基于地形认知的布料模拟滤波算法

数字高程模型(Digital Elevation Model, DEM)可以反映一个地区的地形特征,具有广泛的科研应用。对激光雷达点云数据进行点云滤波以提取地面点,并对地面点进行插值是构建DEM的常用步骤,其中在点云滤波过程中使用的滤波算法直接影响到最终构建的DEM的精度。布料模拟滤波(Cloth Simulation Filtering, CSF)算法作为一种点云滤波算法,具有模型简单、滤波效率高等优点,其针对平坦地区的滤波精度较高,但在处理复杂地形时会因布料模型的内部弹力以及重力惯性等因素,导致滤波结果的精度较差。为了提升CSF算法在处理复杂地形时的滤波精度和地形适应性,提高其构建DEM的精度,提出了基于地形认知的布料模拟滤波算法(Cloth Simulation Filtering Algorithm with Topography Cognition, CSFTC)。该算法提出了地形认知模型,基于点云数据点的局部分布特征构建认知模型,并将其扩展为粗精度数字高程模型(Rough Digital Elevation Mo-del, R-DEM);通过点云地形归一化实现宏观地形趋势与...     

根据地形坡度旋转的车载激光点云形态学滤波

针对传统的基于开运算的形态学滤波方法在坡度连续变化较大的区域无法有效滤除非地面点的问题,提出了一种可适应斜坡地形的滤波新方法。首先对全区域进行分块,构建地面不规则三角网确定各分块区域的地形坡度和方向;然后根据地形坡度和方向对各分块区域内的数据进行旋转,使地形坡度接近于水平,从而更适用于基于开运算的形态学滤波方法;最后对点云数据执行多尺度形态学开运算确定地面点。分别选择平坦地形和斜坡地形的车载激光点云数据进行了实验,两类点云数据均包含植被、建筑、裸地等,结果表明,提出的方法能够有效滤除各种类型地物,并且对斜坡地形具有较好的滤波效果。     

基于地平拟合改进的激光点云滤波算法

针对复杂地形条件下使用传统滤波方法处理激光点云数据时生成的数字高程模型质量较低的问题,提出了一种基于地平拟合和简单形态学(simple morphological filter, SMRF)相结合的点云滤波算法。算法通过SMRF粗滤波生成初始模型,计算原始高程与模型高程差值实现高程归一化;结合渐进移动窗口不断减小的特点,采用地平拟合算法在不同尺寸下构建多个面片集合;利用空间向量后处理,合并过度分割的面片及孤立点,完成地面点云提取。使用ISPRS数据集和实际采集到的点云数据将该算法与4种算法进行比较验证。结果显示,该算法的中误差降低3.3 cm,平均绝对误差降低2.0 cm,与真实地形的相关度达到0.996 4,在8组实验区的平均Ⅰ类误差、Ⅱ类误差和总误差分别为2.54%、7.47%和3.06%,滤波精度明显提高。     

基于机载LiDAR点云数据的复杂城市区域数字地面模型提取

LiDAR已成为获取数字地面模型（DTM）的重要手段。结合城市地形较平坦的特点,提出了一种针对LiDAR离散点云数据提取DTM的分步滤波方法,该方法主要通过高程频率直方图获取滤波主要参数,运用趋势面拟合的方法剔除剩余地物点,然后通过克里金法对地面点进行插值,最终得到DTM。将这种滤波方法应用在上海陆家嘴某区域,并与单纯趋势面拟合法的结果进行比较,实验数据表明,该滤波方法能有效的获取城市DTM。     

逆向工程中基于精确截面信息的曲面拟合*

针对带有精确截面信息的有序离散点的三维曲面重构问题,提出了一种NURBS曲面快速重构方法。该方法有效地减少了运算数据量,提高了运算效率,同时改进了传统曲面拟合在处理非均匀截面数据点时曲线曲面形状的失真和运算的不稳定现象,最后应用三维图形标准以及图形函数库在实际系统中验证了该方法的有效性。     

