一种基于形态学的激光雷达数据滤波算法的改进

机载激光雷达是DEM生产的重要技术手段之一.为了获取高分辨率的DEM,首先要将建筑物、车辆、植被等非地面点去除,这一过程称为滤波.本文在现有算法的基础上提出一种改进的形态学滤波算法.该算法逐步增大滤波窗口尺寸,并采用自适应的高差阈值,较好地保留了地形拓扑信息.试验采用ISPRS提供的参考数据进行测试分析,该数据代表典型...     

基于自适应和多尺度数学形态学的点云数据滤波方法

数学形态学滤波是从激光雷达(LIDAR)点云数据中识别地面点、创建数字高程模型的一种重要方法.在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题的基础上,提出一种改进的、多尺度的、具有一定自适应性的数学形态学滤波算法.该方法通过构建一个粗糙的地面不规则三角网(TIN)来确定实验区域的地形特征,从而选择恰当的地形坡度参数,用于多尺度数学形态学滤波中高差闻值的计算.将每次迭代前后高差小于阈值的点划分为地面点,同时保留地面点的高程值用于下次的迭代计算.实验结果表明该方法能够有效识别地面点和地物点,并且保留地形的细节信息.     

基于数学形态学的LiDAR数据滤波新方法

数学形态学滤波是从激光雷达点云数据中识别地面点、创建数字高程模型的一种重要方法.在分析现有滤波方法的优劣性以及数学形态学滤波方法存在的问题基础上,提出一种新的具有一定自适应性的数学形念学滤波算法.该方法通过分析LiDAR数据的特点,利用形态学算子提取原始点云数据的空白区域,进行精确的重采样生成DSM;然后将DSM多尺度...     

一种自适应数学形态学LiDAR点云滤波方法

在Li DAR点云滤波算法当中,数学形态学滤波是其主要方法之一。传统的数学形态学在迭代次数、高程阈值的选取上,通常是通过人工依靠经验设置滤波参数,因此算法具有很大的盲目性。这里通过分析在不同迭代次数下滤波前后地面点云数目的变化特点,以及高程阈值与点云密度的关系,提出了一种自适应数学形态学滤波算法。采用不同地形的Li DAR数据对算法进行了实验分析,验证了算法的可行性。     

一种改进的基于坡度变化的机载激光雷达点云滤波方法

机载激光点云数据滤波是获取高精度数字表面模型和数字高程模型的关键。本文分析了几种重要的滤波算法,在研究基于坡度变化的滤波算法的基础上,提出一种改进的分块滤波处理的方法。实验表明:该方法能有效对点云数据进行分类。     

一种基于扫描线的数学形态学LiDAR点云滤波方法

运用数学形态学的机载激光雷达点云滤波方法一直在不断发展,Keqi Zhang方法是其改进方法之一.针对Keqi Zhang方法对原始点云数据造成内插误差的不足,提出了一种基于扫描线的数学形态学LiDAR点云滤波方法.该方法直接在扫描线上进行数学形态学开运算,并对扫描折线问题进行有效处理.3个测区的试验结果和滤波指标统计...     

基于城市环境LiDAR数据的滤波方法

设计了一种多次渐进滤波方法,通过反复选取地面点,不断更正误选点,最终得到较正确的地面点数据。试验表明,该方法能有效地克服地陷点带来的问题,得到了更加精确的数字地面模型。     

滤波算法比较

1 介绍与商业机载激光扫描(ALS)系统的发展相比,为特定应用选择适合的(自动、半自动)数据处理方法还处于研究阶段。其中,手工分类(滤     

一种从机载LiDAR点云数据获取DEM的方法

提出一种从机载激光扫描数据获取DEM的方法,首先筛选末次与单次回波,然后利用构建不规则三角网所获取的各个脚点的邻近点信息进行滤波,最后去除孤立点并生成DEM,并通过试验证明该方法的可行性与有效性。     

基于等高线的表面估计滤波方法

提出一种基于等高线的滤波方法,它先由LIDAR数据生成数字表面模型,并内插出等高线,再根据DSM等高线的特征,如闭合性、首尾点距离、等高线的长度及等高线间距离等,通过设定阈值自动提取出属于自然地面的等高线线段,以获得初始的自然地面点,然后内插生成初始数字地面模型,最后使用迭代逼近法生成最终的(精确的)数字地面模型,即比较初始DTM与DSM,差值小于预设阈值的点视为DTM点,而差值大于预设阈值的点则标记为无数据点,最后,这些无数据点由选择的DTM点内插出.通过与现有表面估计的滤波方法的对比实验以及所提取地物轮廓线与航片的叠加对比试验,证明新方法可适用于地表起伏较大的地形,地物提取精度高、计算量小、效率高.     

