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

doi:10.13474/j.cnki.11-2246.2021.0236

测绘通报 ›› 2021, Vol. 0 ›› Issue (8): 33-36.doi: 10.13474/j.cnki.11-2246.2021.0236

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

马涛¹, 杨小明², 阎跃观¹, 闫东川³

1. 中国矿业大学(北京), 北京 100083;
2. 河北工业大学, 天津 300400;
3. 中国冶金地质总局矿产资源研究院, 北京 101300

收稿日期:2020-09-08 修回日期:2020-09-28 发布日期:2021-08-30
通讯作者: 闫东川。E-mail:yandongchuan@cmgb.cn
作者简介:马涛(1996-),男,硕士生,研究方向为三维激光扫描。E-mail:hebut_mt@163.com
基金资助:
国家自然科学基金（51404272）

Point cloud filtering algorithm based on windowing and terrain slope in densely-vegetated area

MA Tao¹, YANG Xiaoming², YAN Yueguan¹, YAN Dongchuan³

1. China University of Mining and Technology-Beijing, Beijing 100083, China;
2. Hebei University of Technology, Tianjin 300400, China;
3. Institute of Mineral Resources, General Administration of Metallurgical Geology of China, Beijing 101300, China

Received:2020-09-08 Revised:2020-09-28 Published:2021-08-30

摘要/Abstract

摘要： 三维激光扫描仪获得经典地貌的点云数据，需进行滤波剔除地面植被。由于植被茂密区域点云密集或遮挡，地面点极少，无法拟合出地形表面，这部分植被点很难剔除。针对植被茂密区域点云数据的特点，本文提出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，认为非地形坡度引起的高程差异的两相邻点中，较高的点为非地面点。试验结果表明，本文算法可以很好地去除植被茂密区域中低矮的植被点，保留真实的地面点，提高了植被茂密区域点云滤波的处理精度。

关键词: 三维激光扫描, 点云处理, 植被茂密区域, 滤波算法, 窗口化, 地形坡度

Abstract: The three-dimensional laser scanner obtains the point cloud data of the classic landform, which needs to be filtered to remove the ground vegetation. Because the point cloud is dense or occluded in densely-vegetated areas, the ground points are very few, and the terrain surface cannot be fitted. This part of the vegetation points is difficult to remove. Aiming at the characteristics of the point cloud data of densely-vegetated areas, this paper proposes a point cloud filtering algorithm for densely-vegetated areas based on windowing and terrain slope. It is considered that the higher point of the two adjacent points of the elevation difference caused by non-terrain slope is non-ground point. The test results show that this algorithm can well remove low vegetation points in densely-vegetated areas, retain real ground points, and improve the processing accuracy of point cloud filtering in densely-vegetated areas.

Key words: 3D laser scanning, point cloud processing, densely-vegetated areas, filtering algorithm, windowing, terrain slope

中图分类号:

P234.5

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.

MA Tao, YANG Xiaoming, YAN Yueguan, YAN Dongchuan. Point cloud filtering algorithm based on windowing and terrain slope in densely-vegetated area[J]. Bulletin of Surveying and Mapping, 2021, 0(8): 33-36.

