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。     

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。     

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。     

一种点云数据噪声点的随机滤波处理方法

目前逆向工程中广泛采用激光扫描法来获取数据，测量过程中不可避免地混有不合理的噪声点，导致重构的曲线、曲面不光滑，因此，需要去除数据中的噪声点。对激光线扫描法获取数据的噪声点处理方法进行了研究。噪声点处理方法与点云数据的排列形式有关，通过对点云数据噪声数学模型的分析，认为激光线扫描法获取数据时，噪声点的产生主要是由随机误差引起的，其特点是幅值大，在光刀扫描线上引起较大的尖峰，据此提出一种简单、快速、实用的降噪方法——随机滤波法。该方法通过比较连续点之间的相对位置，给定一个阈值，将其中位置起伏较大的点判定为噪声点并予以去除。通过实例验证该方法能满足曲线、曲面重构的要求。     

一种自适应图像去噪混合滤波方法

结合自适应中值滤波技术和自适应压缩加权均值滤波技术,提出了一种新的图像混合噪声滤波算法。算法首先对受混合噪声污染的图像利用灰度极值检测出脉冲噪声,运用自适应中值滤波滤除脉冲噪声;其次对处理结果进行自适应压缩的加权均值滤波。实验结果说明算法不仅能有效地滤除脉冲与高斯混合噪声,而且可以较好地保护图像细节。     

一种自适应确定性采样滤波方法

对确定性采样滤波方法进行了改进,提出了一种自适心确定性采样滤波方法.首先,分别推导得到了平稳噪声情况下递推形式的噪声统计参数估计算法,以及三种针对非平稳噪声统计参数的估计算法;然后,将所得到的噪声统计参数估计算法与确定性采样滤波方法相结合,得到自适应确定性采样滤波算法.仿真结果表明,当时变过程噪声统计参数未知时,利用本文所提出的自适应确定性采样滤波估计算法,仍然可以得到精度较高的估计结果.     

一种邻域自适应的双阈值点云特征提取方法

点云数据的特征提取是点云数据处理环节中的一项重要内容,对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术,阐明了特征提取过程中邻域选取与单一参数计算存在的问题,提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果,验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果,对提高点云特征点提取的精度及效率具有重要的意义。     

邻域自适应的三维点云滤波算法

针对现有的点云滤波算法存在的精度丢失和收缩的不足,提出邻域自适应选择的算法,有效地改善了点云滤波中丢失精度的问题.算法首先针对原始点和均值点滤波出现的收缩问题,提出混合增采样策略.其次采用邻域自适应选择保持特征部分的滤波精度.最后定义每个采样点以对应的似然函数,并按照其梯度方向进行迭代,通过最大似然估计得到最优滤波结果...     

基于坡度滤波的无人机测绘点云特征提取与滤波分类研究

为提高无人机测绘点云数据的质量与利用率,利用坡度滤波技术优化设计无人机测绘点云特征提取与滤波分类方法。利用硬件设备获取无人机测绘点云数据,通过粗配准和精准配准两个步骤,实现对初始点云数据的配准工作。通过对无人机测绘点云数据的滤波处理,降低初始数据中的干扰项。利用坡度滤波技术提取无人机测绘点云数据的地形、纹理、形状等特征,根据特征相似度的计算结果,完成测绘点云的滤波分类。通过性能测试实验得出结论:与传统方法相比,优化设计方法得出点云数据的信噪比提高41.22,特征提取占比所有提升、冗余度得到明显降低,分类查全率和查准率分别提高了1.25%和2.1%。     

时变参数估计的一种自适应滤波方法

对于有观测噪声的线性时变系统,本文应用多重时滞系统自适应滤波方法提出了时变参数估计的一种新的自适应滤波算法。仿真例子说明了所提出的算法的有效性。     

一种改进的自适应中值滤波方法

提出了一种改进的自适应中值滤波算法,以有效地去除图像中的脉冲噪声,并保留图像细节。在进行噪声点检测时,引入了最小集合距离测度,有效地避免了将高频细节信号误判为噪声。采用最小无污染点集合的中值恢复噪声点,消除了其邻域噪声点的影响。通过与RAMF、NASMF等方法的比较实验表明,新算法噪声检测的正确率高、降噪与保留细节效果好, 尤其对含噪声密度高的图像的处理效果优势更为明显。     

一种自适应各项异性高斯滤波方法

为了提高图像的信噪比且尽可能保留图像边缘信息,论文提出了一种自适应各项异性高斯滤波方法,该方法根据各象素位置的灰度梯度值决定在这一点是采用各项同性还是各项异性高斯滤波,如果采用各项异性滤波,则由该处的灰度梯度方向角自适应决定各项异性滤波器的长轴方向。仿真实验表明,论文提出的自适应各项异性滤波器在边缘保持方面优于各项同性高斯滤波器。     

一种图像自适应Wiener组合滤波方法

利用小波域Wiener滤波和空间域自适应Wiener滤波的特点,提出一种基于小波域自适应Wiener滤波和空间域自适应Wiener滤波的组合滤波方法。该方法首先在小波域进行自适应Wiener滤波,对恢复图像中的残留噪声方差进行重新估计,再在空间域进行自适应Wiener滤波,这种方法提高了恢复图像的精度。仿真实验表明,与单独的小波域和空间域Wiener滤波相比,该方法的均方误差最小,去噪效果更优。     

顾及回波次数信息的城区机载LiDAR点云滤波研究

针对城区地物复杂、地面点云被植被和建筑遮挡等问题,文章在渐进三角网滤波算法的基础上提出一种改进方法。该方法利用机载LiDAR点云具有多次回波特性对点云进行分类,提高地面点云占有率,再进行渐进三角网滤波。实验结果表明,该方法提高了地面点云种子点提取的正确率,为下一步城市点云精确分类做好了准备。     

一种基于遮罩的稀疏点云滤波算法

基于图像的三维重建硬件约束小、成本低、灵活度高,在实际中得到广泛应用,但物体各部分之间存在遮挡,导致由图像生成的三维点云数据稀疏和密度不均等问题,一直是处理的难点和热点.文中提出一种基于遮罩的稀疏点云滤波算法.首先计算点云的包围盒,并在包围盒中根据点云的稀疏度自适应地划分栅格;其次,利用深度优先搜索,递归求出所有由栅格...     

一种自适应加权中值滤波方法的研究

针对传统加权中值滤波器在中心像素的权值选择上难以确定的问题,提出一种简便的改进型中值滤波算法.综合灰度图像的聚集特征和空间特征,构造图像的二维熵,结合传统加权中值滤波算法,设置滤波算法流程,通过观察图像二维熵的变化,合理改变中心像素的权值,以达到对噪声图像进行适度地平滑的目的,既滤除噪声又较好地保留了图像的细节.实验结果表明,新的滤波算法优于传统的中值滤波算法.     

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。