基于机载LiDAR点云的道路提取算法研究

发布时间：2021-03-15 21:35

　　提出一种对点云特征信息进行聚类的方法,以提取机载LiDAR数据中的道路。通过采用软件ENVI 5.3反复建立三角网实现点云滤波获取地面点云,且采用零—均值标准化对地面点云进行标准化,以消除其量纲。然后进一步利用K-means++方法对点云三维坐标聚类实现点云分割,以获取包含道路点云的类别,且对该类别中点云的高度信息进行聚类以提取道路点云。以荒漠植被区机载LiDAR为研究区,对比直接对点云高度信息聚类的结果表明:在设置相同聚类参数的基础上,直接进行高度聚类的SSE总和为2 550.714,所提出的先分割后聚类方法获取的SSE总和为73.696,比直接进行高度聚类的SSE总和低2 477.018,说明本方法使K-means++性能更好。对比运算速度发现,虽然采用该方法聚类消耗时间比直接聚类消耗时间多16 s,但提取结果更好,可去除非道路点云3 673个。 

【文章来源】：测绘工程. 2020,29(03)

【文章页数】：5 页

【部分图文】：

研究区点云数据高程灰度图

地面点云灰度图

K-means++对点云三维坐标聚类的三维可视化

【参考文献】：
期刊论文
[1]提取城市道路边线的点云法向量聚类法[J]. 杨望山,蔡来良,谷淑丹.  光子学报. 2018(06)
[2]LiDAR不同强度校正法对樟子松叶面积指数估测的影响[J]. 尤号田,邢艳秋,彭涛,丁建华.  测绘学报. 2018(02)
[3]基于强度信息聚类的机载LiDAR点云道路提取[J]. 龚亮,张永生,李正国,包全福.  测绘通报. 2011(09)

硕士论文
[1]散乱点云特征提取和聚类精简技术研究[D]. 陈龙.西南科技大学 2017
[2]基于LiDAR数据的森林地区DEM建立[D]. 朱宝珠.长安大学 2016



本文编号：3084849