使用显著性划分的机载激光雷达点云滤波

点云滤波是机载激光雷达点云数据处理的一个关键步骤。针对目前已有算法存在的单一方法在特定地形的点云滤波效果较好，而对于复杂或混合地形滤波效果不理想的现状，提出了一种基于点云网格地面显著性的点云滤波方法。该方法在点云以虚拟网格组织的基础上，使用扫描线高程分割的方式，计算各网格单元的地面显著性指标，依据地面显著性值对网格内的点云进行地形类别划分，对不同类别的网格单元，使用不同的滤波处理手段。该方法与其他经典方法相比，避免了迭代加密过程，在起伏区域使用曲面而非平面来代替局部地形，在不显著增加计算量的情况下，对于复杂和混合地形具有更好的适应性，能够生成可靠性较高的地面点集合。     

基于改进DBSCAN的星载激光雷达数据多尺度滤波研究

星载激光雷达数据滤波过程易受复杂背景、粗差点、噪声点等问题的干扰,导致滤波效果大幅度下降,所以研究基于改进DBSCAN的星载激光雷达数据多尺度滤波方法。采用改进DBSCAN算法对星载激光雷达数据做聚类处理,并标记噪声点,通过半球形邻域算法提取点云数据特征。根据提取到的点云数据特征构建规则格网,通过格网的多路径效应剔除点云数据中的粗差点与噪声点,完成星载激光雷达数据多尺度滤波。实验结果表明,所提方法的星载激光雷达数据多尺度滤波误差较低、滤波效果好,实际应用价值较高。     

高斯混合聚类对移动曲面拟合滤波分类的应用

为了提高激光雷达点云滤波算法的精度和自适应性,对移动曲面滤波算法进行改进。采用格网边界点构建曲面约束条件,检验格网内是否全部为建筑物点。利用区域拟合求解地形的起伏,引入机器学习中高斯混合模型(GMM)对地形起伏进行滤波分类,将移动曲面中的种子点作为聚类算法中的靶向点参与分类学习。实验数据为雷达飞行的自测区,对于自测区采用随机抽样的方式,检验判断滤波效果。同时为检验GMM算法的准确性,在三类误差检验方式的基础上,增加了Kappa系数作为检验方式。通过与谱系聚类分类算法对比,证明所提算法能取得较好的滤波效果。     

基于背包LiDAR点云多尺度渐进DTM构建方法

针对传统滤波方法对于背包点云数据在地形陡峭、植被覆盖广的复杂地区的滤波精度较低的问题,提出一种基于背包LiDAR点云多尺度渐进数字地面模型(DTM)构建方法。首先,利用最小二乘法由地面种子点拟合出DTM曲面,并构建出渐进式DTM;然后,通过多尺度形态学开运算进行地物点探测;最后,通过设定自适应滤波阈值函数实现地面点的提取。选取4组位于复杂地形区域的背包LiDAR点云数据进行实验分析,本文方法得到的平均总误差为7.88%;与3种传统的滤波算法(LAStools、MCC和CSF)进行滤波对比分析,本文方法在4个实验区域内的总误差均明显低于以上3种方法的滤波总误差。此外,本文方法不需要设置复杂的参数,能够根据地形的变化自适应地调整滤波阈值,具有较强的鲁棒性。     

顾及地物邻域特征的LiDAR点云布料模拟滤波优化

布料模拟滤波算法在LiDAR点云的地物分离中起到重要作用。但是,此方法得到的地面点云中往往含有残留的非地面点云,导致滤波分类结果不彻底、不准确。本文提出一种顾及地物邻域特征的布料模拟LiDAR点云滤波自动优化算法,可以快速精准地解决这一问题。首先,对LiDAR点云进行布料模拟滤波处理,在其分类结果的基础上对非地面点云进行组件分割,得到具有缓冲区域的一系列点云子集;其次,拟合子集所在地面点云得到主平面,对地面点云进行高程归一化处理;最后,利用第三势差算法对每块地面点云进行滤波优化处理。选取三组有代表性的实验数据进行测试,结果表明：相较于布料模拟滤波算法,本文方法整体精度得到提升,尤其是在布料模拟滤波算法的Ⅱ类误差上有着明显优化效果,Ⅱ类精度平均提升12.3%,可有效解决布料模拟滤波算法分类结果中存在残留的问题。     

