基于多尺度维度特征的激光点云植被去除

发布时间：2021-07-14 05:27

　　为解决形变监测时自然场景的点云数据植被过滤问题,采用基于多尺度维度特征的点云分类算法对植被点云进行去除,从分类尺度的选择的方面对算法进行优化,提高了岩体坡面点云分类精度,结果显示:经最佳尺度分类处理得到的地面点云平均精确率达99.64%,并且算法不受激光点云的密度、遮挡和复杂地形的影响。 

【文章来源】：产业科技创新. 2020,2(03)

【文章页数】：2 页

【部分图文】：

特征值的方差比例坐标系

本次试验地面点云扫描自校园内一处土坡。图2表示在不同尺度下地面点分类的召回率和精确率，实验表明，最优尺度可以使坡面点云得到较高的分类精确率。实验的分类尺度为初始值为0.1 m，间隔为0.1，最大尺度为1.1 m。分类的召回率为99.50%，精确率可达99.64%。图3 分类精度及耗时

图2 尺度范围与地面点精度上述实验中场景的最优分类尺度范围为0.1m∶0.1 m∶1.1 m，在不同的尺度间隔下地面点精度及耗时如图3。结果表明，地面点精确率和召回率在波动中略有下降，但波动均不超过0.3%，但实验耗时相差可达7倍。表明合理的尺度间隔可以有效缩短计算时间。

【参考文献】：
期刊论文
[1]基于改进的数学形态学算法的LiDAR点云数据滤波[J]. 隋立春,张熠斌,柳艳,曲佳,李伟,王蒙,李智临.  测绘学报. 2010(04)



本文编号：3283512