一种机载LiDAR点云缺失数据的填补方法

针对机载激光雷达点云数据内部存在的缺失数据,提出了一种缺失数据辨识及填补方法。首先,利用二值数据空洞图检测数据缺失的存在;其次,利用连通区域标记算法将数据空洞图分割为多个数据空洞;然后,对大面积的数据空洞的外边界轮廓数据点的凸包依据方差和平均曲率条件进行等距扩大,获得数据空洞的有效影响区域;最后,研究不同的缺失数据类型的最优空间插值方案,并基于影响区域内的点云,利用最优空间插值方案对不同类型的缺失数据进行填补。试验基于ISPRS提供的包含了不同类型的数据空洞的点云数据测试了影响区域的有效性及不同类型的缺失数据的最优空间插值方案,从而验证了提出方法的有效性。

一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法

针对现有的基于机载LiDAR数据的滤波算法未能充分利用数据提供的所有信息及其所采用的数据结构表达复杂、存在信息损失等缺陷,提出了一种灰度体素结构分割模型下的机载LiDAR 3D滤波算法。算法首先以综合利用机载LiDAR数据的高程及强度信息为目的将点云数据规则化为灰度(体素内激光点的平均强度的离散化表示)体素结构,然后基于各体素间的空间连通性和灰度相似性准则,将灰度体素结构分割并标记为若干个3D连通区域,最后依据地面与其它目标的高差特性提取与其对应的3D连通区域。算法优势在于:基于体素结构设计,为3D滤波算法;综合利用了地面目标的几何及辐射特征,对比传统滤波算法可应用于更复杂的场景;滤波结果为3D地面体素形式,可直接用于创建地面3D模型。实验采用国际摄影测量与遥感协会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的不同密度的机载LiDAR基准测试数据测试了邻域尺度参数的敏感性及提出的算法的有效性,并和其他经典滤波算法做对比。定量评价的结果表明,51邻域为最佳空间邻域尺度;点云密度为0.67点/m2的数据集1的滤波平均完整率、正确率及质量分别为0.9611、0.9248及0.8934;点云密度为4点/m2的数据集2的滤波平均完整率、正确率及质量分别为0.8490、0.8531及0.7404;对比其全经典滤波算法本文算法在高密度点云数据滤波时表现更佳。