文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法。首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属...文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法。首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属性,然后利用地形计算因子求得每个网格的坡度分类阈值,再按网格尺度由大到小的方式对整体点云进行坡度滤波,得出真实的地面点云数据。文中采用了多种地形的光探测和测距(Light Detection and Ranging,LiDAR)(简称“激光雷达”)数据来验证该算法,结果表明,该算法能够有效去除地面上的植被、建筑物等地物点,保留真实的地面点云数据。该算法重点解决了在伴随地形变化时坡度滤波阈值的计算和自适应设置问题,以及在地形变化剧烈的边缘地带过度滤波的问题。展开更多
LIDAR(Light Detection and Ranging)技术由于其在数据获取和处理上的高度自动化,正广泛地被应用于各种地形数据的获取。LIDAR数据是目前最为理想的生产DEM的数据源,利用机载激光雷达获取DEM数据是机载激光雷达最为直接的应用。本文提...LIDAR(Light Detection and Ranging)技术由于其在数据获取和处理上的高度自动化,正广泛地被应用于各种地形数据的获取。LIDAR数据是目前最为理想的生产DEM的数据源,利用机载激光雷达获取DEM数据是机载激光雷达最为直接的应用。本文提出了一种将虚拟三角网与坡度滤波相结合处理LIDAR点云数据的方法,该方法将虚拟三角网的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。在虚拟三角网中进行初始地面点的选取,再由初始地面点生成的初始表面模型,通过坡度滤波可快速提取地面点。展开更多
文摘文章针对基于坡度滤波算法在地形复杂地区中难以合理设置滤波阈值的问题,提出了一种基于多尺度网格的点云自适应坡度滤波的算法。首先在构建的多尺度的虚拟网格内选取最优点作为初始地面种子点,计算网格的点云空间占比并划分网格语义属性,然后利用地形计算因子求得每个网格的坡度分类阈值,再按网格尺度由大到小的方式对整体点云进行坡度滤波,得出真实的地面点云数据。文中采用了多种地形的光探测和测距(Light Detection and Ranging,LiDAR)(简称“激光雷达”)数据来验证该算法,结果表明,该算法能够有效去除地面上的植被、建筑物等地物点,保留真实的地面点云数据。该算法重点解决了在伴随地形变化时坡度滤波阈值的计算和自适应设置问题,以及在地形变化剧烈的边缘地带过度滤波的问题。
文摘LIDAR(Light Detection and Ranging)技术由于其在数据获取和处理上的高度自动化,正广泛地被应用于各种地形数据的获取。LIDAR数据是目前最为理想的生产DEM的数据源,利用机载激光雷达获取DEM数据是机载激光雷达最为直接的应用。本文提出了一种将虚拟三角网与坡度滤波相结合处理LIDAR点云数据的方法,该方法将虚拟三角网的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。在虚拟三角网中进行初始地面点的选取,再由初始地面点生成的初始表面模型,通过坡度滤波可快速提取地面点。