逆向工程中基于精确截面信息的曲面拟合

针对带有精确截面信息的有序离散点的三维曲面重构问题,提出了一种NURBS曲面快速重构方法．该方法有效地减少了运算数据量,提高了运算效率,同时改进了传统曲面拟合在处理非均匀截面数据点时曲线曲面形状的失真和运算的不稳定现象,最后应用三维图形标准以及图形函数库在实际系统中验证了该方法的有效性．     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性,基于布料模拟滤波算法,提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法,对剔除粗差后的点云建立格网索引;其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值,通过计算真实高程与拟合高程差值实现高程归一化;然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态,进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试,结果表明:改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%;I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%,且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上,对不同地形具有较强的自适应性,且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

一种顾及地形特征的布料模拟滤波改进方法

为了提高激光点云滤波算法在地形复杂区域的精度、效率以及自适应性，基于布料模拟滤波算法，提出了一种面向大范围复杂场景的顾及地形特征的点云滤波方法。该方法首先采用基于坡度的动态格网分割方法，对剔除粗差后的点云建立格网索引；其次利用每个格网的邻域格网中的最低点建立曲面方程拟合高程值，通过计算真实高程与拟合高程差值实现高程归一化；然后使用布料模拟算法模拟布料下降过程得到地形布料的最终形态，进而通过阈值限定实现地面点提取。在地形复杂的测试区使用相同滤波参数进行算法改进前后对比测试，结果表明：改进算法的正确率由原CSF算法的88.9%提高到改进后算法的95.19%；I类误差、II类误差分别由9.71%、1.39%下降到4.57%、0.24%，且滤波时长由164 s缩减至60.9 s。本文提出的改进算法在保证大范围复杂场景区域滤波正确率的基础上，对不同地形具有较强的自适应性，且提高了滤波计算效率。     

一种顾及地形的点云自适应坡度滤波方法

针对存在多种地形的复杂地区无法使用单一阈值进行点云滤波的问题,为提高点云滤波的自动化水平,提出了一种顾及地形的点云自适应坡度滤波方法。首先创建平面格网索引,利用高程分层统计的方法对点云进行去噪,选取地面种子点;然后进行局部坡度统计,求得局部地形坡度值,对地形进行分类;最后,根据地形确定滤波窗口大小,计算窗口内的坡度阈值进行滤波。分别使用公路和矿山数据进行实验分析。结果表明,该方法可以去除复杂地形的非地面点,保留基本的地形特征。     

基于误差建模的SRTM高程精度提升方法研究

数字高程模型(DEM)是地理信息系统和遥感等领域所必需的核心数据,已经应用到很多方面。本文提出了一种利用ICESat GLA14数据优化SRTM1数据的方法。首先,根据SRTM误差分布去除GLA14数据中的粗差点,完成坐标基准和高程基准的统一。其次,分析了SRTM误差随坡度、坡向的变化规律,并建立了误差模型。最后,将GLA14数据随机划分为控制点和检查点,使用控制点采用最小二乘法拟合误差,使用检查点评价精度提升效果,并多次重复随机划分的过程,验证算法的有效性。实验结果表明:使用该算法针对不同地区不同地形的DEM进行了实验,均取得了很好的效果。     

曲线曲面局部最小二乘渐进迭代逼近

作为一种有效的大数据拟合方法，曲线曲面最小二乘渐进迭代逼近方法(LSPIA)吸引了众多研究者的关注，并获得了广泛的应用。针对LSPIA算法拟合局部数据点效果较差的问题，提出了一种局部的LSPIA算法，称为LOCAL-LSPIA。首先，给定初始曲线(曲面)并从给定的数据点中选择部分数据点；然后在初始曲线(曲面)上选择需要调整的控制点；最后，LOCAL-LSPIA通过迭代调整这一部分控制点来生成一系列局部变化的拟合曲线(曲面),并且保证生成的曲线(曲面)的极限是在仅调整这部分控制点的情况下拟合部分数据点的最小二乘结果。在多个曲线曲面拟合上的实验结果表明，为达到相同的拟合精度，LOCAL-LSPIA算法比LSPIA算法需要的步骤和运算时间更少。因此，LOCAL-LSPIA是有效的，而且在拟合局部数据的情况下比LSPIA算法的收敛速度更快。     

