融合强阈值三角网与总体最小二乘曲面拟合滤波
机载LiDAR点云数据滤波是LiDAR数据后处理过程中的关键步骤.在分析三角网滤波与曲面拟合滤波特点的基础上,提出了一种"由粗到精"的处理思想用于LiDAR点云数据滤波.该方法通过强阈值三角网算法进行Ⅱ类误差优先的"粗分类",获取可靠性较高的初始地面点,以"粗分类"结果作为先验信息进行种子点选取,引入总体最小二乘算法完成曲面拟合,设置自适应阈值实现不同区域灵活处理,最终得到较为精细的地面模型.使用ISPRS测区数据及Niagara数据进行实验,与经典滤波算法及传统曲面拟合方法进行对比,实验结果证明,该方法较传统算法能够得到更加可靠的滤波结果,对各种地形的适应性较强,具备较高的实用价值.
激光雷达、数据滤波、强阈值三角网、总体最小二乘、曲面拟合
45
P237(摄影测量学与测绘遥感)
国家自然科学基金41371436
2016-06-08(万方平台首次上网日期,不代表论文的发表时间)
共8页
128-135