發(fā)布時間：2021-03-15 21:35

　　提出一種對點云特征信息進行聚類的方法,以提取機載LiDAR數(shù)據(jù)中的道路。通過采用軟件ENVI 5.3反復建立三角網(wǎng)實現(xiàn)點云濾波獲取地面點云,且采用零—均值標準化對地面點云進行標準化,以消除其量綱。然后進一步利用K-means++方法對點云三維坐標聚類實現(xiàn)點云分割,以獲取包含道路點云的類別,且對該類別中點云的高度信息進行聚類以提取道路點云。以荒漠植被區(qū)機載LiDAR為研究區(qū),對比直接對點云高度信息聚類的結(jié)果表明:在設(shè)置相同聚類參數(shù)的基礎(chǔ)上,直接進行高度聚類的SSE總和為2 550.714,所提出的先分割后聚類方法獲取的SSE總和為73.696,比直接進行高度聚類的SSE總和低2 477.018,說明本方法使K-means++性能更好。對比運算速度發(fā)現(xiàn),雖然采用該方法聚類消耗時間比直接聚類消耗時間多16 s,但提取結(jié)果更好,可去除非道路點云3 673個。 

【文章來源】：測繪工程. 2020,29(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

研究區(qū)點云數(shù)據(jù)高程灰度圖

地面點云灰度圖

K-means++對點云三維坐標聚類的三維可視化

【參考文獻】：
期刊論文
[1]提取城市道路邊線的點云法向量聚類法[J]. 楊望山,蔡來良,谷淑丹.  光子學報. 2018(06)
[2]LiDAR不同強度校正法對樟子松葉面積指數(shù)估測的影響[J]. 尤號田,邢艷秋,彭濤,丁建華.  測繪學報. 2018(02)
[3]基于強度信息聚類的機載LiDAR點云道路提取[J]. 龔亮,張永生,李正國,包全福.  測繪通報. 2011(09)

碩士論文
[1]散亂點云特征提取和聚類精簡技術(shù)研究[D]. 陳龍.西南科技大學 2017
[2]基于LiDAR數(shù)據(jù)的森林地區(qū)DEM建立[D]. 朱寶珠.長安大學 2016



本文編號：3084849