地面三维激光扫描点云数据精简算法质量评价研究

三维激光扫描获取的点云数据量大且密度高,庞大的数据量在存储、传输、处理和显示方面对计算机的性能提出很高的要求,导致数据的使用、处理效率低下,因此数据精简成为点云数据处理中的重要研究内容之一。分析总结了当前点云数据精简算法研究现状,采用斯坦福大学3D扫描库中的数据对3种经典精简算法进行比较,从精简后目标的体积和表面积变化率、精简误差、信息熵等方面分析对比了3种算法的特点及适用性,为后续精简算法研究提供基础。

基于邻域点位置特征的点云数据精简

海量点云数据给存储、传输、处理等带来极大困难。针对现有算法在特征保留与精简后重建模型表面积、体积、重建误差不能兼顾的问题,提出一种基于邻域点位置特征的点云精简算法。该算法根据权值计算投影面、搜寻矩阵大小以及精简比例对目标点云进行精简。将目标点云网格化处理;寻找投影面垂直方向(正、负两个方向),以目标点为中心,获取搜寻矩阵范围内的点;根据搜寻矩阵内点与目标点的位置关系确定其权值;根据所设的精简比例对原始点云进行精简。将所提算法与曲率采样法、均匀网格法和随机采样法进行比较,并从特征保留、表面积和体积变化率这3个方面进行评价。实验结果表明:所提算法的精简结果对特征区域效果优于均匀网格法和随机采样法,与曲率采样法一致;精简结果误差、重建模型的表面积差和体积差总体优于曲率采样法,与随机采样法基本一致,略差于均匀网格法。因此,所提算法既能较好地保留特征,同时又能使重建后的结果模型表面积和体积变化以及误差都较小,综合效果好。

结合薄板样条插值的机载LiDAR渐进形态学滤波算法

滤波是机载激光雷达点云数据处理的关键步骤之一,形态学滤波算法作为一种经典有效的机载激光雷达点云滤波算法受到广泛使用。针对大多数形态学滤波算法地形特征保留不佳、滤波效果不好的问题,提出一种基于薄板样条多级插值的形态学滤波算法。该算法结合形态学开运算滤波窗口不断减小的特点,采用薄板样条插值在不同尺寸的窗口下进行处理,此过程由上往下迭代进行,直至窗口大小小于设定的最小滤波窗口尺寸。采用国际摄影测量与遥感协会提供的测试数据集进行实验,结果表明,所提算法精度有明显提高,在建筑物或山坡等地区的滤波效果尤为突出,有效保留了地形特征。