基于多特征聚类的复杂环境机载点云层次滤波方法

机载激光雷达(LiDAR)点云滤波是点云数据处理的关键步骤,决定着后续派生品应用的精细程度。针对复杂场景区各种地物的交错性和多态性、地形的突变(断裂)性、相邻地物和地面点高程的相似性等导致的难以区分地物点和地面点瓶颈,本文提出了一种基于多特征聚类的点云层次滤波方法。本文方法首先耦合点云几何和物理信息进行多特征点云聚类,然后发展一种顾及地形断裂的地面点簇识别方法捕捉各类地面点,最后利用捕捉到的地面点构建初始地面参考面,并借助多尺度层次点云滤波方法进一步查找原始点云中的地面点。以4组地形复杂且建筑物和植被混杂区点云数据为试验数据,将本文方法与6种代表性滤波算法对比表明,本文方法的平均总误差最小、滤波性能最优、稳定性最高。     

渐进三角网加密滤波辅助的布料模拟滤波

为了提高布料模拟滤波（CSF）算法处理复杂地形时的精度与适应性,本文提出了渐进三角网加密滤波辅助的布料模拟算法（CSFPTD）。该方法首先根据地面点云回波次数特点提取单、末次回波点云,以提高点云处理效率,在此基础上,采用渐进三角网加密滤波算法提取地面点,建立宏观反映复杂地形特征的粗数字地面模型（DTM）,对点云进行高程归一化处理,消除地形起伏对点云滤波结果的影响,最后CSF实现点云精细滤波。对CSFPTD算法与经典CSF算法进行了对比实验,其中,Ⅰ类误差由11.81%下降到7.48%,Ⅱ类误差由1.90%下降到1.23%,总误差由4.05%下降到2.58%。实验结果表明：CSFPTD算法在综合复杂地形下的滤波精度明显提高,提升了算法的地形适应性。     

以窗口化和地形坡度为基础的植被茂密区域点云滤波算法

三维激光扫描仪获得经典地貌的点云数据,需进行滤波剔除地面植被。由于植被茂密区域点云密集或遮挡,地面点极少,无法拟合出地形表面,这部分植被点很难剔除。针对植被茂密区域点云数据的特点,本文提出以窗口化和地形坡度为基础的植被茂密区域点云滤波算法,认为非地形坡度引起的高程差异的两相邻点中,较高的点为非地面点。试验结果表明,本文算法可以很好地去除植被茂密区域中低矮的植被点,保留真实的地面点,提高了植被茂密区域点云滤波的处理精度。     

机载LiDAR点云数据的组合滤波算法研究

针对采用渐进式形态学滤波算法进行机载LiDAR点云滤波时存在的滤波效果不佳、地形特征保留不明显的问题,本文提出了一种改进不规则三角网的后处理滤波算法,构建组合式机载LiDAR点云滤波算法。该组合算法有效地结合了渐进式形态学滤波算法与改进TIN滤波算法的优势,首先采用渐进式形态学滤波算法对原始机载LiDAR点云数据进行处理,提取得到初始地面点;其次优化传统TIN滤波算法,以初始地面点及种子点构建TIN,通过连续迭代提取得到精细化地面点。为验证本文提出滤波算法的可靠性与优越性,选取宁波市某地2组机载LiDAR点云数据进行实验,结果表明,与较单一的渐进式形态学滤波算法、TIN滤波算法地面点提取结果相比较,本文改进滤波算法提取地面点的Ⅰ类误差、Ⅱ类误差及总误差均更低,且不受地形条件限制,具有较高的适应性,验证了本文提出改进滤波算法的可靠性与优越性。     

基于TIN的山区点云滤波研究

针对地形复杂、起伏较大的山区激光点云滤波精度低的难题,在深入理解不规则三角网(TIN)渐进加密算法基础上,首先对原始点云数据进行去噪和滤波处理,然后定量分析和比较不同参数阈值下的滤波效果。结果表明,参数阈值对基于TIN的滤波算法结果影响较大,需要结合具体的研究区域设置合适的阈值,普适性和自适应性强的滤波算法仍是点云滤波研究的重要内容。     

基于法向量模糊聚类的道路面点云数据滤波

针对道路面三维激光扫描的特点，结合点云法向量分布特征，提出了基于法向量模糊聚类的点云数据滤波算法。通过对3种不同类型实测道路面数据的实验表明，该算法对于路面扫描过程中产生的非路面冗余数据有较好的滤波效果，为点云数据滤波提供了一种新的手段。     

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.     

