多尺度点云滤波去噪方法

通过三维激光扫描仪获取的点云数据具有大体量、高冗余且非结构化的特点。在使用传统滤波方法进行去噪时,不能兼顾滤波效果与保留细节特征,会造成精度丢失。本文针对以上问题,将噪声划分为远距离的大尺度噪声以及近距离的小尺度噪声,研究基于统计分析结合图像引导滤波的多尺度点云滤波去噪方法。经过实验验证,本文算法可以在不丢失点云细节特征的前提下,实现点云数据的优化以及精简。     

一种局部最优邻域法向量估算的巷道点云去噪方法

针对三维激光扫描技术在获取巷道内壁点云数据时会包含大量非巷道内壁点，无法快速有效地获取巷道围岩形变信息的问题。该文提出一种基于局部最优邻域法向量估算的巷道点云去噪方法，该方法采用自适应邻域半径的主成分分析算法，提高了点云法向量估算的精度和方向一致性，较好地解决了区域生长算法提取巷道内壁点云时存在的孔洞过多与噪声点云去除不彻底的问题，实现了巷道内壁点云较为完整的获取。通过不同类型的巷道点云数据进行验证，结果表明，该方法能够有效地去除非巷道内壁点云，提高巷道内壁点云获取的精度。     

基于区域生长的LIDAR点云数据滤波

将区域生长算法引入LIDAR点云滤波,其原理与图像处理中的区域生长原理相似。首先选择可靠的种子点,当待定点与种子点的高差满足所设阈值时,则待定点为地面点,否则作为地物点滤去。当不再有激光点满足条件时,生长结束。该算法无需对原始数据进行插值,无需迭代,因此滤波速度快。与传统的最大局部倾斜度过滤算法（MLS）和扩大窗口高程阈值滤波方法相比,该算法的实验结果更优。     

基于曲率特征的点云去噪及定量评价方法研究

由于仪器测距、测角误差,物体反射率,人为操作,遮挡及环境变化等原因,扫描获取的点云数据中存在大量的噪声点。为了高效去除噪声并保持原始点云数据的特征信息,本文提出了基于移动最小二乘曲率特征的点云去噪算法。首先采用移动最小二乘法（MLS）精确计算点云的曲率信息,然后根据曲率信息进行点云去噪,最后利用基于信息熵理论的定量评价方法验证本文方法的可行性。     

利用双边滤波法进行点云去噪的试验与分析

利用无人机影像生成点云数据时,会产生一些噪声点,这些噪声点对点云数据的分类提取等会带来不利影响。为了消除这些噪声点,利用栅格法去除浮在点云上方的稀疏点,并利用pcl库的StatisticalOutlierRemoval滤波器去除离群噪声点,以及利用双边滤波算法对小型的噪声点进行纠正。试验结果表明,本文方法既保留了目标地物的几何特征,又能够有效地去除影响目标地物识别的噪声。     

基于法向偏差的隧道点云去噪算法

针对隧道类似圆柱的形态特征以及三维点云法向对噪声的敏感性,设计一种剔除由通行车辆和隧道内壁悬挂物所造成噪声点的方法。该方法利用点云的大量法向量鲁棒地估计出精确的隧道轴向,并根据点云法向与隧道轴向的偏差识别出可靠的隧道表面点,然后参照可靠点完成噪声点的进一步确认。利用仿真数据和真实的高速公路隧道扫描点云实验结果证明该方法的有效性和精确性。     

激光扫描点云准确快速去噪方法

激光点云数据中孤点和离群点等噪声的自动去除方法是激光点云数据处理的研究热点。本文针对现有孤点的平均点间距阈值探测法存在远距离点云误判的问题,对平均点间距附加距离权重后再根据阈值进行了判断;针对离群点的生长探测法存在效率低的问题,采用均匀八叉树结构以格网为单位进行了生长探测。试验证明了改进方法的自适应性和高效性。     

基于Otsu算法与改进区域生长算法的道路点云提取

针对车载激光扫描获取的道路点云数据分类问题多的难点,本文提出了一种基于最大类间方差(Otsu)算法与改进区域生长算法的道路面提取方法。原始点云中非地面点滤除依靠Otsu算法自适应计算出分割阈值;随后分别计算点云的法向量与曲率;最终将法向量相似度作为约束条件,使用改进区域生长算法进行道路面精确提取。通过两段典型的城市道路点云数据为例,试验结果表明,本文方法提取道路面结果的准确度(C_R)、完整度(C_P)以及提取质量(Q)均大于94%,充分证明了该方法的有效性。     

基于坡度和区域生长的城市LiDAR点云滤波方法

在分析坡度滤波算法原理的基础上,结合区域生长原理进行改进;选取国际摄影测量与遥感学会提供的部分城市滤波样本数据进行实验,将实验结果与Roggero坡度滤波算法和Sithole坡度滤波算法的结果进行比较。结果表明,该方法能较好地降低一类误差,对城市Li DAR点云建筑区数据有一定的适用性。     

DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理,然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果,最终的结果不仅有效去除了噪声点,还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验,结果表明：通过DBSCAN聚类算法处理后得到的点云数据,再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高,点云去噪效果更好。     

