(=#"$$%年#月&’()*+,-.*/01/2(3)*+,(/4-,’/-’(2567*/8/,9’3.,+:?*:"$$%文章编号:AC%A@BBC$("$$%)$#@$G$"@$G"> (=#"$$%年#月&’()*+,-.*/01/2(3)*+,(/4-,’/-’(2567*/8/,9’3.,+:?*:"$$%文章编号:AC%A@BBC$("$$%)$#@$G$"@$G" />
复杂城市环境的机载!#$%点云滤波

复杂城市环境的机载!#$%点云滤波

ID:1224640

大小:216.12 KB

页数:4页

时间:2017-11-08

复杂城市环境的机载!#$%点云滤波_第1页
复杂城市环境的机载!#$%点云滤波_第2页
复杂城市环境的机载!#$%点云滤波_第3页
复杂城市环境的机载!#$%点云滤波_第4页
资源描述:

《复杂城市环境的机载!#$%点云滤波》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、第!"卷第#期武汉大学学报·信息科学版;(<=!">(=#"$$%年#月&’()*+,-.*/01/2(3)*+,(/4-,’/-’(2567*/8/,9’3.,+:?*:"$$%文章编号:AC%A@BBC$("$$%)$#@$G$"@$G文献标志码:E复杂城市环境的机载!"#$%点云滤波A,""!蒋晶珏H张祖勋H明H英(AH武汉大学计算机学院,武汉市珞喻路A"I号,G!$$%I)("H武汉大学遥感信息工程学院,武汉市珞喻路A"I号,G!$$%I)(!H清华大学电子工程系,北京市海淀区,A$$$BG)摘H要:提出了一种新的

2、J,0*3点云滤波算法。该算法能对复杂的城市地貌进行滤波,无需事先进行三角网格化或栅格化,依靠点间的拓扑关系直接对原始点云进行滤波。实验结果表明,该滤波方法能有效保留地形特征,且不受房屋形状和大小的影响。关键词:滤波;分割;激光扫描;J,0*3点云中图法分类号:K"!%=!HH机载J,0*(3<,L7+0’+’-+,(/*/03*/L,/L)能够自分割。动地获取高精度、高密度的地球表面!M坐标信本文提出的滤波算法所处理的数据是仅包含息,已成为生成数字地面模型(MN?)的首选工双重回波信息的!M坐标点集,没有任何其他辅[A]

3、具。目前,研究人员通常采用类似图像处理的助信息。该算法无需网格化预处理,且具有上述["@#]方法,或者利用不规则三角网提供的点间邻接两类算法的优点。它首先根据点云中的不连续边[C,%]关系来设计滤波算法。在城市环境下的MN?缘点这一重要线索来寻找裸露地面点和建筑物生产中,各种复杂的建筑物,如多层排列的建筑点,然后以已识别的裸露地面点和建筑物点为种物、天井、广场、楼梯以及地下通道等,加上裸露地子点进行聚类,识别出所有的裸露地面和建筑物面上的不连续特征,使得现有滤波算法面临困点。[B]难。人们需要通过大量繁琐的手工编辑来获&’

4、滤波规则的设定得准确的裸露地面点。据统计,在实践中,要花费C$OPB$O的时间进行手工操作(包括滤波和质由于真实的地面是可能包含陡峭斜坡、断裂[B]量控制)。因此,设计稳健、高效、准确的自适线等特征的,因此,在概念上,将裸露地面定义为应滤波算法显得尤为重要。分段连续的曲面是比较合理的。本文将非地面对根据滤波时所考察对象的不同,现有的滤波象主要分类为植被、建筑物和不确定对象三类。算法可以分为两种。一种是基于点的方法,即通在此基础上,可根据实际应用的需要进行更精细过考察单个点与其周围邻接点间的关系来判断点["@%]的分类。的类

5、别。大多数的滤波方法都属于这一种。本文按以下设定的规则来区分各类对象。但在裸露地面的不连续边缘处和建筑物边缘处,A)裸露地面。点云中不连续特征点水平邻仅凭单个点的邻接关系常常无法正确区分点的类别。另一种方法是基于分割的滤波方法[A,I]。该域内的局部最低点最有可能是裸露地面点。方法先将点云分割成段,然后再根据段间的关系")植被。植被点的第一重回波与最后一重来判断段的类别。该类方法较其他方法更多地考回波的高度差大于某个阈值。虑了段的上下文关系,但容易造成对点云的过度!)建筑物。不连续特征点可能是建筑物边收稿日期:"$$%@$

6、A@!$。项目来源:国家BC!计划资助项目(4D"$$CEEA"FA$B#$C)。!第"#卷第$期蒋晶珏等:复杂城市环境的机载%&’()点云滤波*B"缘点。在一个已知的建筑物点的小的局部邻域周围一半的区域,那么就可以确定点#为边缘点。内,所有邻接点与该点的高度差不超过某个阈值。为此,本文引入一个角度标准来检测点#的!个*)不确定对象。可能包括小汽车、地面上的最近邻接点间的关系,如图#所示。堆放物以及天井中无法确定类别的区域。仅凭现有点云中的信息无法对该类对象进行精确的分类。当然,以上规则在用于初始分类时会存在误分类。比如,

7、在多层排列的建筑物中,低层建筑物屋顶上的点却可能被识别为裸露地面点;在有陡峭地形特征的地面中,不连续特征点可能被识别为建筑物的边缘;在某些建筑物边缘处,激光点也图#!投影邻接点间的关系可能有多重回波。但这些可能的误分类在算法的-&./#!:2;(4&713<24=2219)7>2?42’52&.6,7)3迭代求解过程中都能得到纠正。首先计算点#与其!近邻{#+,##,⋯,#!}的!"#$%&’点云的滤波算法最小二乘拟合平面$,将所有的邻接点都投影到为了便于提取数字地面模型,本文以第二重拟合平面$上,得到相应的投影点{%+,

8、%#,⋯,回波数据为基础进行滤波。算法执行步骤如下。%!}。若相邻的投影点与点#的投影点%的夹角+)滤除局外点。根据点与点之间的欧氏距(%&%%&@+大于给定阈值,则可判断点#位于边缘上。由于房屋边缘通常为直线或者相互垂直的折离选择每个点的!个最近邻接点,计算点与其!线,因此夹角阈值可以取大于ABC的某

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。