参考文献

[1] 吴阳. 三维扫描点云数据处理技术研究[D]. 郑州:河南工业大学, 2017.
[2] 汪仁银, 李开伟, 陈锐, 等. 三维激光扫描技术在地形测绘中的应用[J]. 测绘通报, 2018(12):159-162.
[3] 胡翰, 丁雨淋, 朱庆, 等. 面向全球DEM生产的点云智能滤波与DEM泊松编辑方法[J]. 测绘学报, 2019, 48(3):374-383.
[4] 李沛婷. 荒漠植被区机载LiDAR点云生成DEM算法研究[D]. 石河子:石河子大学, 2019.
[5] 马振宇, 庞勇, 李增元, 等. 地基激光雷达森林近地面点云精细分类与倒木提取[J]. 遥感学报, 2019, 23(4):743-755.
[6] 杨应, 苏国中, 周梅. 茂密植被区域LiDAR点云数据滤波方法研究[J]. 遥感信息, 2010(6):9-13.
[7] KORZENIOWSK A K, PFEIFER N, MANDLBURGER G, et al. Experimental evaluation of ALS point cloud ground extraction tools over different terrain slope and land-cover types[J]. International Journal of Remote Sensing, 2014, 35(13):4673-4697.
[8] 林祥国, 张继贤, 宁晓刚, 等. 融合点、对象、关键点等3种基元的点云滤波方法[J]. 测绘学报, 2016, 45(11):1308-1317.
[9] CHEN C, WANG M, CHANG B, et al. Multi-level interpolation-based filter for airborne LiDAR point clouds in forested areas[J]. IEEE Access, 2020, 8:41000-41012.
[10] 陆建华, 刘闯, 吕志才. 最优邻域二次误差曲面的点云简化算法[J]. 测绘通报, 2018(12):101-104.
[11] ALRASHDAN A, MOTAVALLI S, FALLAHI B. Automatic segmentation of digitized data for reverse engineering applications[J]. ⅡE Transactions, 2000, 32(1):59-69.
[12] 龚亮, 张永生, 李正国, 等. 基于多尺度虚拟网格与坡度阈值的机载LiDAR点云滤波方法[J]. 测绘科学, 2012, 37(1):101-103.
[13] 陈建华. 融合主成分分析和局部邻域的平面点云去噪[J]. 测绘通报, 2020(5):47-50.
[14] 陈朋, 李亮, 胡大贺. 基于点云均匀度的植被点剔除方法[J]. 中国矿业, 2016, 25(5):138-140.
[15] 赵桂华, 邹晓亮, 郭丽. 机载LiDAR点云数据自动生成DEM的方法与精度评价[J]. 地理空间信息, 2017, 15(9):9-12.

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

Point cloud filtering algorithm based on windowing and terrain slope in densely-vegetated area

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	周烨, 刘云波, 郑丽波, 龙泱君. 多平台点云数据的单木参数提取精度分析[J]. 测绘通报, 2022, 0(7): 168-172.
[2]	经皓然, 徐敬海. 异形建筑的无人机点云与地面三维激光扫描点云配准[J]. 测绘通报, 2022, 0(6): 32-39.
[3]	谢元, 董梦, 马新建. 多源数据在复杂场景建筑物三维重建的应用[J]. 测绘通报, 2022, 0(6): 143-147.
[4]	李旭. 三维激光扫描技术在地铁隧道竣工测量中的应用[J]. 测绘通报, 2022, 0(6): 166-169.
[5]	赵立都, 向中富, 周银, 马下平, 张双成, 司梦元, 陈茂霖, 胡川, 潘建平. 利用地面三维激光扫描进行桥梁挠度变形分析[J]. 测绘通报, 2022, 0(5): 95-100.
[6]	张驰, 白志辉, 李亮, 陈冉丽, 吴侃. 利用三维激光扫描技术监测矿区桥梁结构形变[J]. 测绘通报, 2022, 0(4): 122-129.
[7]	许志华, 逯行政, 彭远航, 杨可明, 王宇敏. 依托航空模拟平台的激光雷达技术课程实践教学装备[J]. 测绘通报, 2022, 0(4): 162-166.
[8]	王贝, 叶险峰, 王军宁. 利用点云切片提取技术分析桥梁形变[J]. 测绘通报, 2022, 0(4): 167-171.
[9]	许艳博. 结合全站式三维扫描与建筑设计坐标的复杂曲面检测[J]. 测绘通报, 2022, 0(2): 16-19,49.
[10]	丁鸽, 燕立爽, 彭健, 朱传广, 黄雪亭. 基于RANSAC算法的隧道点云横断面提取[J]. 测绘通报, 2021, 0(9): 120-123.
[11]	韩富庆, 郭国和, 杨承昆, 吴勇生, 王伟力, 李彩林. 基于点云投影线探测的高墩位姿自动检测方法[J]. 测绘通报, 2021, 0(9): 130-135,150.
[12]	贺晓东. 三维激光扫描技术在建筑立面数字化采集和立面绘制方向应用的可行性研究[J]. 测绘通报, 2021, 0(9): 157-159,164.
[13]	唐东跃, 肖书安, 周兴华, 朱水鹏. 三维激光扫描技术在高铁隧道平整度检测中的应用[J]. 测绘通报, 2021, 0(9): 160-164.
[14]	闫坤, 张志华, 颜鲁春. 结合正则化K-SVD和Hampel滤波的探地雷达数据重建[J]. 测绘通报, 2021, 0(8): 22-27.
[15]	陈利敏, 樊廷立. 超大速滑场地制冰排管形态的高精度快速检测[J]. 测绘通报, 2021, 0(8): 111-114.