论文部分内容阅读
机载LiDAR(Light Detection And Ranging)作为新型的获取三维地理信息的技术,对于其获取的点云数据的处理与应用是近年来国内外许多学者的研究课题。机载LiDAR点云滤波技术是点云数据处理的关键步骤,并且DEM(Digital Elevation Model)生产技术是基础的数据处理工作。鉴于滤波过程本身的困难性和目前滤波技术的发展,本文的研究目的在于改进和提出滤波算法,从而提高滤波算法的性能并且生成精确的DEM。本文的主要工作和创新点是:1、系统地阐述了机载LiDAR数据滤波的理论与方法,介绍了机载LiDAR数据的概念和特点,并且分析各种了机载LiDAR滤波技术。2、分析了多种机载Li DAR点云数据的滤波算法,介绍了机载LiDAR滤波算法的一般步骤,并给出了ISPRS(International Society for Photogrammetry and Remote Sensing)第III小组提出的一组参考数据和误差的定义。3、在研究基于数学形态学的点云数据滤波算法的基础上,提出了一种基于区域预测的LiDAR点云数据形态学滤波算法。该算法首先由点云数据建立规则格网、去除粗差点,其次对实验区域进行分块,然后使用各个分块区域的高程标准差预测地形坡度参数s从而进行渐进式形态学滤波,最终确定地面点。该算法优点在于可以根据区域地形起伏情况自适应地计算阈值进行滤波。实验结果表明,提出的算法能够在保留地面点的同时,有效去除地物点,并且能降低总误差。4、介绍了三角网和基于三角网的点云滤波技术,在研究了区域生长的基础上,提出了一种基于区域生长的三角网滤波方法。该算法首先基于TIN(Irregular Triangular Network)中三角形的相邻三角形的信息检测建筑物边缘点,然后由建筑物边缘进行区域生长得到所有建筑物点,再使用形态学滤波算法检测孤立点,最终确定地面点集并得到DEM。实验结果表明,提出的算法能够有效地去除地物点,并能够保留地面点,并且在维持可接受的第I误差和第II误差的同时,有效降低总误差。