基于B样条小波的等高线数据简化

基于B样条小波的变换特征,本文研究了地貌形态的自动综合过程中等高线的数据简化问题,提出了基于B样条小波的等高线的数据简化方法,并进行了实验。理论和实验结果表明,利用所述方法对等高线进行数据简化,方法简捷,精确度高,而且能够保留原等高线的形状结构特征。因此,基于B样条小波的数据简化对地貌形态自动综合是可行的。     

基于可变半径圆环和B样条拟合的机载LiDAR点云滤波

提出了一种LiDAR点云滤波方法,首先沿同一方向等间距逐行扫描点云,获取点序列构成的扫描线,针对每条扫描线,采取半径可变的圆环从面向地心一侧滚过,保留扫描线上被圆周滚过的点,从而滤除每条扫描线上的地物点;然后对滤波后每条扫描线上的地表点云数据等间隔采样,在此基础上采用均匀B样条曲面拟合地形表面,遍历每一个点,在拟合的B样条曲面上投影,根据投影点高程与实际高程的差判断其属性,保留地面点并滤除地物点。试验结果表明,与传统方法相比,本文方法的滤波精度提高1~5倍,可用于城市、山区和林地等各种地形,通用性好,其算法时间复杂度为O(n)。     

海量点云数据滤波处理方法研究

简述目前几种主要的点云滤波方法,运用MatLab语言编程实现移动窗口最小二乘曲面拟合算法对数据进行滤波处理,经实验数据分析取得良好的滤波效果,能有效滤除点云噪声,获得高精度的建模数据,同时很好地保持地形特征。     

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。     

基于纵横断面的机载雷达点云数据滤波

针对现有基于坡度滤波的改进方法难以同时提升滤波速度与精度的问题,文章提出了一种基于纵横断面的机载LiDAR点云数据滤波方法。该方法视测区为多个断面构成,以行(列)为滤波基本单位,兼顾高程突变的方向信息,分别从纵横断面以基于坡度的判据进行滤波处理,可同时提高计算速度与结果精度。实验结果表明,该算法计算速度快,并且对于不同特征的地形都能取得较好的滤波效果。     

基于双边滤波的点云数据预处理方法

目前,三维激光扫描仪已经广泛应用于三维建模、变形分析等领域。其中,点云数据的平滑滤波是点云预处理的核心问题,制约着三维激光扫描仪的应用。本文通过对双边滤波原理进行分析,将其应用到点云数据的平滑滤波过程中。通过实验数据验证,双边滤波可以有效地降低点云数据的噪声水平,具有广泛的应用价值。     

基于机载LiDAR点云数据滤波方法研究

主要针对机载LiDAR点云数据滤波方法展开了研究,通过结合具体的LiDAR应用实例,对点云滤波流程作了详细的阐述,并对滤波实验和算法性能评价作了系统的研究分析,以期能为有关方面的需要提供有益的参考和借鉴。     

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RANSAC算法的地铁隧道点云数据滤波

三维激光扫描技术能够快速、有效地获取隧道点云数据,可用于提取地铁隧道的形变信息,但隧道点云数据中包含着噪声点、离群点,需要滤波去除,目前已有滤波算法不适用于隧道环境。文中采用统计特征去除部分噪声点,利用区域增长方法初步提取隧道壁部分点云作为RANSAC算法种子点,进一步利用RANSAC算法拟合数学模型提取隧道壁全部点云数据,并利用RANSAC点云拟合模型对隧道盾构体施工精度进行评估。实验结果表明了方法的有效性。     

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。     

基于k-d树的机载LIDAR点云滤波处理

点云数据滤波处理是获取高精度数字地面模型的关键,而滤波的基本原理是基于某一邻域内高程的突变。在海量、离散的点云数据中,搜索某一邻域的速度将直接影响滤波处理的效率。应用k-d树组织点云数据,不需要先验地知道点云数据间的拓扑关系便可以快速确定其中某一点的邻域点集,从而大大地提高滤波速度。     

基于B样条小波变换的矢量地图数据压缩及边界处理

在离散小波变换的快速Mallat算法基础上,根据小波滤波器的特点,提出了一种基于B样条小波变换的矢量数据压缩的边界处理的方法,该方法经实验可以保证压缩后的数据能如实的反映原数据的特性和规律性.     