一种渐进加密三角网LIDAR点云滤波的改进算法

传统滤波算法常常是针对某些特定的具有连续表面的区域来进行,带有一定的局限性。这样不能解决对诸如斜坡、密集植被等复杂地区进行真实准确地形提取的难题。本文提出了一种融合区域增长方法的LIDAR点云数据的滤波方法。该方法在对原始点云数据进行预处理的基础上,生成一个松散的TIN,通过迭代生成加密的TIN,其中通过采用两次区域增长的滤波方法,实现原始地形的提取。最后通过对复杂典型数据的对比实验验证了文中所提出的改进方法的有效性和准确性。     

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。     

Distance-limited filter for extracting ground points

The extraction of points on the bare earth from point clouds acquired by airborne laser scanning is one of the most important steps for the generation of digital terrain models (DTM). This process is called “filtering”. However, most of the current filters erode the bare earth in steep sloped landscapes and at discontinuities, and they retain low vegetation. Therefore, a new filtering method for extracting ground points based on a distance limit is proposed in this paper. The angle criterion is used to assure the robustness of the algorithm. The experimental results show that the proposed filtering method can effectively derive the ground points from point clouds in complex urban areas.     

基于距离限制的地面点提取滤波器(英文)

The extraction of points on the bare earth from point clouds acquired by airborne laser scanning is one of the most important steps for the generation of digital terrain models (DTM). This process is called “filtering”. However, most of the current filters erode the bare earth in steep sloped landscapes and at discontinuities, and they retain low vegetation. Therefore, a new filtering method for extracting ground points based on a distance limit is proposed in this paper. The angle criterion is used to assure the robustness of the algorithm. The experimental results show that the proposed filtering method can effectively derive the ground points from point clouds in complex urban areas. Supported by the Program for Changjiang Scholars and Innovative Research Team in University (No.0438), the National 863 Program of China (No. 2006AA12Z151).     

知识引导下的城区LiDAR点云高精度三角网渐进滤波方法

针对城区LiDAR点云特点,提出一种基于知识的三角网渐进滤波方法：①对格网内插后的栅格数据进行面向对象分割;②采用迭代Otsu聚类手段对地面对象与非地面对象自动分离;③针对分类结果构建初始三角网,并自适应调整地面点判据参数,达到提高滤波质量目的。选用ALS50系统真实数据进行滤波实验,并与传统方法滤波结果进行精度评价,评价结果表明：基于知识的滤波方法能进一步提高点云滤波质量。     

植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算

针对传统沟蚀监测手段劳作强度大,且数据采集的完整性、代表性受切沟复杂地形制约等问题,提出了一种针对植被稀疏地区沟蚀变化的地面激光扫描（terrestrial laser scanning,TLS）监测方法,形成了一套数据处理与侵蚀量计算技术流程。以河北省官厅水库东岸某大型切沟为例,利用高精度TLS进行两年3期野外监测与点云数据分析。通过点云配准、滤波、重采样及曲面拟合等预处理,生成不同采样分辨率下3期切沟表面模型,并提取地形信息;采用杨赤中滤波推估法计算并比较不同点云重采样分辨率下的沟蚀量。结果表明:（1）当点云重采样分辨率与切沟表面凹凸微结构暨石块粒径（2~6cm）接近时,沟蚀量估算值趋于稳定、结果可靠;（2）经侵蚀作用,切沟外壁表面高程整体降低2~20 cm;（3）切沟内壁侵蚀量不均衡,坡度较大处侵蚀最为显著。     

