科研之友
微信
新浪微博
Facebook
分享链接
摘要
【目的】根据激光雷达点云的特征属性，用聚类的方式进行滤波，虽然是一种比较实用的方法，但在实践中，因为点云的数据量巨大，导致直接利用点的三维坐标进行聚类的耗时过长，滤波结果误差过大，而且现有的许多滤波算法在不连续地形处的表现不佳。本文旨在提出一种新的基于密度聚类的点云滤波算法，可以解决大型点云的直接聚类问题和保留不连续地形的整体起伏。【方法】以激光雷达点云的空间密度、地物类点云和地形类点云的特征属性为依据，首先根据点云的高程值密度聚类，再进行平面点云的筛选，从而降低数据的样本数量，最后通过Density-Based Spatial Clustering of Applications with Noise聚类，将原始点云分为噪音类、地物类、及地形类点云。实验采用国际摄影测量与遥感学会（ISPRS）提供的数据样本，并将本文算法与其它八种经典滤波算法进行比较。【结果】定量与定性分析表明，本文算法在城区和农村地区均有较好的适用性，在不连续地形处滤波误差较小，在人工建筑和植被混合地区适应性较好。【结论】本文方法具有可行性，可在不同地形中使用。
- 单位
