留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种多尺度自适应点云坡度滤波算法

汪文琪 李宗春 付永健 何华 熊峰

汪文琪, 李宗春, 付永健, 何华, 熊峰. 一种多尺度自适应点云坡度滤波算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200016
引用本文: 汪文琪, 李宗春, 付永健, 何华, 熊峰. 一种多尺度自适应点云坡度滤波算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200016
WANG Wenqi, LI Zongchun, FU Yongjian, HE Hua, XIONG Feng. A Multi-scale Adaptive Slope Filtering Algorithm of Point Cloud[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200016
Citation: WANG Wenqi, LI Zongchun, FU Yongjian, HE Hua, XIONG Feng. A Multi-scale Adaptive Slope Filtering Algorithm of Point Cloud[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200016

一种多尺度自适应点云坡度滤波算法

doi: 10.13203/j.whugis20200016
详细信息
    作者简介:

    汪文琪,硕士生,主要研究方向为激光雷达点云数据处理。wenqi_xd@163.com

  • 中图分类号: P237

A Multi-scale Adaptive Slope Filtering Algorithm of Point Cloud

  • 摘要: 点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法。首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波。采用两种密度不同的点云数据集对算法进行了验证,并将结果与2种坡度滤波算法及国际摄影测量和遥感学会(international society for photogrammetry and remote sensing,ISPRS)提供的经典算法作了对比,试验表明新算法整体滤波结果较好,稳定性更高,且能适应不同场景的点云数据。
  • [1] Vosselman G. Slope Based Filtering of Laser Altimetry Data[J]. International Archives of Photogrammetry and Remote Sensing, 2000, 33:678-684
    [2] Sithole G. Filtering of Laser Altimetry Data Using a Slope Adaptive Filter[J]. International Archives of Photogrammetry and Remote Sensing, 2001, 34(3):203-210
    [3] Susaki J. Adaptive Slope Filtering of Airborne LiDAR Data in Urban Areas for Digital Terrain Model(DTM) Generation[J]. Remote Sensing, 2012, 4(6):1804-1819
    [4] Rashidi P, Rastiveis H. Extraction of Ground Points from LiDAR Data Based on Slope and Progressive Window Thresholding(SPWT)[J]. Earth Observation and Geomatics Engineering, 2018, 2(1):36-44
    [5] Pingel T J, Clarke K C, MCBRIDE W A. An Improved Simple Morphological Filter for the Terrain Classification of Airborne LiDAR Data[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 77:21-30
    [6] Zhang W M, Qi J B, Wan P, et al. An Easy-to-Use Airborne LiDAR Data Filtering Method Based on Cloth Simulation[J]. Remote Sensing, 2016, 8(6):501
    [7] Wan P, Zhang W M, Skidmore A K, et al. A simple terrain relief index for tuning slope-related parameters of LiDAR ground filtering algorithms[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2018, 143:181-190
    [8] Sithole G, Vosselman G. ISPRS Comparison of Filters[R]. Delft:ISPRS Commission ΙΙΙ, Working Group 3, 2003
    [9] Bartels M, Wei H. Threshold-free Object and Ground Point Separation in LiDAR Data[J]. Pattern Recognition Letters, 2010, 31(10):1089-1099
    [10] Axelsson P. DEM Generation from Laser Scanner Data Using Adaptive TIN Models[J]. International Archives of Photogrammetry and Remote Sensing, 2000, 33:110-117
    [11] Elmqvist M, Jungert E, Lantz F, et al. Terrain Modelling and Analysis Using Laser Scanner Data[J]. International Archives of Photogrammetry and Remote Sensing, 2001, 34:219-227
    [12] Brovelli M A, Cannata M, Longoni U M. Managing and Processing LiDAR data within GRASS[C]. Proceedings of the Open Source GIS-GRASS Users Conference, Trento, Italy, 2002
    [13] Wack R, Wimmer A. Digital Terrain Models from Airborne Laser Scanner Data-A Grid Based Ap-proach[J]. International Archives of Photogrammetry and Remote Sensing, 2002, 34:293-296
    [14] Pfeifer N, Reiter T, Briese C, et al. Interpolation of High Quality Ground Models from Laser Scanner Data in Forested Areas[J]. International Archives of Photogrammetry and Remote Sensing, 1999, 32:31-36
    [15] Sohn G, Dowman I. Terrain Surface Reconstruction by the Use of Tetrahedron Model with the MDL Criterion[J]. International Archives of Photogrammetry and Remote Sensing, 2002, 34:336-344
    [16] Roggero M. Airborne Laser Scanning:Clustering in Raw Data[J]. International Archives of Photogrammetry and Remote Sensing, 2001, 34:227-232
  • [1] 李健, 曹垚, 王宗敏, 王广印.  融合k-means聚类和Hausdorff距离的散乱点云精简算法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180204
    [2] 赵江洪, 董岩, 黄明, 张晓光, 马思宇, 孙铭悦.  具有孔洞的地下电缆工井模型拓扑重构研究 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20180126
    [3] 于安斌, 梅文胜.  一种R树与格网结合的海量地铁隧道点云管理方法 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20170419
    [4] 李玉, 胡海峰, 赵雪梅, 赵泉华.  基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20160149
    [5] 吴立新, 许志华, 范松滔, 王秋玲.  植被稀疏地区沟蚀变化的地面激光扫描监测与沟蚀量估算 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20160013
    [6] 黄荣刚, 杨必胜, 李健平, 田茂, 梁新美.  利用目标区域拓扑关系图提取建筑物点云 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20160112
    [7] 卢秀山, 刘如飞, 田茂义, 刘冰.  利用改进的数学形态法进行车载激光点云地面滤波 . 武汉大学学报 ● 信息科学版, doi: 10.13203/j.whugis20130020
    [8] 陈西江, 花向红, 杨荣华, 张青华.  分带K-均值聚类的平面标靶定位 . 武汉大学学报 ● 信息科学版,
    [9] 尹章才, 刘清全, 孙华涛.  全概率公式在时间地理中的应用研究 . 武汉大学学报 ● 信息科学版,
    [10] 杨建思.  一种利用面元拟合的地面点云数据三维R树索引方法 . 武汉大学学报 ● 信息科学版,
    [11] 胡举, 杨辽, 沈金祥, 吴小波.  一种基于分割的机载LiDAR点云数据滤波 . 武汉大学学报 ● 信息科学版,
    [12] 林雪原, 刘磊.  多传感器组合导航系统的多尺度分布式滤波算法 . 武汉大学学报 ● 信息科学版,
    [13] 隋立春, 张熠斌, 张硕, 陈卫.  基于渐进三角网的机载LiDAR点云数据滤波 . 武汉大学学报 ● 信息科学版,
    [14] 王海军, 邓羽, 王丽, 关兴良.  基于数据场的C均值聚类方法研究 . 武汉大学学报 ● 信息科学版,
    [15] 刘亚文, 宋守东.  利用航空影像、点云数据和矢量图进行简单房屋三维重建方法研究 . 武汉大学学报 ● 信息科学版,
    [16] 蒋晶珏, 张祖勋, 明英.  复杂城市环境的机载Lidar点云滤波 . 武汉大学学报 ● 信息科学版,
    [17] 闫利, 张毅.  基于法向量模糊聚类的道路面点云数据滤波 . 武汉大学学报 ● 信息科学版,
    [18] 翟亮, 唐新明, 王中元, 吴岚.  1∶5万数据库内容需求调查结果的分析 . 武汉大学学报 ● 信息科学版,
    [19] 唐亮, 黄培之, 谢维信.  顾及数据空间分布特性的模糊C-均值聚类算法研究 . 武汉大学学报 ● 信息科学版,
    [20] 郑肇葆.  正态分布伪随机数据的产生和检验 . 武汉大学学报 ● 信息科学版,
  • 加载中
计量
  • 文章访问数:  208
  • HTML全文浏览量:  23
  • PDF下载量:  25
  • 被引次数: 0
出版历程
  • 收稿日期:  2020-11-15
  • 网络出版日期:  2021-05-07

