基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法.该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失.基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率.在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误.实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性.     

基于两级格网的LiDAR数据组织与改进坡度滤波

提出一种基于双层格网与改进坡度滤波方法.该方法实现对原始数据的两级格网化,在一级网格中选出地面种子点,在此基础上利用二级网格进行地面点选取,不仅提高了运算效率还可以剔除粗差.在改进坡度滤波算法中,对传统滤波算法进行改进,提出3个坡度阈值,有效克服传统坡度滤波算法在地形起伏较大的地方可能发生的错误.试验结果表明,该算法计...     

利用改进的数学形态法进行车载激光点云地面滤波

通过分析车载激光点云的特征,提出了一种基于改进的数学形态法的地面滤波方法。该算法运用三维虚拟格网组织数据,在形态法迭代过程中采用环形结构元优化滤波窗口,利用局部区域自适应坡度阈值对形态法开运算进行控制。在获得初始低点后,基于邻域坡度滤波提取地面点。利用两个不同区域的点云数据进行了实验,以验证改进算法的有效性。     

陡坡林区的LIDAR点云滤波方法

提出了基于坡度对陡坡林区LIDAR点云数据滤波的预处理算法,结合迭代最小二乘滤波方法改进了滤波效果,实测数据表明,有效地降低了第一类误差和第二类误差。     

一种多尺度自适应点云坡度滤波算法

点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法.首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波...     

结合强度信息的LIDAR数据滤波方法

机载激光扫描系统可以直接生成扫描区域的数字表面模型,但是为了提取数字地面模型还须对LIDAR数据进行滤波处理。本文分析了用坡度法对机载LIDAR数据进行滤波的不足,并结合LIDAR数据中的强度信息,提出了一种结合强度信息的LIDAR数据滤波方法。与坡度法相比,该方法提高了滤波的精度和效率。试验结果表明该方法计算速度快,并能够有效地滤除LIDAR数据中的地物。     

一种改进的基于坡度变化的机载激光雷达点云滤波方法

机载激光点云数据滤波是获取高精度数字表面模型和数字高程模型的关键。本文分析了几种重要的滤波算法,在研究基于坡度变化的滤波算法的基础上,提出一种改进的分块滤波处理的方法。实验表明:该方法能有效对点云数据进行分类。     

基于TIN渐次加密的LiDAR点云数据滤波

传统的滤波算法通常是针对具有连续表面的简单区域来进行,因此带有一定的局限性,且不能解决复杂城区地形准确提取的难题。因此,本文提出了一种改进的基于TIN渐次加密的LiDAR点云数据滤波方法,该方法先对原始点云利用多尺度虚拟网格筛选地面种子点;然后,对种子点构建初始TIN表面,在此基础上进行向上加密;最后,得到的TIN三角网则为真实地形表面。实验结果表明,该方法能有效地滤除建筑物、植被和其他地物,并较好地保持地形特征。     

一种基于移动曲面拟合的机载LIDAR点云数据滤波方法

针对机载LIDAR点云数据滤波问题,在分析张小红教授提出的移动曲面拟合法滤波的基础上,结合机载LIDAR点云数据的特点,引入虚拟格网技术,提出一种基于移动曲面拟合的机载LIDAR点云数据滤波方法,并通过实验验证了该方法的可行性和适用性。     

基于多分辨率方向预测的LIDAR点云滤波方法

为了快速提取LIDAR点云中的地面点,生成高精度的DTM,提出了一种基于多分辨率方向预测的LIDAR点云滤波方法。该方法首先构建多种分辨率数据集,然后基于方向预测法以分辨率由低到高的顺序逐层进行数据集的平滑处理,最后以最高分辨率数据集的平滑结果为基准标记原始LIDAR点云。本方法通过分析反距离权重插值模型的不足,利用改进的模型进行裸露地面点的插值,得到高精度的DTM。实验表明,本文方法能有效地滤除地物,并保持原有的地形特征,算法效率高,具有一定的实用价值。     

基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法

点云滤波是机载LiDAR数据后处理的基础工作,本文提出一种基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法。该方法采用类似影像金字塔的方式构建不同尺度即不同分辨率的虚拟网格,各级网格都以每个方格内最低点作为地面种子点,然后根据坡度阈值以分辨率由低到高的方式逐层对种子点进行平滑处理,最后以最高分辨率即最小尺度虚拟网格地面种子点作为基准种子点对整个数据集进行滤波处理。本文分别采用城区与郊区两块机载LiDAR数据进行了实验。实验表明,该方法能够有效地提取出地面点,运算效率也比较高,具有一定的实用价值。     