基于扫描线自适应角度限差法的地面点云滤波

针对野外地形逆向工程中树木、建筑物或其他地物的滤波问题,通过分析传统方法中相邻两点限差阈值单一不能满足地形变化的需要,以及相邻三点限差误差积累等缺点,提出了一种基于扫描线的自适应角度限差法。该方法对扫描中心、基准点(已知地面点)和待判断点之间的角度进行限差,该角度随着宏观坡度的变化而变化,从而实现角度对地形的自适应。再通过移动窗口曲面拟合,对结果进一步优化。实验证明,所提出的方法能宏观把握地形坡度变化,较好地解决了起伏较大地形点云的滤波问题。     

基于多尺度的城区机载点云滤波方法研究

针对城市地区机载激光扫描数据（ALS）中提取数字地面模型这一问题,提出了一种基于多尺度的由粗到细的滤波算法。通过计算每个点与其周围一定邻域内激光点的几何特征值关系,将点云粗分类为平面点、边缘点和离散点;对平面点进行区域跟踪,利用强度方差将平面点分类为地面点、建筑物点以及未确定类别点;对地面点构建Delaunay三角网,反向分析未确定点以及边缘点来加密地面点集。通过实验验证了该算法对城市地区滤波的有效性。     

基于高程归一化的布料模拟滤波算法

点云的滤波处理是LiDAR数据处理中一个非常重要的环节,即分离出点云数据中的地面点和非地面点,为后续的数据处理打下基础。本文在传统的渐进式数学形态学滤波和布料模拟滤波方法的基础上,考虑到渐进形态学滤波对于地面点分离的效果尚可,也就是能基本保留所有的地面点,但由于其地形的自适应性较弱,高差阈值随着地形坡度的变化也有着不稳定性使得一部分非地面点容易被当成地面点,而布料模拟滤波算法具备运行效率高的优点,且布料模拟滤波在地形平坦地区的滤波效果较地形起伏大的地区滤波效果更好。因此在渐进形态学滤波结果的基础上建立目标区域的粗DEM栅格数据,然后对目标区域点云数据中各点的高程值进行一个归一化处理,消除目标区域中地形有起伏的因素给布料模拟滤波结果带来的影响。最后采用ISPRS官方网站的3组标准数据样本的实验结果表明,相比于传统的渐进式形态学滤波的结果其I类误差降低,相比于未进行归一化过程的布料模拟滤波算法的结果其II类误差降低,而其总误差均降低,达到较好的滤波效果。     

用于TF/TA的机载数字地形数据压缩算法研究

针对海量地形数据在低空突防飞机上的存储问题,提出了一种适用于TF/TA的机载数字地形高程数据压缩的算法;该算法首先对地形高程数据进行简单曲面拟合,对拟合前后的地形高程数据进行对比,计算残差,判定残差范围是否在飞机飞行的安全范围,对必须保留的残差数据进行基于DCT变换的JPEG有损压缩;最后,针对平坦与复杂地形数据提出了不同的压缩算法,验证了曲面拟合和JPEG有损压缩两种算法结合的可行性,并给出了实验评价,试验结果得到了比单纯JPEG压缩更好的压缩比。     

一种基于NURBS理论的曲面逼近优化算法

针对三维扫描数据点的曲面重构技术在实际系统中的应用,提出了一种NURBS曲面构造方法,该方法根据已知数据点逼近目标曲面.通过实际系统应用验证,该方法是一种行之有效的曲面拟合方法.     

基于逼近理论的曲面重构方法的研究

针对三维扫描数据点的曲面重构技术在实际系统中的应用，提出了一种NURBS曲面构造方法。该方法根据已知数据点逼近目标曲面。通过实际系统应用验证，该方法是一种行之有效的曲面拟合方法。     

基于迭代高斯模型的干涉DEM滤波算法

提出了一种基于迭代高斯模型的干涉DEM滤波算法。该算法首先对含有噪声的干涉SAR高程数据进行噪声检测,对不符合高斯模型分布的数据,标记为噪声点,建立噪声标记矩阵;然后对标记为噪声的点,依据其邻域窗口内数据的统计特性,采用曲面拟合算法估计得出噪声点处的真实高程值。通过实际DEM的实验结果表明:该算法在有效消除噪声点的同时,可以较好地保持地面的高程值;与传统的低通滤波、中值滤波、Sigma滤波的实验结果相比,该算法的滤波结果较为理想。〖JP〗     

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。