Feature Extraction of Laser Scan Data Based on Geometric Properties

Terrestrial Laser Scanner (TLS) is an important device to provide three-dimensional geometric information with respect to known reference coordinates system. The data from TLS are often called point clouds due to their high density. They are unstructured and do not have any explicit information about the object, except 3D positional and intensity information to each point. Data segmentation and feature extraction are fundamental problems in the point cloud processing step. These are important prerequisites for object recognition and environment understanding. This paper describes a methodology to use the geometrical information of the scanned object, such as a normal vector to extract and segment object edges. The edge based segmentation technique will be studied and improved. The proposed method is programmed and used to extract different region boundaries for two real TLS data, and the quality of the results shows the effectiveness of the proposed algorithm.     

复杂城市环境的机载Lidar点云滤波(英文)

A novel filtering algorithm for Lidar point clouds is presented, which can work well for complex cityscapes. Its main features are filtering based on raw Lidar point clouds without previous triangulation or rasterization. 3D topological relations among points are used to search edge points at the top of discontinuities, which are key information to recognize the bare earth points and building points. Experiment results show that the proposed algorithm can preserve discontinuous features in the bare earth and has no impact of size and shape of buildings.     

半自动机载LiDAR点云建筑物三维重建方法

针对全自动建筑物3D重建存在需要后续人工检验,且发现重建错误需要花费额外时间修改的问题,提出了一种半自动的面向对象的机载LiDAR点云建筑物3D重建方法。基于建筑物类别点云的联通分析和平面生长分割结果,提出了自动的建筑物栋数检测、单栋建筑物外轮廓提取、单栋建筑物内部结构线提取方法;同时,在计算机无法完成部分工作时,人工辅助计算机完成高程阶越线提取、识别建筑物屋顶附属物点云等工作。实验证明,该方法可以适用于高密度机载LiDAR点云数据中城区大部分建筑物的3D模型重建。     

虚拟格网分类支持下的密集匹配点云布料模拟滤波

为了提高倾斜影像密集匹配点云滤波算法在地形复杂场景的精度、效率及自适应性,针对传统的布料模拟滤波算法的不足,本文提出了一种基于虚拟格网分类的布料模拟滤波方法。该方法首先构建带有缓冲区的虚拟格网;然后将虚拟格网按其范围内的点云坡度划分为平地、缓坡、陡坡3种类型;最后针对不同类型的虚拟格网,使用相应的布料参数进行布料模拟滤波,从而实现倾斜影像匹配点云在地形复杂场景中的点云滤波,与单一参数的布料模拟滤波进行对比试验。结果表明,基于虚拟格网分类的布料模拟滤波方法结果更接近于目视解译,该方法适合混合地形滤波。     

一种基于空间网格的地物要素点云提取方法

LiDAR点云的分类提取是点云数据处理中的首要步骤。为了提高复杂场景中点云数据分类提取方法的适用性,文中根据三维数学形态学思想,提出一种基于地物空间形状特征的点云提取方法。方法首先建立网格索引,划分网格空间,进行点云数据组织,然后根据地物在网格空间中的形状特征设计出四种参数可控的空间网格算子,最后结合点云反射强度信息自动提取特定地物点云。通过对复杂场景中的铁路地物要素LiDAR点云中建筑、电力杆线、铁路轨道的提取和郊区机载LiDAR点云中的地面与建筑屋顶的提取,验证提取算法的适用性,为点云分类提取功能模块的程序设计提供便捷方法。     

复杂城市环境的机载Lidar点云滤波

提出了一种新的Lidar点云滤波算法。该算法能对复杂的城市地貌进行滤波，无需事先进行三角网格化或栅格化，依靠点阃的拓扑关系直接对原始点云进行滤波。实验结果表明，该滤波方法能有效保留地形特征，且不受房屋形状和大小的影响。