隨著機載激光雷達成像技術(shù)（LiDAR）的不斷發(fā)展,激光點云數(shù)據(jù)處理的相關(guān)研究也在不斷深入。點云濾波是機載激光雷達點云數(shù)據(jù)處理的重要環(huán)節(jié)之一。針對多數(shù)經(jīng)典濾波方法在復(fù)雜地形和地物條件下的濾波效果不夠理想的現(xiàn)狀,提出一種新的基于相對變異系數(shù)的地形自適應(yīng)正則化薄板樣條插值點云濾波方法。采用二維區(qū)域增長獲取初始插值參考點后,基于線特征約束對參考點進行優(yōu)化,去除部分低可靠性參考點以得到較準確、分布離散均勻的初始插值參考點集合,在此基礎(chǔ)上通過正則化薄板樣條插值方式來擬合地形點與地物點之間的濾波分類面,完成對機載激光點云的高精度自適應(yīng)濾波。對比實驗結(jié)果表明,本文的地形自適應(yīng)濾波方法在2組實驗數(shù)據(jù)的總體錯誤率分別達到4.14%和4.17%,在錯誤率和多地形綜合表現(xiàn)等方面具有優(yōu)勢,且濾波運算效率在目前主流的濾波算法中處于較高水平。另外,實驗結(jié)果驗證了地形自適應(yīng)濾波方法在斜坡、山脊等起伏較多的復(fù)雜地形與包含植被和建筑物的混合地形等處的點云濾波結(jié)果具有較好的準確性。 

【文章來源】：地球信息科學學報. 2020,22(04)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

種子點選取和8-鄰域區(qū)域增長

在提取線特征的基礎(chǔ)上，結(jié)合高程斷裂線和多方向掃描高程判別的方式進一步判斷高程斷裂線附近的地物點，移出插值參考點集合，盡可能減少插值參考點中的非地面點。分別以8方向掃描高程圖柵格（掃描方向與圖1區(qū)域增長方向一致），在某一條掃描線上依次遍歷所有柵格單元，記錄靠近高程斷裂線兩側(cè)柵格單元的高程值（注：柵格單元高程值為柵格內(nèi)點的最低點高程），在多個方向上若某一柵格單元位于兩條斷裂線之間，且高程顯著高于斷裂線兩側(cè)（同一掃描方向上的單元）高程（圖3(a）），或位于點云邊界和某條斷裂線之間，且高程高于斷裂線另一側(cè)（同一掃描方向上的柵格單元）高程，則將位于該柵格內(nèi)的點移出插值參考點集合（圖3(b））。對于斷裂線標記柵格單元內(nèi)的格網(wǎng)點，若5×5窗口（緩沖區(qū)）內(nèi)有高程大于等于當前點的格網(wǎng)點，則同樣將當前點移出插值參考點集合。完成上述篩選后，剩余的參考點即為初始的插值參考點。3 地形自適應(yīng)的正則化薄板樣條插值

式中：Ki,j=d2i,jln di,j;di,j=(xj-xi)2+(yj-yi)2;i和j為插值點序號。其余各項的表達式如下：TPS函數(shù)正則化項的通用表達式如下：

【參考文獻】：
期刊論文
[1]基于區(qū)域特征分割的密集匹配點云漸進形態(tài)學濾波[J]. 張剛,劉文彬,張男.  地球信息科學學報. 2019(04)
[2]機載LiDAR點云數(shù)據(jù)的二面角濾波算法[J]. 劉凱斯,王彥兵,宮輝力,李小娟,余潔.  地球信息科學學報. 2018(04)
[3]回波強度約束下的無人機LiDAR點云K-means聚類濾波[J]. 李沛婷,趙慶展,陳洪.  地球信息科學學報. 2018(04)
[4]基于植被指數(shù)限制分水嶺算法的機載激光點云建筑物提取[J]. 趙宗澤,張永軍.  光學學報. 2016(10)
[5]知識引導(dǎo)下的城區(qū)LiDAR點云高精度三角網(wǎng)漸進濾波方法[J]. 左志權(quán),張祖勛,張劍清.  測繪學報. 2012(02)
[6]基于漸進三角網(wǎng)的機載LiDAR點云數(shù)據(jù)濾波[J]. 隋立春,張熠斌,張碩,陳衛(wèi).  武漢大學學報(信息科學版). 2011(10)



本文編號：3474334