密集低矮植被区LiDAR点云地面滤波算法

doi:10.13474/j.cnki.11-2246.2021.0199

测绘通报 ›› 2021, Vol. 0 ›› Issue (7): 1-5.doi: 10.13474/j.cnki.11-2246.2021.0199

• 矿山全周期测绘成果 • 下一篇

密集低矮植被区LiDAR点云地面滤波算法

阎跃观, 陈中章, 孙阳, 李泽政, 姚承志

中国矿业大学(北京)地球科学与测绘工程学院, 北京 100083

收稿日期:2021-05-11 修回日期:2021-05-21 出版日期:2021-07-25 发布日期:2021-08-04
作者简介:阎跃观(1981-),男,博士,副教授,主要从事开采沉陷、大地测量、变形监测等方面的研究。E-mail:yanyueguan@cumtb.edu.cn
基金资助:
国家自然科学基金（51404272）；中央高校基本科研业务费专项资金（2021YQDC09）；中国矿业大学（北京）大学生创新训练项目（202102007；202102022）

LiDAR point cloud ground filtering algorithm in dense and low vegetation area

YAN Yueguan, CHEN Zhongzhang, SUN Yang, LI Zezheng, YAO Chengzhi

Geoscience and Surveying Engineering College, China University of Mining & Technology-Beijing, Beijing 100083, China

Received:2021-05-11 Revised:2021-05-21 Online:2021-07-25 Published:2021-08-04

摘要/Abstract

摘要： 针对地形复杂且低矮植被茂密的矿区LiDAR点云特点，本文提出了一种基于坡度信息并结合平面拟合的地面滤波算法。该方法采用二级格网法逐级选取地面种子点，在每个一级格网中，利用地面种子点通过最小二乘拟合法进行平面拟合并构建地面模型，最后达到区分地面点和非地面点的效果。与传统坡度法和布料模拟法的对比试验表明，该方法能够有效滤除密集低矮灌木，以及较好地保留较大坡度地形。

关键词: LiDAR, 密集低矮植被, 坡度, 地面滤波算法

Abstract: Aiming at the characteristics of LiDAR point cloud in mining areas with complex terrain and dense low vegetation, this paper proposes a ground filtering algorithm based on slope information combined with plane fitting. This method uses the second-level grid method to select ground seed points by hierarchical extraction, and uses the ground seed points in each first-level grid to construct a ground model by plane fitting through the least squares fitting method. Finally, ground point and non-ground point can be distinguished. Through comparative experiments with the traditional slope filter and cloth simulation filter, it is concluded that this method can effectively filter out dense and low shrubs and can better retain the larger slope terrain.

Key words: LiDAR, dense low shrubs, slope, ground filtering algorithm

中图分类号:

P234.5

阎跃观, 陈中章, 孙阳, 李泽政, 姚承志. 密集低矮植被区LiDAR点云地面滤波算法[J]. 测绘通报, 2021, 0(7): 1-5.

YAN Yueguan, CHEN Zhongzhang, SUN Yang, LI Zezheng, YAO Chengzhi. LiDAR point cloud ground filtering algorithm in dense and low vegetation area[J]. Bulletin of Surveying and Mapping, 2021, 0(7): 1-5.

参考文献 20

[1]	王启春,马洪浩.基于测量机器人与近景摄影测量技术的山区采动地表移动变形监测方法[J].矿山测量,2017,45(5):1-4.
[2]	魏振全.三维激光扫描技术监测煤矿开采地表移动研究[J].煤炭科学技术,2016,44(S1):164-166.
[3]	陈炳乾. 面向矿区沉降监测的InSAR技术及应用研究[D].北京:中国矿业大学,2015.
[4]	彭译萱,陈晨.基于LiDAR点云检测的城市道路轮廓提取技术[J].激光杂志,2020,41(10):135-138.
[5]	陈龙,司译文,田滨,等.基于3D LiDAR的矿山无人驾驶车行驶边界检测[J].煤炭学报,2020,45(6):2140-2146.
[6]	鲍艳,王风杰.陆基LiDAR扫描隧道的点云拼接精度[J].黑龙江科技大学学报,2018,28(1):107-112.
[7]	VOSSELMAN G. Slope based filtering of laser altimetry data[J]. IAPRS. Amsterdam,2000,33(3):935-942.
[8]	丁少鹏,刘如飞,蔡永宁,等.一种顾及地形的点云自适应坡度滤波方法[J].遥感信息,2019,34(4):108-113.
[9]	隋立春,张熠斌,柳艳,等.基于改进的数学形态学算法的LiDAR点云数据滤波[J].测绘学报,2010, 39(4):390-396.
[10]	卢秀山,刘如飞,田茂义,等.利用改进的数学形态法进行车载激光点云地面滤波[J].武汉大学学报(信息科学版),2014,39(5):514-519.
[11]	张皓,张永生,刘军,等.一种基于平面拟合的LIDAR点云滤波方法[J].测绘科学,2009,34(4):141-143.
[12]	魏祖帅.基于坡度信息和平面拟合的机载LiDAR点云滤波方法[J].河南城建学院学报,2013,22(6):37-40.
[13]	ZHANG W, QI J, WAN P, et al. An easy-to-use airborne LiDAR data filtering method based on cloth simulation[J]. Remote Sensing, 2016, 8(6):501.
[14]	张昌赛,刘正军,杨树文,等.基于LiDAR数据的布料模拟滤波算法的适用性分析[J].激光技术,2018,42(3):410-416.
[15]	隋立春,张熠斌,张硕,等.基于渐进三角网的机载LiDAR点云数据滤波[J].武汉大学学报(信息科学版),2011,36(10):1159-1163.
[16]	曾妮红,岳迎春,魏占营,等.车载LiDAR点云滤波的改进不规则三角网加密方法[J].测绘科学,2016,41(9):136-139.
[17]	MOUDRY V, KLÁPŠTĚ P, FOGL M,et al. Assessment of LiDAR ground filtering algorithms for determining ground surface of non-natural terrain overgrown with forest and steppe vegetation[J]. Measurement,2020,150:521-540.
[18]	尚大帅,黎恒明,赵羲.一种基于曲面约束的点云数据滤波方法[J].雷达科学与技术,2013,11(4):413-418.
[19]	詹总谦,胡孟琦,满益云.多尺度区域生长点云滤波地表拟合法[J].测绘学报,2020,49(6):757-766.
[20]	门林杰,潘中华,张阳阳,等.基于改进的坡度滤波算法的LiDAR数据滤波[J].测绘信息与工程,2011,36(2):4-5.

