一种地形自适应的机载LiDAR点云正则化TPS滤波方法

发布时间：2021-11-03 20:54

　　随着机载激光雷达成像技术（LiDAR）的不断发展,激光点云数据处理的相关研究也在不断深入。点云滤波是机载激光雷达点云数据处理的重要环节之一。针对多数经典滤波方法在复杂地形和地物条件下的滤波效果不够理想的现状,提出一种新的基于相对变异系数的地形自适应正则化薄板样条插值点云滤波方法。采用二维区域增长获取初始插值参考点后,基于线特征约束对参考点进行优化,去除部分低可靠性参考点以得到较准确、分布离散均匀的初始插值参考点集合,在此基础上通过正则化薄板样条插值方式来拟合地形点与地物点之间的滤波分类面,完成对机载激光点云的高精度自适应滤波。对比实验结果表明,本文的地形自适应滤波方法在2组实验数据的总体错误率分别达到4.14%和4.17%,在错误率和多地形综合表现等方面具有优势,且滤波运算效率在目前主流的滤波算法中处于较高水平。另外,实验结果验证了地形自适应滤波方法在斜坡、山脊等起伏较多的复杂地形与包含植被和建筑物的混合地形等处的点云滤波结果具有较好的准确性。 

【文章来源】：地球信息科学学报. 2020,22(04)北大核心CSCD

【文章页数】：11 页

【部分图文】：

种子点选取和8-邻域区域增长

在提取线特征的基础上，结合高程断裂线和多方向扫描高程判别的方式进一步判断高程断裂线附近的地物点，移出插值参考点集合，尽可能减少插值参考点中的非地面点。分别以8方向扫描高程图栅格（扫描方向与图1区域增长方向一致），在某一条扫描线上依次遍历所有栅格单元，记录靠近高程断裂线两侧栅格单元的高程值（注：栅格单元高程值为栅格内点的最低点高程），在多个方向上若某一栅格单元位于两条断裂线之间，且高程显著高于断裂线两侧（同一扫描方向上的单元）高程（图3(a）），或位于点云边界和某条断裂线之间，且高程高于断裂线另一侧（同一扫描方向上的栅格单元）高程，则将位于该栅格内的点移出插值参考点集合（图3(b））。对于断裂线标记栅格单元内的格网点，若5×5窗口（缓冲区）内有高程大于等于当前点的格网点，则同样将当前点移出插值参考点集合。完成上述筛选后，剩余的参考点即为初始的插值参考点。3 地形自适应的正则化薄板样条插值

式中：Ki,j=d2i,jln di,j;di,j=(xj-xi)2+(yj-yi)2;i和j为插值点序号。其余各项的表达式如下：TPS函数正则化项的通用表达式如下：

【参考文献】：
期刊论文
[1]基于区域特征分割的密集匹配点云渐进形态学滤波[J]. 张刚,刘文彬,张男.  地球信息科学学报. 2019(04)
[2]机载LiDAR点云数据的二面角滤波算法[J]. 刘凯斯,王彦兵,宫辉力,李小娟,余洁.  地球信息科学学报. 2018(04)
[3]回波强度约束下的无人机LiDAR点云K-means聚类滤波[J]. 李沛婷,赵庆展,陈洪.  地球信息科学学报. 2018(04)
[4]基于植被指数限制分水岭算法的机载激光点云建筑物提取[J]. 赵宗泽,张永军.  光学学报. 2016(10)
[5]知识引导下的城区LiDAR点云高精度三角网渐进滤波方法[J]. 左志权,张祖勋,张剑清.  测绘学报. 2012(02)
[6]基于渐进三角网的机载LiDAR点云数据滤波[J]. 隋立春,张熠斌,张硕,陈卫.  武汉大学学报(信息科学版). 2011(10)



本文编号：3474334