结合无人机载LiDAR点云法向量的K-means++聚类精简

点云精简可有效降低无人机载Li DAR数据量,对后期点云存储和快速处理具有重要意义。采用K-means++方法对点云法向量进行聚类,以实现点云精简。首先,利用回波次数去除多次回波点云,在使用零-均值标准化方法对点云属性归一化后,利用KD树(K-dimension tree)建立点云索引构建点云K邻域;然后,采用主成分分析法估算点云法向量,借助肘方法确定最佳聚类数目;最终,通过K-means++聚类方法实现点云精简。将精简结果生成Delaunay三角网并转换为栅格数据,通过相关系数验证方法的有效性。结果表明:针对研究区69 544个点云数据,该方法可去除多次回波点云7 722个;对点云法向量进行聚类数目为8的K-means++聚类,对应的精简率为分别为81. 389%,81. 833%和85. 369%时效果较优;精简后生成Delaunay三角网的时间远低于精简前,且当按81. 833%进行精简处理时,相关系数最高,为0. 890。该方法可为点云精简提供参考。