基于B样条小波变换的矢量地图数据压缩及边界处理

在离散小波变换的快速Mallat算法基础上，根据小波滤波器的特点，提出了一种基于B样条小波变换的矢量数据压缩的边界处理的方法，该方法经袂现可以保证压缩后的数据能如实的反映原数据的特性和规律性。     

一种基于分割的机载LiDAR点云数据滤波

针对当前滤波算法在处理地形不连续区域或存在复杂建筑物区域时容易过分“腐蚀”地形并难以去除一些低矮植被的不足,提出了一种基于分割的机载LiDAR点云滤波算法。首先,对原始点云基于地表连续性进行分割;然后,在移除点数目较小的粗差点集之后采用对分割点集建立缓冲区的方法,区分地面和非地面点集;在较大地物经过迭代分割基本移除之后,使用约束平面的方法移除高度较小的地表附着物以实现滤波。实验结果表明,与经典滤波算法相比,该算法提高了地面点的分类精度,在滤除地物信息的同时能有效地保留地形特征。     

基于高程统计方法的机载LiDAR点云数据滤波

提出了一种基于高程统计的LiDAR数据滤波方法,该方法以高程分布统计量为依据,通过迭代的方法逐个滤除,是一种基于原始点云的非监督滤波算法。采用北京凤凰岭地区某块机载LiDAR数据进行实验,并做出了实验改进。实验表明,该方法能够准确有效地滤除地物点,既能较好地保持数据信息量与精度,又不依赖于其他数据源,是一种简单有效的滤波算法。     

基于改进的数学形态学算法的LiDAR点云数据滤波

为解决复杂场景下高陡边坡点云数据的植被过滤问题,首先研究了高陡边坡上植被和岩石激光点云的多尺度维度特征;然后利用支持向量机(support vector machine,SVM)构建分类器,针对高陡边坡点云数据提出滤波算法,并编制了三维激光点云滤波软件LIDARVIEW。实验数据表明,复杂场景内不同尺度的植被均得到很好识别,滤波算法分类精度较高;算法不受激光点云的密度、遮挡和复杂地形的影响,且适用于机载雷达点云数据的滤波;植被覆盖率高的岩石分类精度高于93%,植被覆盖率低的岩石分类精度高于97%。算法对山丘区有复杂地貌的高陡边坡地形测量具有重大研究意义。     

基于改进的数学形态学算法的LiDAR点云数据滤波

数学形态学在数字图像处理中有广泛的应用.首先介绍传统数学形态学算法的特点,对这一理论用于LiDAR点云数据滤波的不足进行了分析.在此基础上,对相应的算法进行扩展和改进,提出针对不同地形特点的自适应滤波算法.在数学形态学"开"算子的基础上,提出增加一个"带宽"参数用于点云数据滤波的方法.最后利用三组实际点云数据进行试验,以验证这一算法的有效性.     

基于数学形态学算法的机载LiDAR点云数据快速滤波

机载LiDAR点云数据滤波是LiDAR数据处理领域研究的重点和难点之一.针对LiDAR点云数据量大的特点,以规则格网组织数据,按离散点或格网移动结构窗口,提出基于数学肜念学算法的LiDAR点云数据快速滤波方法,并详细介绍滤波的方法和流程.试验结果表明,该算法计算速度快,滤波效果好.最后选取两组小同区域的点云数据进行实验,并给出滤波前后的数字表面模型和局部断面图.     

基于格网化LIDAR点云数据坡度滤波方法的研究

LIDAR数据是目前生产DEM/DSM最为理想的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。本文提出了一种将LIDAR点云数据格网化与坡度滤波相结合的点云分类方法,该方法将数据格网化的概念用于LIDAR点云数据的预处理,避免了LIDAR点云数据内插或者平滑造成的信息损失,并且引入坡度突变对格网化处理后的LIDAR点云数据进行第二次地面点的选取,提高了LIDAR点云数据分类的效果。