基于渐进加密三角网机载LIDAR点云滤波改进算法研究

摘要

机载LIDAR点云中包含大量噪声点，这些非地形数据不利于高精度DEM的生成，因此，点云滤波是获取高精度DEM中极其重要的环节。
　　有国外学者(Sithole)对具有代表性的8种点云滤波算法做了较具说服力的对比实验，经分析由Axelsson P最早提出的基于渐进加密三角网的滤波算法对大多数地形具有较好的适应性，在复杂条件下也能获得较好的滤波效果。但是基于渐进加密三角网的点云滤波算法在处理点云时，对低矮建筑的去除效果较差。针对原始算法中存在的问题，本文算法先将点云数据进行聚类，然后提取每个聚类的特征点，对获取的特征点进行拓扑特征分析，判断该聚类是否为地形数据。新算法强调对聚类整体是否为地面点的判定，摒弃原始算法中逐点进行判断的方式，提升了滤波效果，减少了运算量，提高运算效率。
　　论文在分析国内外有关点云滤波研究现状的基础上，展开以下内容的研究：
　　①基于渐进加密三角网改进算法。本文算法在继承了基于渐进加密三角网优点的基础上针对其效率较低、对低矮建筑滤波效果较差等方面进行改进，摒弃原始算法中逐点进行角度判定的条件，并融合点云聚类和拓扑特征分析，在增强滤波效果的同时，大大降低了运算量，提高了运行效率。
　　② LADIR-FILTER系统研制。联合ObjectARX与AutoCAD.NET混合编程技术进行AutoCAD二次开发，编写机载三维激光点云滤波算法程序LIDAR-FILTER。该程序完成了点云数据的读取、构建三角网和其他几种滤波算法等，实现了简单易用的AutoCAD处理复杂点云数据的融合。
　　③实验分析。为了验证改进算法的有效性，论文中选取了复杂林地数据点云和地物种类繁多的居民区点云数据进行点云滤波实验，实验结果表明：本文算法能很好的适应不同类型地形的滤波，较原始算法滤波效果有较大改善，用时为原始算法的40％，证明了本文研究算法的有效性和高效性。