渐进三角网加密滤波辅助的布料模拟滤波

为了提高布料模拟滤波(CSF)算法处理复杂地形时的精度与适应性,本文提出了渐进三角网加密滤波辅助的布料模拟算法(CSFPTD)。该方法首先根据地面点云回波次数特点提取单、末次回波点云,以提高点云处理效率,在此基础上,采用渐进三角网加密滤波算法提取地面点,建立宏观反映复杂地形特征的粗数字地面模型(DTM),对点云进行高程归一化处理,消除地形起伏对点云滤波结果的影响,最后CSF实现点云精细滤波。对CSFPTD算法与经典CSF算法进行了对比实验,其中,Ⅰ类误差由11.81%下降到7.48%,Ⅱ类误差由1.90%下降到1.23%,总误差由4.05%下降到2.58%。实验结果表明:CSFPTD算法在综合复杂地形下的滤波精度明显提高,提升了算法的地形适应性。

面向复杂山区微地貌的手持LiDAR点云滤波方法比较

本文以手持激光点云数据是否可用于进行复杂山地土壤侵蚀和地表剥蚀测量为典型实例,试验对比分析了渐进加密三角网滤波算法、坡度滤波算法及布料模拟滤波算法在地面激光雷达点云分类中的性能。具体分别采用了3种滤波对应的参数对试验数据集进行测试以获得最高性能,并对比分析而获得每种算法的最优滤波。试验结果表明:对于平缓裸露地貌的滤波处理,布料模拟滤波效果最好,渐进加密三角网滤波次之,坡度滤波算法效果最差;对于复杂山地地貌的滤波处理,渐进加密三角网滤波算法滤波效果最好,布料模拟滤波次之,坡度滤波算法效果最差。试验研究成果为优化滤波算法的参数以提高其检测微地形变化的性能提供了有价值的信息,并验证了渐进加密三角网滤波在复杂地区滤波效果的有效性。

植被茂密地区点云双重滤波方法研究

为了解决目前机载激光雷达点云滤波算法中特征单一、运算效率低、植被覆盖区效果较差等问题,提出一种植被茂密地区的点云自适应双重滤波方法。首先利用回波分离方法,分别提取点云的单次回波和末次回波进行粗滤波处理;然后利用偏度平衡理论进行单次回波的强度阈值确定,同时利用最大类间方差法对首次回波和末次回波的高程差进行高差运算,实现末次回波高差阈值自动化,并融合粗滤波后单次回波和末次回波的点云数据;最后,利用不规则三角网渐进加密滤波算法对融合后的点云数据进行精滤波处理,并通过了实验验证。结果表明,3组数据集的Ⅱ类误差都相对较低,分别为1.06%,1.64%,1.34%。结合回波信息和高差信息的双重滤波方法不仅能较好地剔除植被,而且能较好地保留地形细节。

一种机载LiDAR点云组合滤波方法的研究

机载LiDAR点云处理技术已广泛应用于测绘工程领域。为了在实际应用中获取更精确的滤波结果,提升在复杂地形场景下点云滤波的自适性和DEM生成的精度,通过对各滤波算法优缺点分析,提出了一种组合滤波方法。该方法综合了改进渐进加密三角网滤波、邻域高差滤波和平面拟合滤波算法的优点,具有更高的自适性和近地点处理能力。经过对室外综合场景LiDAR点云进行滤波实验,结果表明,该方法解决了IPTD滤波算法在陡坡和山顶区域难以保留地形特征的缺点,有效过滤了近地点噪声,增强了滤波算法的自适性,具有较好的实用价值。

基于地表覆盖类型的山区点云滤波方法研究

现有点云滤波算法对山区适用性差,易造成滤波后地面点云系统偏低。从点云非地面点产生的原因出发,对地表覆盖类型进行分类,利用现有成熟的植被、建筑物等地表覆盖物提取算法,提取并剔除点云非地面点,从而实现点云滤波。经与现有成熟的改进的渐进加密三角网滤波算法进行定性定量分析,结果表明:(1)基于地表覆盖类型的复杂山区点云滤波算法获取的地面点云与实测剖面更接近,无明显偏差。(2)基于地表覆盖类型的复杂山区点云滤波算法剖面高程较差均值为-0.05 m,中误差为0.46 m;渐进加密三角网滤波算法较差均值为-0.44 m,中误差为0.70 m。得出结论:基于地表覆盖类型的复杂山区点云滤波方法精度优于改进渐进加密三角网滤波算法;较传统面向地面点的滤波算法,基于地表覆盖类型的点云滤波算法对山区地形具有适用性更强,自动化程度更高,提取精度更高等特点,为山区复杂地形点云滤波提供新的解决方案。

基于三角网滤波和支持向量机的点云分类算法

为了提高城区机载激光雷达点云数据分类算法的自动化程度和分类精度,提出一种基于渐进加密三角网和双层支持向量机的点云分类算法。采用渐进加密三角网滤波提取地面点,在地面点的基础上对地物点进行归一化处理。对点云特征有效性进行评估,选取特征向量并用最邻近支持向量机(NN-SVM)对地物点进行分类,实现对城区点云数据的多元分类。利用城区点云数据验证该算法,通过分析分类精度对分类效果进行评价。结果表明,该算法有效提高了点云数据分类精度,实现了对城区点云数据的有效分类。

无人机载LiDAR点云滤波算法研究

针对经典渐进三角网加密(PTD)滤波算法在选择地面种子点时存在随机性,导致点云滤波精度受限的问题,本文提出了一种改进渐进三角网加密(IPTD)滤波算法。在机载点云滤波的实现中,该算法的关键流程包含:首先,采用扩展局部极小值法,在格网内进行深度搜索,精确识别出极小值点,将其作为潜在的地面种子点,从而解决了传统算法中直接将格网内最低点作为地面种子点的问题;其次,采用局部薄板样条函数(TPS)插值法,对格网的高程数据进行高精确度的拟合和计算;最后,基于筛选出的优质种子点,构建不规则三角网(TIN),从而实现点云的精确分类。为了验证本文提出的改进滤波算法的效果,通过设置对比实验,对本文提出的改进滤波算法与传统滤波算法的实验结果进行对比,结果表明,本文提出的改进滤波算法在提升点云滤波精度方面表现出了显著的优势。

面向水库大坝形变监测的三维激光扫描点云分析方法

根据黄龙带水库大坝两期高精度三维激光大坝扫描点云数据,本文提出基于正态分布的点云数据配准算法、改进原始渐进加密三角网滤波算法,运用点到面形变量对比分析模式监测大坝形变量,并进行源程序开发,实现一体化监测点云数据的加工、对比分析及建模处理。通过结果验证显示:(1)改进后的算法效率高、精度优,适用于大坝点云数据处理和对比分析;(2)开发的点云数据一体化处理软件简单易用,能够精准反映坝体变形情况;(3)黄龙带坝体稳定,尚无安全隐患。

高植被覆盖复杂山区机载激光LiDAR点云分类与处理

机载激光雷达拥有一定程度的植被穿透能力,可从植被覆盖的复杂区域获取植被与山体地貌等多种数据,并根据不同地物的特性进行数据分类、处理,以获得测绘或实验用数据。该文以重庆市奉节县区域内所获取的点云数据为例,先对原始点云数据进行预处理,使用渐进加密三角网滤波算法进行地面点分类,最后生成数字高程模型(DEM)。实验表明,现有的机载LiDAR技术已经基本满足在高植被覆盖山区等复杂地形的使用,为以后的工程和测量提供了新的思路。