多尺度点云特征随机森林滤波算法

针对从大量点云数据中高效、便捷地提取地面点云的问题,提出一种耦合多尺度点云特征和随机森林模型的滤波算法(MFRF)。首先选取一部分试验区数据作为训练样本,采用人机交互方式将训练样本中地面点和植被点进行分类并标记。然后将点云RGB信息转换为HSV颜色信息,采用主成分分析法计算出多尺度下点云特征值。最后将带有标签、颜色信息和特征值的训练样本放入随机森林分类器中进行训练,将构建的随机森林分类器应用到待分类点云上,进行点云滤波。该算法能有效地分离出地面点与植被点,较为完整地保留了地面点云。将MFRF与CSF滤波算法、坡度滤波算法、形态学滤波算法进行对比分析,结果表明该算法优于对比算法,试验区A、B滤波精度分别提高5.12%和6.89%,验证了该算法的有效性、适用性。