王 刃,朱新慧,江振治
(1. 信息工程大学 导航与空天目标学院,河南 郑州 450052; 2. 西安测绘研究所,陕西 西安 710054)
机载LiDAR数据滤波技术是目前的一个研究热点与难点。现有的机载LiDAR数据滤波技术大致可以分为两类:一类是数据驱动式滤波算法,另一类是模型驱动式滤波算法。数据驱动式滤波算法主要有基于数学形态学的滤波算法、基于坡度变化的滤波算法、基于TIN结构的分层滤波算法、逐行双向标识法(one-dimensional and bidirectional labelling,OBL)滤波算法等。模型驱动式滤波算法主要有基于分层稳健线性估计的滤波算法、基于表面自适应的滤波算法、基于样条插值和区域增长的滤波算法等[1-6]。这两类算法在分类点云时,绝大多数仅仅采用了高程差或坡度作为判断的依据,从而只能在地形场景单一,地物表面与地形表面高程差异明显的区域,获得较为理想的滤波结果。但对于地形场景复杂,地形存在突变或地物表面与地形表面高程差异不大的区域,则很难获得理想的滤波结果[7-9]。
针对目前主要的滤波算子所存在的缺陷,同时兼顾到机载LIDAR系统获取数据的基本原理,笔者提出一种滤波算子——改进的逐行双向标识法(progressire OBL,POBL)。该滤波算子可有效克服目前滤波算子的缺点,获得更高准确率的分类结果。
POBL滤波算子是对OBL算子的改进,OBL算法是Shan和Sampath于2005年提出的[10],该算法在过滤点云数据时,以剖面为处理单位,并在滤波时采用坡度与高程值两个判断尺度,以克服单一尺度的不足。……