基于形态学梯度的机载激光扫描数据滤波方法

机载激光扫描技术能实时获取大范围、高精度的三维空间信息,从而受到日益广泛的重视和应用.然而由于地理环境的复杂性,其数据滤波一直是一个研究难点.针对数据点云的特点和滤波所面临的问题,提出了一种基于形态学梯度的机载激光扫描数据滤波方法.使用改进的形态学梯度计算方法得到每个点的梯度,再基于梯度选择特定的点进行迭代开运算,并根据梯度直方图减少迭代的次数,通过判断每次开运算后点的高程与原高程的差值是否小于一定的阈值,逐步滤除非地面点.使用国际摄影测量与遥感学会(ISPRS)提供的测试数据对算法进行实验,并与国际上8种滤波算法进行对比,结果表明该算法对各种复杂环境的适应性强,基于形态学梯度的滤波既能减少不必要的计算,又能降低误差产生的可能,从而在有效地去除非地面点的同时,也能很好地保留地面点,故具有良好的可靠性与实用性.     

机载激光扫描测高数据分层迭代选权滤波方法及其质量评价

提出了一种基于分层思想的自适应数据滤波方法。该方法采用迭代选权方法的基本思想,在实现中加入了自适应与分层的思想,使其也可用于处理城区点云数据。提出了滤波方法评价体系,并对该滤波方法进行了评价。     

激光雷达点云平面拟合过滤算法

在分析激光雷达点云空间分布特征的基础上,提出了基于斜率的激光点云平面拟合过滤算法,并利用该算法对机载激光雷达点云的特征提取进行了实验研究。结果表明,此算法能有效地拟合激光点云的连续平滑的水平平面、倾斜平面和垂直平面,在DTM、建筑屋顶和垂直墙壁等特征提取中具有较好的效果。     

基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法。该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率。在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误。实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性。     

基于车载激光点云的数学形态学滤波方法改进

针对车载激光点云数据空洞插值误差大及利用多尺度数学形态学滤波方法耗时高的问题,提出一种改进的数学形态学滤波方法,该方法按照点云空间分布形态格网化,以控制开运算方向。腐蚀运算过程中,根据格网腐蚀前后高程的变化情况,更新格网高程,以达到空洞精确填充及各格网均含地面点的目的。利用5组点云数据进行了实验,结果表明:该方法能有效提取地面点,运算效率明显优于多尺度数学形态学滤波方法,具有一定的实用性。     

基于格网化LIDAR点云数据坡度滤波方法的研究

LIDAR数据是目前生产DEM/DSM最为理想的数据源,利用机载激光雷达获取DEM/DSM数据是机载激光雷达最为直接的应用。本文提出了一种将LIDAR点云数据格网化与坡度滤波相结合的点云分类方法,该方法将数据格网化的概念用于LIDAR点云数据的预处理,避免了LIDAR点云数据内插或者平滑造成的信息损失,并且引入坡度突变对格网化处理后的LIDAR点云数据进行第二次地面点的选取,提高了LIDAR点云数据分类的效果。     

一种从LIDAR数据提取城区DTM的方法

由机载激光扫描系统获取的点云数据,可以直接生成扫描区域的数字表面模型,但要想提取数字地面模型还须对点云数据进行分类处理。提出了一种获取数字地面模型的方法,其主要思路是利用原始的激光数据构建二维三角网,从而构建数字表面模型。通过分析数字表面模型的坡度进行初始的分割,剔出坡度较大的三角形。经过初步的分割之后,通过连通区域分析来获取每个分割区域的特征,提取出裸露地表高程,从而由点云数据构建出数字地面模型。     

用分层稳健线性估计法从机载LIDAR数据中获取DEM

评述了利用机载激光扫描数据进行DEM提取的4类典型算法,分析了各自的优缺点。在此基础上,提出了利用双重策略进行数据滤波的方法,即分层稳健线性估计法。该算子同时利用小波分层滤波法和稳健线性估计法,以克服两种算法单独使用时的不足,即小波分层滤波算子没有有效策略保证参考面的精度;稳健线性估计法不能有效过滤数据中的粗差。利用该算法策略对德国Nahrodde地区的数据进行了实验,并将实验结果与用TerraScan软件获取的真实值进行了比较,结果表明分层稳健线性估计法不仅具备小波分层滤波算法和稳健线性估计法这两种滤波算法的优点,而且还可以克服这两种算法固有的缺点,从而实现了直接从原始数据中有效获取地面点的目的。     

GPS/DR组合导航自适应Kalman滤波算法

针对GPS/DR组合导航Kalman滤波的异常扰动影响问题,引入了自适应滤波算法。给出了由预测残差确定自适应因子的过程。利用实测数据进行验证,结果表明无论是单因子自适应滤波还是多因子自适应滤波都能够很好地控制状态异常对滤波估值的影响,滤波精度均优于标准Kalman滤波导航解;而且因为多因子自适应滤波避免损失可靠的状态参数信息,较单因子自适应滤波,精度又有明显提高。