机载LiDAR点云分块插值滤波

现有机载激光雷达（LiDAR）点云滤波算法在简单地形下取得了较好的滤波效果,但普遍对陡坡地形适应性较差。为提高在不同地形下的滤波性能,提出了基于分块的多尺度表面插值滤波算法。该算法首先通过改进的区域增长分块算法将原始点云分为点云块集和散点集,然后通过构建的多尺度表面插值算法同时对点云块和散点进行分类。利用国际摄影测量与遥感学会(ISPRS)提供的基准数据验证表明,该方法在15个样本中有11个样本滤波效果优于现有滤波方法,对各类地形均有较强适应性,且该方法平均总误差最小。对三种不同地形特征的高密度数据滤波实验,也验证了该方法的良好性能。     

布模拟算法在机载雷达点云滤波中的研究

点云就是用物体表面大量的点将现实三维世界的物体离散化表示,所谓的点云滤波,就是指要区分开哪些点云属于地面(称为地面点),哪些点云属于高出地面的地物(如建筑物、树木、车辆等),点云滤波是后续点云数据处理的关键步骤。文章将介绍布模拟滤波(Filtering Method Based on Cloth Simulation)算法原理,基于美国国际摄影测量与遥感协会提供的数据来做滤波,实验表明在大多数地形下,相比传统的点云滤波算法,布模拟算法滤波效果比较好。     

PTD算法在激光三维点云数据滤波中的应用

提高激光三维点云数据滤波精度,有助于构建高精度的地表模型,为此,提出了基于点云地面点滤波算法的激光三维点云数据滤波方法。采用双边滤波算法消除激光三维点云数据中存在的噪声,提取的法向量、回波率以及后向散射系数,将其输入支持向量机完成激光三维点云数据的分类,采用点云地面点滤波算法实现三维激光图像双边滤波处理。结果表明,本方法的数据滤波处理误差低于2.0%,信息熵与峰值信噪比为9.74和23.44 dB,获取的三维激光图像清晰度高。     

恐龙谷南缘山区DIM点云的PTD滤波改进试验研究

无人机DIM点云滤波处理是地物分类、地物单体化提取和地形特征分析的关键步骤,为解决高原山区因地形复杂而导致DIM点云滤波处理难度大和精度低等问题。选择以滇中高原恐龙谷南缘山区为试验区,首先利用DJI Phantom 4 RTK采集影像数据,解算密集影像获取DIM点云;其次,考虑山体点与地面点有较大高程差,选择经典PTD滤波算法对实验区密集匹配点云进行滤波处理;最后,综合考虑实验区山顶和山脚存在较大高程差且山体两侧沟壑丛生,山体两侧地面点易被识别为非地面点,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构建不规则三角网的改进PTD滤波算法。结果表明：1)PTD滤波算法得到地面点较为完整保留整个实验区,但明显的地物如山体两侧低矮植被和山脚蔬菜大棚基本未被剔除,且山体部分的地面点易被识别为非地面点而在出现山体K1、K2、K3区域的空洞现象。2)针对恐龙谷南缘山区复杂地形,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构网,山体低矮植被部分清除,相对于PTD滤波算法蔬菜大棚大面积被清除。并且山体两侧地面点得到较为完成保留,未出现明显点云空洞的现象。     

融合强阈值三角网与总体最小二乘曲面拟合滤波

机载LiDAR点云数据滤波是LiDAR数据后处理过程中的关键步骤。在分析三角网滤波与曲面拟合滤波特点的基础上,提出了一种由粗到精的处理思想用于LiDAR点云数据滤波。该方法通过强阈值三角网算法进行II类误差优先的粗分类,获取可靠性较高的初始地面点,以粗分类结果作为先验信息进行种子点选取,引入总体最小二乘算法完成曲面拟合,设置自适应阈值实现不同区域灵活处理,最终得到较为精细的地面模型。使用ISPRS测区数据及Niagara数据进行实验,与经典滤波算法及传统曲面拟合方法进行对比,实验结果证明,该方法较传统算法能够得到更加可靠的滤波结果,对各种地形的适应性较强,具备较高的实用价值。     

