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。     

基于多约束连通图分割的机载LiDAR点云滤波方法

点云滤波是机载LiDAR点云后处理应用的必要环节.现有的大多数点云滤波方法往往在地形平坦的区域滤波效果比较好,而在地形起伏较大区域滤波效果较差.为进一步提升点云滤波方法的精度及对复杂环境的适应能力,提出一种基于多约束连通图分割的滤波方法.通过设定垂直性、高差、距离三个约束条件构建点云连通图,实现点云分割,并基于地面覆盖...     

基于连通性标记优化的地基LiDAR点云单木分割方法

针对地面激光雷达（TLS）进行单木分割时存在复杂林地欠分割或者过分割等问题，提出了一种基于连通性标记优化的单木分割方法。首先构建冠层高度模型（CHM）。再采用移动窗口进行局部极大值探测，实现候选树顶点探测。然后对初始树顶点进行连通性生长，通过探测连通区域的最高点，实现树顶点的优化提取，避免局部极大值误判为树顶点。接着采用基于标记的分水岭分割方法获取树木的初始分割结果。最后基于单木密度的分布特性对欠分割的树木进行优化，获取准确的单木分割结果。采用不同植被类型的点云数据进行实验分析，实验结果表明，所提方法在不同植被环境下均能获得良好的单木分割效果，平均探测精度均优于Meanshift单木分割方法和基于标记的分水岭单木分割方法。