程中,该方法将待判脚点以大小不同的格网进行组织,然后从各个三角形面片出发,判定三角形中包含的待判点。实验表明,该方法能很好地适应于机载LiDAR数据从大量三角形中快速定位大量待判点的问题,滤波效率得到明显优化。对研究基于TIN渐进加密的点云数据滤波效率提升有一定实用意义,也可为研究TIN快速构建算法提供参考。     

基于机载LiDAR点云的道路点滤波提取方法研究

提取出道路地面点对于从机载LiDAR数据中提取地物有重要意义,论文提出了一种滤波方法提取道路地面点。首先,通过LiDAR数据中的道路特征的高程值进行区域分割,保存粗略数据;然后再根据LiDAR数据中的反射强度进行第二次滤波,超出反射强度某阈值的点划分为非地面点,剔除此部分点;第三次对已提取出的点进行分析,根据道路点密集的特征剔除周围反射强度符合阈值但形状稀疏的孤立点。实验结果表明该算法对地面点的提取效果较好,具有一定的实用性。     

一种高程相关的机载LiDAR点云配准方法

针对现有配准方法难以提取大范围机载LiDAR点云特征信息的问题,提出了一种基于2片待配准机载LiDAR点云高程数据相关的点云自动配准方法。首先,将待配准点一定范围内的点云拟合局部曲面;然后,在另一点云片中确定搜索区域,利用拟合结果求解搜索区域内的点云在拟合曲面上的高程;最后,通过计算拟合高程与实际高程的相关系数,选择搜索区域内相关系数最大位置作为配准的关键点参与点云配准,反复迭代直到完成配准。文章用实际采集的机载LiDAR数据进行了实验分析,并与传统的ICP算法进行了对比。实验结果表明,该方法在配准精度上能达到较高的水准,能够满足机载LiDAR点云配准的要求。     

无需阈值支持的机载LiDAR点云数据滤波方法

点云数据滤波仍旧是现阶段机载LiDAR数据后处理的首要步骤,但其发展尚未完全成熟。在回顾和总结已有滤波算法的基础上,将统计学中偏度与峰度的概念引入到算法中,提出了一种新的基于偏度平衡的地面点与非地面点非监督分类方法,利用统计矩原理从LiDAR点云数据生成的DSM中有效地提取DTM。该方法区别传统算法的最大的优势在于无需参数或者阈值支持,并且相对于LiDAR点云数据的格式和分辨率是独立的。实验结果证明,该方法切实可行,具有较强的适应性,并且能够较好地满足精度要求。     

一种改进的基于平面拟合的机载LiDAR点云滤波方法

在分析现有方法优劣的基础上,提出一种改进的基于平面拟合的机载LiDAR点云滤波方法。首先基于区域生长算法对重采样的LiDAR数据图像分割,提取最大连通区域为初始地面,然后基于坡度阈值剔除初始地面内的地物点,最后对筛选后的地面点克里金插值实现滤波。采用国际摄影测量与遥感学会(ISPRS)提供的测试数据进行实验,研究了设置不同坡度阈值对滤波结果产生的影响。结果表明,坡度阈值取0.5时滤波效果最优,整体错误率仅为4.29%。与传统的基于平面拟合的滤波方法相比较,该方法更简单实用。     

一种改进的LiDAR数据多级曲面滤波方法

针对机载LiDAR点云数据粗差点剔除运算复杂度高、地形复杂地区滤波精度较低等问题,提出了一种基于多项式曲面拟合的改进的多级曲面滤波方法。首先采用一种快速的统计坐标直方图的方法去除点云中的粗差点,然后通过形态学运算和插值寻找格网内可靠的种子点拟合局部曲面,设定自适应阈值完成地面点和非地面点的判断。该过程在不同窗口大小下迭代进行,由粗到细最终得到一个精确的地面模型。该算法结构简单、易于实现,针对标准滤波数据集的实验结果表明,对于不同地形复杂程度的地区,该方法都能够进一步提高滤波精度,满足实际应用的需求,具备一定的使用价值。     

结合OTSU与迭代三角网的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中受地形影响参数设置困难,建筑物、树木难以区分等问题,提出一种结合最大类间方差法与迭代三角网相结合的机载LiDAR建筑物点云提取算法。在已有滤波结果的基础上,首先采用最大类间方差法对滤波得到的非地面点进行预处理,提取初始建筑物点;然后运用改进的迭代三角网方法对初始建筑物点云进行精确提取,得到最终的建筑物点云。实验选取国际摄影测量与遥感协会提供的三组LiDAR点云数据进行建筑物点云提取。结果表明,该算法可以较好地实现建筑物点云的高精度自动提取,且对不同屋顶类型以及地形具有良好的自适应性,验证了算法的可靠性。     

城区LiDAR点云自适应坡度的滤波算法

针对机载LiDAR系统所获取的离散点云中地面点与非地面点有效分离的问题,提出了一种适合城区分类的自适应坡度滤波算法。首先,充分考虑点云数据组织形式以及地表形态,借鉴基于坡度滤波的基本原理,实现坡度值的自适应更新。其次,该算法也是一个迭代更新的过程,在该过程中不仅可以更新坡度值,同时可以更新DTM,能够很好地顾及大尺度数据整体的地形起伏和局部细节。最后,采用3组不同类型的数据对算法进行定性或定量方面的分析,以验证该算法性能的可行性。     

结合OTSU与迭代三角网的机载LiDAR建筑物点云提取

针对机载LiDAR建筑物点云提取过程中受地形影响参数设置困难,建筑物、树木难以区分等问题,提出一种结合最大类间方差法与迭代三角网相结合的机载LiDAR建筑物点云提取算法。在已有滤波结果的基础上,首先采用最大类间方差法对滤波得到的非地面点进行预处理,提取初始建筑物点;然后运用改进的迭代三角网方法对初始建筑物点云进行精确提取,得到最终的建筑物点云。实验选取国际摄影测量与遥感协会提供的三组LiDAR点云数据进行建筑物点云提取。结果表明,该算法可以较好地实现建筑物点云的高精度自动提取,且对不同屋顶类型以及地形具有良好的自适应性,验证了算法的可靠性。