密集低矮植被区LiDAR点云地面滤波算法

LiDAR point cloud ground filtering algorithm in dense and low vegetation area

可视化

摘要/Abstract

引用本文

使用本文

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王艳军, 林云浩, 王书涵, 李少春, 王孟杰. OSM辅助车载LiDAR点云三维道路边界精细提取[J]. 测绘通报, 2022, 0(7): 18-25.
[2]	温雨笑, 吕杰, 马庆勋, 张鹏, 徐汝岭. 高光谱和LiDAR联合反演森林生物量研究[J]. 测绘通报, 2022, 0(7): 38-42.
[3]	徐福斌, 曲相屹, 王健, 刘秀涵. 基于LiDAR点云的复杂钢结构模型重建[J]. 测绘通报, 2022, 0(5): 170-173.
[4]	普东东, 丁海勇. 融合超体素与成对链接聚类的LiDAR点云分割算法[J]. 测绘通报, 2022, 0(3): 65-69.
[5]	高莎, 袁希平, 甘淑, 杨明龙, 袁新悦, 罗为东. 融合无人机影像与LiDAR点云的山区地表覆被景观特征探测[J]. 测绘通报, 2022, 0(1): 110-115.
[6]	高智梅, 王竞雪, 沈昭宇. 机载LiDAR建筑物点云渐进提取算法[J]. 测绘通报, 2021, 0(8): 7-13,36.
[7]	马涛, 杨小明, 阎跃观, 闫东川. 以窗口化和地形坡度为基础的植被茂密区域点云滤波算法[J]. 测绘通报, 2021, 0(8): 33-36.
[8]	王晓静, 唐超, 王勇, 侯海倩, 杨晓飞. 封闭环境下限制误差发散的高精度导航定位[J]. 测绘通报, 2021, 0(8): 65-68,73.
[9]	高莎, 袁希平, 甘淑, 杨亚复, 李霞. 面向复杂山地的机载LiDAR与无人机影像融合应用[J]. 测绘通报, 2021, 0(7): 65-69.
[10]	熊友谊, 乔纪纲, 张文金. 基于线特征的鱼眼图像与地面激光雷达点云配准[J]. 测绘通报, 2021, 0(7): 74-80.
[11]	刘茂华, 李曼雯. 融合高分影像和LiDAR数据的城市道路提取[J]. 测绘通报, 2021, 0(6): 1-5,60.
[12]	孙涛, 徐明宇, 董秀军, 潘星. 机载LiDAR技术应用于茂密植被山区地质灾害调查[J]. 测绘通报, 2021, 0(4): 90-97.
[13]	宋宝, 柯福阳, 赵兴旺. 面向LiDAR/Radar松组合的迭代加权IEKF-BP组合算法精度分析[J]. 测绘通报, 2021, 0(2): 44-48.
[14]	谢宏全, 汪秋玲, 蔡东健, 邢万里, 孙权, 刘付程. 利用车载LiDAR点云数据提取城市道路边界[J]. 测绘通报, 2021, 0(2): 64-67.
[15]	赵沛冉, 管海燕, 李迪龙, 景庄伟, 于永涛. 利用样本生成方法进行机载多光谱LiDAR数据深度学习分类[J]. 测绘通报, 2021, 0(12): 16-21.