本文選題：多分辨率層次分類 + 薄板樣條函數(shù)　； 參考：《測繪科學(xué)技術(shù)學(xué)報》2017年01期

【摘要】：針對復(fù)雜地形環(huán)境濾波的需求,提出一種具有較強(qiáng)抗差穩(wěn)定性的多分辨率層次分類濾波算法。該方法首先對原始點云數(shù)據(jù)進(jìn)行格網(wǎng)化,主要通過設(shè)置格網(wǎng)分辨率值將數(shù)據(jù)分為3個層次,在每一層通過改進(jìn)的局部最小值法選取初始地面種子點;然后利用薄板樣條函數(shù)迭代內(nèi)插生成柵格曲面,根據(jù)定義的殘差閾值判定方法,完成點云的分類;分離出的地面點作為下一次迭代的種子點用于構(gòu)建柵格曲面。利用ISPRS提供的15個訓(xùn)練數(shù)據(jù)對該方法進(jìn)行實驗,將實驗結(jié)果與8種經(jīng)典濾波算法進(jìn)行對比分析,證明該方法在適應(yīng)不同地形環(huán)境方面具有較強(qiáng)的穩(wěn)健性。
[Abstract]:According to the need of complex terrain environment filtering, a multi-resolution hierarchical classification filtering algorithm with strong robust stability is proposed.In this method, the original point cloud data is first meshed, the data is divided into three levels by setting the grid resolution value, and the initial ground seed points are selected in each layer by the improved local minimum method.Then the grid surface is generated by iteratively interpolating the thin plate spline function, and the point cloud is classified according to the defined residual threshold. The separated ground point is used as the seed point of the next iteration to construct the grid surface.Fifteen training data provided by ISPRS are used to experiment this method. The experimental results are compared with 8 classical filtering algorithms. It is proved that the method is robust in adapting to different terrain environments.
【作者單位】： 中國礦業(yè)大學(xué)環(huán)境與測繪學(xué)院;江蘇省水文水資源勘測局徐州分局;中國礦業(yè)大學(xué)資源與地球科學(xué)學(xué)院;濟(jì)南市勘察測繪研究院;神華寧夏煤業(yè)集團(tuán)有限責(zé)任公司雙馬煤礦;
【基金】：國土資源公益性行業(yè)科研專項經(jīng)費項目(201111013) 江蘇高校優(yōu)勢學(xué)科建設(shè)工程項目(SZBF2011-6-B35)
【分類號】：P204;TN958.98

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[J];測繪通報;2012年S1期

2 詹慶明;張海濤;喻亮;;古建筑激光點云-模型多層次一體化數(shù)據(jù)模型[J];地理信息世界;2010年04期

3 張毅;閆利;;地面激光點云強(qiáng)度噪聲的三維擴(kuò)散濾波方法[J];測繪學(xué)報;2013年04期

4 程效軍;李偉英;張小虎;;基于自適應(yīng)八叉樹的點云數(shù)據(jù)壓縮方法研究[J];河南科學(xué);2010年10期

5 張巧英;陳浩;朱爽;;密度聚類算法在連續(xù)分布點云去噪中的應(yīng)用[J];地理空間信息;2011年06期

6 李德江;殷福忠;孫利民;;基于特征點的點云壓縮方法研究[J];測繪通報;2012年01期

7 宋楊;;基于線性八叉樹的點云簡化與特征提取研究[J];廣東科技;2012年17期

8 宋楊;;基于線性八叉樹的點云簡化與特征提取研究[J];廣東科技;2012年13期

9 陳凱;張達(dá);張元生;;采空區(qū)三維激光掃描點云數(shù)據(jù)處理方法[J];光學(xué)學(xué)報;2013年08期

10 羅德安;廖麗瓊;吳志群;;基于點云的建筑立面模型快速重建[J];測繪通報;2013年12期

相關(guān)會議論文 前4條

1 蔡來良;李儒;;點云數(shù)據(jù)處理算法與實現(xiàn)初步研究[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

2 李濱;王佳;;基于點云的建筑測繪信息提取[A];第四屆“測繪科學(xué)前沿技術(shù)論壇”論文精選[C];2012年

3 趙福生;胡靜波;;基于距離-梯度的LIDAR點云簡化算法研究[A];中國測繪學(xué)會2010年學(xué)術(shù)年會論文集[C];2010年

4 李艷芳;;改進(jìn)ICP算法在點云精確配準(zhǔn)中的應(yīng)用[A];2014年2月建筑科技與管理學(xué)術(shù)交流會論文集[C];2014年

相關(guān)重要報紙文章 前1條

1 中國工程院院士 劉先林;四維遠(yuǎn)見的裝備創(chuàng)新[N];中國測繪報;2012年

相關(guān)博士學(xué)位論文 前6條

1 彭檢貴;融合點云與高分辨率影像的城區(qū)道路提取與表面重建研究[D];武漢大學(xué);2012年

2 楊德賀;面向虛擬測方系統(tǒng)的點云聚類與擬合理論[D];中國礦業(yè)大學(xué)（北京）;2014年

3 馮義從;車載LiDAR點云的建筑物立面信息快速自動提取[D];西南交通大學(xué);2014年

4 李峰;機(jī)載LiDAR點云的濾波分類研究[D];中國礦業(yè)大學(xué)（北京）;2013年

5 熊友誼;地面激光掃描點云與魚眼全景影像的配準(zhǔn)與整合研究[D];中國礦業(yè)大學(xué)（北京）;2014年

6 孫美玲;機(jī)載LiDAR數(shù)據(jù)濾波及城區(qū)汽車目標(biāo)檢測方法研究[D];西南交通大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 胡誠;精度約束下地表LiDAR點云抽稀方法研究[D];西南交通大學(xué);2015年

2 馬寧;基于激光束法區(qū)域網(wǎng)平差的三維激光掃描點云定向方法研究[D];山東理工大學(xué);2015年

3 羅寒;地面激光掃描三維模型重建技術(shù)研究[D];東華理工大學(xué);2016年

4 朱寧寧;三維激光掃描監(jiān)測地鐵隧道形變關(guān)鍵技術(shù)研究[D];河南理工大學(xué);2015年

5 楊莎莎;車載LiDAR點云中行道樹信息提取研究[D];河南理工大學(xué);2015年

6 鐘禮山;側(cè)視LiDAR數(shù)據(jù)多層次單木點云分割研究[D];南京大學(xué);2016年

7 張倩寧;基于地形復(fù)雜度的LiDAR點云簡化方法研究[D];西南交通大學(xué);2016年

8 段振龍;三維激光點云分塊配準(zhǔn)方法研究[D];西南交通大學(xué);2016年

9 單長賀;融合影像序列的三維激光數(shù)據(jù)建模技術(shù)研究[D];昆明理工大學(xué);2016年

10 孫蒙;機(jī)載LiDAR點云與航空影像融合的地物分類方法研究[D];中國礦業(yè)大學(xué);2016年

，

本文編號：1753347