一种多尺度自适应点云坡度滤波算法

doi: 10.13203/j.whugis20200016
    作者简介:

    汪文琪,硕士生,主要研究方向为激光雷达点云数据处理。wenqi_xd@163.com

  • 中图分类号: P237

摘要: 点云坡度滤波算法原理简单、易于实现,为进一步提升坡度滤波算法的自适应性,提出了一种多尺度自适应点云坡度滤波算法。首先,在数据预处理的基础上引入虚拟网格对点云数据进行分割;然后,利用距离加权的方式逐次计算网格点的坡度角,结合k均值聚类和正态分布自适应确定滤波阈值;最后,使用多尺度策略逐级缩小网格尺寸实现点云数据的精细滤波。采用两种密度不同的点云数据集对算法进行了验证,并将结果与2种坡度滤波算法及国际摄影测量和遥感学会(international society for photogrammetry and remote sensing,ISPRS)提供的经典算法作了对比,试验表明新算法整体滤波结果较好,稳定性更高,且能适应不同场景的点云数据。

English Abstract

汪文琪, 李宗春, 付永健, 何华, 熊峰. 一种多尺度自适应点云坡度滤波算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200016
引用本文: 汪文琪, 李宗春, 付永健, 何华, 熊峰. 一种多尺度自适应点云坡度滤波算法[J]. 武汉大学学报 ● 信息科学版. doi: 10.13203/j.whugis20200016
WANG Wenqi, LI Zongchun, FU Yongjian, HE Hua, XIONG Feng. A Multi-scale Adaptive Slope Filtering Algorithm of Point Cloud[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200016
Citation: WANG Wenqi, LI Zongchun, FU Yongjian, HE Hua, XIONG Feng. A Multi-scale Adaptive Slope Filtering Algorithm of Point Cloud[J]. Geomatics and Information Science of Wuhan University. doi: 10.13203/j.whugis20200016
参考文献 (16)

目录

    /

    返回文章
    返回