激光雷达点云平面拟合过滤算法

在分析激光雷达点云空间分布特征的基础上,提出了基于斜率的激光点云平面拟合过滤算法,并利用该算法对机载激光雷达点云的特征提取进行了实验研究.结果表明,此算法能有效地拟合激光点云的连续平滑的水平平面、倾斜平面和垂直平面,在DTM、建筑屋顶和垂直墙壁等特征提取中具有较好的效果.     

机载LiDAR数据滤波预处理方法研究

为简化后续的机载LiDAR点云数据滤波,针对茂密植被的陡坡林区,提出了均值限差预处理方法;针对具有密集墙面激光脚点的城区,提出了角度限差预处理方法。采用两组不同特征的实测数据分别对两种预处理方法进行了实验,定性和定量分析结果表明,预处理效果显著,使用了预处理的滤波结果与未使用预处理而直接滤波的结果相比,两类滤波误差均有所减小。     

机载激光雷达点云的阶层式分类

激光雷达是一种快速获得高密度高精度的三维数字地面信息的新技术。本文介绍了几种激光雷达数据过滤算法,提出了激光雷达点云数据的阶层式分类策略,并将基于航拍影像数据进行着色后的机载激光雷达点云数据作为研究对象,对其应用激光雷达数据过滤算法进行阶层式分类。实验结果表明,此种方法能有效地对大部分地物信息进行过滤和分类。     

基于扫描线和虚拟格网的LiDAR点云数据非兴趣点剔除方法

非兴趣点的剔除,主要工作是将高程突变的单点、点簇,以及建筑物非顶部点云予以剔除,是机载LiDAR数据预处理的重要环节,也是建筑物提取的基础.文中分析LiDAR数据中非兴趣点的特点,针对传统基于扫描线剔除方法在剔除建筑物非顶部点云中存在的不足,提出一种基于扫描线和虚拟格网相结合的非兴趣点剔除方法.实验结果表明,算法能够有效地剔除非兴趣点,同时减少误剔除率.     

机载激光扫描测高数据滤波

机载激光扫描测高数据的滤波和分类是获取高精度数字高程模型的关键,也是国际上目前研究的重点和难点之一。本文详细研究了机载激光扫描测高数据滤波的方法,对现有各种滤波算法进行了综合评价,指出了现有方法的不足,在此基础上首次将"移动曲面拟合预测"滤波算法用于机载激光扫描测高数据滤波处理。试验结果表明该算法自适应性强,计算速度快,滤波效果好。通过对不同测区的数据进行实验,给出了滤波前后的对比结果。     

基于等高线的表面估计滤波方法

提出一种基于等高线的滤波方法,它先由LIDAR数据生成数字表面模型,并内插出等高线,再根据DSM等高线的特征,如闭合性、首尾点距离、等高线的长度及等高线间距离等,通过设定阈值自动提取出属于自然地面的等高线线段,以获得初始的自然地面点,然后内插生成初始数字地面模型,最后使用迭代逼近法生成最终的(精确的)数字地面模型,即比较初始DTM与DSM,差值小于预设阈值的点视为DTM点,而差值大于预设阈值的点则标记为无数据点,最后,这些无数据点由选择的DTM点内插出.通过与现有表面估计的滤波方法的对比实验以及所提取地物轮廓线与航片的叠加对比试验,证明新方法可适用于地表起伏较大的地形,地物提取精度高、计算量小、效率高.     

正则化滤波在反演地表光谱反照率中的应用

利用有限的卫星观测数据,通过反演地物二向性反射分布函数(BRDF)模型提取复杂地表的真实信息,是一个不适定的地球科学反演问题。为了克服离散不适定性带来的困难,在分析引起模型解不稳定的原因和数据误差传递机制的基础上,使用构建滤波函数的方法实现BRDF模型的正则化约束反演。实验结果表明,正则化滤波算法与MODIS AMBRALS算法精度相当,完全适用于具有充足观测和稀疏观测情况下的地物参数反演。