基于点云配准的多固态激光雷达标定算法

针对多个固态激光雷达协同工作时,需要准确地进行外参标定的实际需求,提出一种基于点云配准的多固态激光雷达自动标定算法。该标定算法由标定物分割、初始配准和精确配准三个阶段构成。在标定物分割阶段,首先通过叠加多帧非重复扫描数据制作标定点云,再使用半径滤波和体素下采样滤波分割出纹理特征明显的目标点云。在初始配准阶段,使用3D-HARRIS算法提取关键点,并使用方向直方图(SHOT)特征描述子进行特征描述,然后匹配对应点并使用采样一致算法完成初始配准;在精配准阶段使用迭代最近邻(ICP)算法进行精确配准,从而获得精确的外参标定效果。在Bunny兔数据集和现场获得的数据上进行实验,结果表明,当保证配准平均误差小于1 mm的前提下,所提出算法的性能优于多种现有算法。     

基于TIN的LIDAR点云过滤算法

机载激光雷达是一种快速获取高精度三维地理数据的新技术,对其获取的不规则分布的三维点云数据过滤处理是目前的研究前沿,也是机载激光雷达应用的关键技术.本文在分析典型地物激光雷达点云空间分布基本规律的基础上,重点研究了典型地物表面及其边缘的点云空间分布特征及基于TIN结构的邻近点云高程突变规律,并设计了相应的点云过滤算法.论文还对算法的参数选择及相应的误差进行了探讨,并进行了LIDAR数据DEM提取实验.     

植被茂密地区点云双重滤波方法研究

为了解决目前机载激光雷达点云滤波算法中特征单一、运算效率低、植被覆盖区效果较差等问题,提出一种植被茂密地区的点云自适应双重滤波方法.首先利用回波分离方法,分别提取点云的单次回波和末次回波进行粗滤波处理;然后利用偏度平衡理论进行单次回波的强度阈值确定,同时利用最大类间方差法对首次回波和末次回波的高程差进行高差运算,实现末...     

复杂环境中电力线激光点云的自动提取

为了解决目前复杂环境下电力线提取精度及鲁棒性低的问题，提出了一种基于激光点云的电力线自动提取方法。通过主成分分析确定输电线路的主方向，将长距离输电走廊划分为多个空间网格，以应对地形起伏变化时植被点云对提取算法的干扰；再通过一种自顶向下的全新滤波算法剔除每个空间网格的地物点，根据点云密度分布差异实现电力线和电塔的自动分离；另外, 提出半径搜索算法对分离后的结果进行处理，得到单条电力线的激光点云数据。结果表明，所提出的方法对电力线的提取精度高达99.69%，针对不同连接塔型和不同地形都具有很好的鲁棒性。该研究在输电通道空间结构的自动分析领域以及智能巡检领域具有良好的工程应用价值。     

基于平坦度的激光雷达强度图像的滤波算法

激光雷达是一种比较新的获取地面信息的方法，这种方法得到的数据不仅包括不规则间距的三维数据点云，还包括激光强度信息。现有的激光雷达数据处理方法大都是将三维数据点进行处理得到数字地面模型（DTM），对于激光强度信息的处理方法的研究比较少。针对激光雷达数据中像素级融合了三维信息和强度信息的特点，提出了一种基于高程信息平坦度的均值滤波算法。先将激光雷达的强度信息转换为灰度图像，然后在对各像素进行均值滤波处理时，融合了对应的激光雷达距离信息中该像素邻域内的高程信息。运用此算法和传统均值算法对激光雷达数据进行了处理，并且使用多种指标对处理结果进行了比较。结果表明，该算法既保持了传统均值滤波的优点，又改进了对弱边缘目标的保护。     

基于机载激光点云的电力线自动提取方法

为了解决地形、走向复杂、点云密度不均匀的输电线路的电力线提取精度低的问题,提出了一种高效的电力线自动提取和重建方法.首先通过空间分割和点云密度分析方法改进高程滤波算法实现电力线粗提取;采用基于点云间倾斜角度平均值的滤波算法精提取电力线;使用统计滤波算法完成电力线整体点云提取;通过基于随机采样一致性算法的电力线分条提取算...