深度图像分割的城市区域倾斜影像密集匹配点云滤波算法

倾斜摄影测量作为一个新兴领域发展势头迅猛,在众多领域得到了广泛应用。但倾斜影像密集匹配点云处理技术研究却相对较少。倾斜影像密集匹配点云分布不均匀、表面粗糙,因而传统的激光扫描点云处理算法在用于倾斜影像密集匹配点云处理时的适用性较低。本文从倾斜影像密集匹配点云特点出发,提出了一种利用点云高程信息生成深度图像提取建筑物非连通区域,在全局范围选取种子点实现多种子点区域生长的点云快速滤波算法。实验结果表明,该算法滤波效果好、速度快,可以改善密集匹配点云部分地物底部边缘不清晰引起错分和区域生长无法分割建筑物非连通区域的问题。     

基于TerraSolid的平原地区点云数据滤波方法

Terra Solid是处理机载激光雷达数据的常用软件。本文介绍了用Terra Solid软件对点云数据进行滤波的方法,解释了滤波过程中各参数的含义,通过实验比较了不同的参数设置对平原地区滤波结果的影响,最后,提出了对平原地区点云数据进行滤波的方案。     

基于地面三维激光扫描仪点云数据的去噪算法研究

原始三维激光点云数据中存在由于仪器本身、外界环境、实体表面特征等因素导致的噪点,严重影响点云质量以及后处理效果。针对地面三维激光扫描仪原始激光点云数据的去噪问题,本文进行了3种有序点云去噪算法的研究,并采用VC++编程语言进行算法的功能实现,最后选取某区域单站地面原始三维激光点云数据进行实验分析,总结了各算法的优缺点及适用条件。     

基于渐进三角网的机载LiDAR点云数据滤波

机载LiDAR点云数据滤波是获取高精度数字高程模型的关键,也是目前LiDAR点云数据处理领域研究的重点和难点之一。提出了基于渐进三角网的机载LiDAR点云数据滤波方法,首先以规则格网和不规则三角网组织数据,采用区域分块法或数学形态学法选取种子地面点建立初始稀疏三角网,通过不断向上加密三角网提取地面点。试验结果表明,该算...     

基于车载激光点云的数学形态学滤波方法改进

针对车载激光点云数据空洞插值误差大及利用多尺度数学形态学滤波方法耗时高的问题,提出一种改进的数学形态学滤波方法,该方法按照点云空间分布形态格网化,以控制开运算方向。腐蚀运算过程中,根据格网腐蚀前后高程的变化情况,更新格网高程,以达到空洞精确填充及各格网均含地面点的目的。利用5组点云数据进行了实验,结果表明:该方法能有效提取地面点,运算效率明显优于多尺度数学形态学滤波方法,具有一定的实用性。     

一种顾及水下地形特点的多波束点云去噪算法

针对包含大量噪声的多波束点云去噪问题,顾及水下地形特点设计算法去除近地表噪声和明显离群噪声。算法基于RANSAC算法思想拟合局部平面,结合统计分析方法去除给定阈值范围之外的噪声;结合共面法矢量特征预判去除离群面并探测保留陡坡等高程梯度变化明显的敏感地形。通过减少点云数据检索次数、使用哈希表等方式优化算法,提高执行效率。能够保证地形一致性的同时较好地保留区域边界等信息。最后,设计实验对多波束点云去噪结果达到预期,并对实验结果进行探讨提出后续研究方向。     

一种基于改进区域增长的行道树点云提取方法

针对城市车载Li DAR数据处理中行道树的提取,首先对点云数据进行分层格网化处理;然后分析行道树在多层格网中的分布形态;最后结合点云的投影密度和高程分布等特征,以空间区域增长的方式提取行道树。实验证明,这种方法能有效地排除其他地物,提取完整的行道树点云。     

三维激光扫描地形点云的分层去噪方法

针对三维激光扫描采集的地形点云,提出在高程方向进行切片分层的去噪方法。将分层提取的点云投影在平面上,对点云进行网格划分,把网格内的点云转换为二值图像,采用数字图像处理方法过滤离散的网格噪点;然后对分层提取的点云轮廓特征格网,通过对上下层轮廓边缘特征比较,获取点云的地面轮廓网格点,删除孤立噪点与非地面点。根据对不同地形的点云进行去噪实验,通过分层过滤非地面点可以得到很好的去噪效果。     

抗差趋势面的机载LiDAR点云滤波方法

传统曲面约束滤波算法中,利用最小二乘拟合地形曲面易受种子点粗差影响。针对这一问题,提出基于抗差趋势面的机载激光雷达点云数据滤波方法,首先构建格网索引组织数据,引入抗差趋势面拟合合理的区块地形,通过自适应阈值的设置实现不同区域的自动灵活处理,最终滤除孤立点完善滤波结果。使用ISPRS提供的测区数据进行实验,与传统曲面拟合方法进行对比,实验结果证明,该方法较传统移动曲面拟合法能够得到更加可靠的滤波结果,具备较高实用价值。