基于高程阈值的非地面点过滤方法.pdfVIP

基于高程阈值的非地面点过滤方法

B.1由于扫描的路基路面周边地物的高程可能高于路面高程，所以可通过设置高程阈值来去除大部分

非地面点，实现对道路路面的粗提取。不同路段路面高程不同，需要设置不同高程阈值。

B.2Otsu算法主要运用于二值图像的全局自适应阈值分割，属于一种非监督分类方法，其原理是依次

使用不同的阈值对图像进行二值分割，然后分别计算前景与背景部分间的类间方差，当类间方差最大值

时求得的阈值即为最佳分割阈值。

B.3将Otsu算法的思想引入到高程阈值选取中，自适应计算出最佳高程分割阈值，对高程高于阈值的

非地面点进行滤除，低于阈值的点予以保留。

B.4输入点云数据，记录点云总个数N，获取高程的最大值N和最小值H，之后将高程分为L个等

maxmin

级，统计各高程等级中点云个数n，每个高程等级概率p计算见公式（B.1）。

ii

n

i

pi…………（B.1）

N

式中：

P——高程等级概率；i

ni——各高程等级中点云个数；

N——点云总个数。

B.5假设以高程值k（H＜k＜H）为阈值将原始点云分为C和C两部分，则两部分点云出现概率为

minmax01

式（B.2），高程平均值为（B.3）。

k

P（C)p(k)

00i

i1

L…………（B.2）

P(C)p1(k)

11ik1i



式中：

——C部分点云出现的概率；

00

——C部分点云出现的概率；

11

P——高程等级概率。i

kkipi(k)

iPiC

(/)

00

k

i1i10()…………（B.3）

LL

iP(i/C)ipiT(k)

1